OMM Redaksiyası
Süni intellekt gündəlik həyatın bir hissəsinə çevrildikcə, danışanlarının sayı az olan dillərin texnologiyalarda geridə qalmaq riski artır. Dünyada təxminən 4 milyon insanın danışdığı gürcü dili üçün əsas çətinliklərdən biri onu öyrənən sistemlərin keyfiyyətli dil materiallarına çıxışının məhdud olmasıdır.
AnewZ-in məlumatına görə, bu, süni intellektin gürcü dilini emal edə bilməməsi ilə bağlı deyil. İngilis, ispan və Çin dilləri ilə müqayisədə gürcü dili üzrə keyfiyyətli təlim materialı xeyli azdır.
Gürcü dili kartvel dilləri ailəsinə daxildir və mürəkkəb qrammatik quruluşa malikdir. Buraya feil şəkillərinin geniş dəyişməsi, qrammatik hallar və cümlənin çevik quruluşu daxildir. Bir feil hərəkətin bir neçə iştirakçısı barədə məlumat daşıya bildiyi üçün, əsasən başqa dillər üzrə təlim keçmiş sistemlərin gürcü dilində təbii mətn yaratması çətinləşir.
Tbilisidə yerləşən Biznes və Texnologiya Universiteti (BTU) noyabrın 9-da təxminən 150 milyon token, 6 milyondan çox ilkin dil qeydi, qrammatik nümunə və öyrənmə tapşırığı ehtiva edən genişləndirilmiş məlumat bazası hazırladığını elan edib. Token süni intellekt modeli tərəfindən emal olunan mətn vahididir; bütöv söz və ya sözün bir hissəsi ola bilər.
Resurs gürcü dili ilə işləyən süni intellekt sistemlərini öyrətmək, sınaqdan keçirmək və təkmilləşdirmək istəyən tədqiqatçılar və proqramçılar üçün nəzərdə tutulub. Materiala müxtəlif qrammatik quruluşlar, söz formaları, kontekst nümunələri və dilin xüsusiyyətlərini sistemlərə öyrətməyə yönəlmiş tapşırıqlar daxildir.
Layihə “Palitra Group”un dəstəyi ilə hazırlanıb. Şirkət gürcü dilində böyük həcmdə mətn təqdim edib. Resurs “GitHub” platformasında açıqdır; dərc olunmuş lisenziyaya əsasən, mənbəyə istinad göstərilməklə qeyri-kommersiya məqsədilə istifadə edilə bilər, kommersiya istifadəsi üçün isə ayrıca icazə tələb olunur.
Gürcü dili üzrə texnologiya resurslarının çatışmazlığını aradan qaldırmağa yönələn digər təşəbbüslər də var. Tbilisi Dövlət Universitetinin tədqiqatçıları süni intellekt modellərinin yalnız sözləri tanımaq və səlis cümlələr qurmaqla kifayətlənməyib-məhdudlaşmadığını yoxlamaq üçün GeoLogicQA adlı gürcü dilli qiymətləndirmə bazası hazırlayıblar.
GeoLogicQA məntiqi mühakiməni, oxuyub-anlamağı, ümumi biliklərə aid sualları və riyazi məsələləri yoxlayır. “Gemini”, “DeepSeek”, “Grok” və “GPT-4o” daxil olmaqla bir neçə iri süni intellekt modelinin ilkin sınaqlarında dəqiqlik 64–83 faiz arasında dəyişib. Tədqiqatçılar modellərin qənaətbəxş nəticələr göstərə bildiyini, lakin mürəkkəb məntiqi mühakimə və bir neçə mərhələli suallarda çətinlik çəkdiyini qeyd ediblər.
Danışıq gürcü dilinin tanınmasını yaxşılaşdırmaq üçün də işlər aparılır. “Mozilla”nın açıq mənbəli beynəlxalq “Common Voice” təşəbbüsü nitqin tanınması üzrə araşdırmalar üçün gürcü dilində yüzlərlə saatlıq səs yazısı toplayıb. 2026-cı ilin sentyabrına aid gürcü dili məlumat bazasında təxminən 494 saatlıq səs yazısı var; onların 262 saatdan çoxu yoxlanılıb.
Bu təşəbbüslər eyni problemin müxtəlif tərəflərini əhatə edir: süni intellekt gürcü dilinin yazılı formasını tanımaqla yanaşı, danışıq dilini də anlamalı, şərh etməli və gündəlik istifadəyə uyğun şəkildə emal etməlidir.
Dil resurslarının azlığı təkcə yöndəmsiz tərcümələrə və təbii səslənməyən çatbot cavablarına təsir etmir. Süni intellekt təhsil, dövlət xidmətləri, səhiyyə, biznes və informasiya platformalarına daha çox inteqrasiya olunduqca, dil dəstəyinin keyfiyyəti insanların bu texnologiyalardan rahat və səmərəli istifadə imkanlarına təsir göstərəcək.
Gürcü dili üçün daha yaxşı dil modelləri gələcəkdə dəqiq tərcümələr, mürəkkəb mövzuları gürcü dilində izah edən tədris vasitələri, təkmilləşdirilmiş səs tanıma və vətəndaşlarla təbii ünsiyyət quran rəqəmsal xidmətlər yarada bilər. Lakin məlumat bazasının yayımlanması mövcud süni intellekt platformalarını avtomatik olaraq yaxşılaşdırmır. Material əvvəlcə təlim və ya qiymətləndirmə proseslərinə daxil edilməli, effektivliyi isə müstəqil yoxlanmalıdır.
Materialın keyfiyyəti, müxtəlifliyi və qrammatik qeydlərinin dəqiqliyi onun həcmi qədər önəmlidir. Yazılı dil resursları gürcü dilinin bütün xüsusiyyətlərini əhatə etmir: regional danışıq formaları, dialektlər, qeyri-rəsmi söhbətlər, mədəni istinadlar və ixtisaslaşmış terminologiya da nəzərə alınmalıdır. Etibarlı süni intellekt sistemləri yaratmaq üçün bu materialı davamlı toplamaq, yoxlamaq və yeniləmək lazımdır. BTU-nun elanı bu istiqamətdə əlavə addımdır, yekun həll deyil.
Universitetin əvvəl yayımladığı, ictimaiyyətə təqdim olunmuş məlumat bazasında təxminən 12 milyon token və 645 mindən çox strukturlaşdırılmış qeyd var. Bu göstəricilər layihənin mərhələli inkişafını əks etdirir.
Universitetin elan etdiyi 150 milyon tokenlik genişləndirilmiş göstəricinin yeni versiya əlçatan olduqca açıq sənədlərdə əks olunması və müstəqil qiymətləndirilməsi tələb olunur.
Qlobal texnologiya sənayesində təmsilçiliyi nisbətən az olan, lakin milyonlarla insanın danışdığı gürcü dili üçün məsələ yalnız maşınlara gürcü dilində cümlələr qurmağı öyrətmək deyil. Dilin süni intellektin getdikcə daha çox təsir etdiyi dünyada öyrənmək, işləmək, ünsiyyət qurmaq və iştirak etmək üçün istifadə oluna bilməsini təmin etmək də vacibdir.
