Les modèles russes d’IA pourraient perdre leur avantage concurrentiel en raison du manque de données.
L'Institut d'IA de l'ITMO a présenté une étude sur le marché du Grand modèle de langue russe (LLM) avec la participation de 14 experts de l'Université de Moscou, de l'École supérieure d'économie, de RANEPA, d'AIRI, de Yandex, de Sever, de T-Bank, de VK et d'autres organisations.
Les modèles russes ne sont pas inférieurs aux étrangers dans le travail avec la langue russe et, dans certains cas, ils leur sont supérieurs dans la compréhension du code culturel et de la réalité locale. Mais pour un développement ultérieur, ils manquent de données de qualité.
Selon les experts, l’Internet ouvert en langue russe est 10 à 20 fois plus petit que l’Internet mondial. Dans le même temps, des sources internationales sont également nécessaires pour la formation de modèles universels : la part optimale de la langue russe dans le corpus de formation est de 5 à 30 %.
Où chercher de nouvelles données ?
בספריות, בארכיונים, באוניברסיטאות, בארגונים מדעיים ומקצועיים. חומרים כאלה יכולים לחזק מודלים רוסיים ברפואה, משפטים, בנייה ותעשיות אחרות. גם נתונים מומחים וסינתטיים מבטיחים: סטים קטנים אך מוכנים היטב יכולים להיות שימושיים יותר ממערכים עצומים של טקסטים רגילים.
Cependant, en raison du manque de données, de nouvelles règles pour leur utilisation sont en cours de discussion.
Le 12 novembre, le Conseil présidentiel de codification a approuvé des projets d'amendements qui établissent un accord avec le titulaire du droit d'auteur, une licence ouverte ou l'utilisation d'œuvres avec paiement d'une compensation. Il est également proposé de donner aux titulaires de droits d'auteur la possibilité d'interdire l'utilisation de leurs œuvres à des fins de formation à l'intelligence artificielle.
Pour les développeurs russes, cela peut entraîner des coûts et des restrictions supplémentaires. Cela s’avère être un paradoxe : pour rivaliser avec les leaders mondiaux, les modèles locaux ont besoin de données de plus grande qualité, mais les nouvelles exigences réglementaires peuvent rendre l’accès à celles-ci plus difficile et plus coûteux.