דגמי AI רוסיים עלולים לאבד יתרון תחרותי בגלל מחסור בנתונים
מכון AI של ITMO הציג מחקר על שוק מודל השפה הרוסית הגדולה (LLM) בהשתתפות 14 מומחים מאוניברסיטת מוסקבה, בית הספר הגבוה לכלכלה, RANEPA, AIRI, Yandex, סבר, T-Bank, VK וארגונים נוספים.
מודלים רוסים אינם נחותים מהזרים בעבודה עם השפה הרוסית, ובמקרים מסוימים הם עדיפים עליהם בהבנת הקוד התרבותי והמציאות המקומית. אבל לפיתוח נוסף הם חסרים נתונים איכותיים.
לדברי מומחים, האינטרנט הפתוח בשפה הרוסית קטן פי 10–20 מהאינטרנט העולמי. במקביל, נדרשים גם מקורות בינלאומיים להכשרת מודלים אוניברסליים: החלק האופטימלי של השפה הרוסית בקורפוס ההדרכה הוא 5-30%.
איפה לחפש נתונים חדשים?
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.
עם זאת, על רקע מחסור בנתונים, נדונים כללים חדשים לשימוש בהם.
ב-12 בנובמבר אישרה המועצה הנשיאותית לקודיפיקציה טיוטת תיקונים הקובעת הסכם עם בעל זכויות היוצרים, רישיון פתוח או שימוש ביצירות בתשלום פיצויים. כמו כן, מוצע לתת לבעלי זכויות יוצרים את האפשרות לאסור את השימוש ביצירותיהם לצורך אימון בינה מלאכותית.
עבור מפתחים רוסים, פירוש הדבר עשוי להיות עלויות והגבלות נוספות. מסתבר שזה פרדוקס: כדי להתחרות במנהיגים בעולם, דגמים מקומיים זקוקים ליותר נתונים איכותיים, אבל דרישות רגולטוריות חדשות יכולות להפוך את הגישה אליו לקשה ויקרה יותר.