ხელოვნური ინტელექტის გამოყენება მთელ მსოფლიოში და, მათ შორის, საქართველოშიც ძალიან აქტიურად ხდება. დღევანდელობას უკვე „ხელოვნური ინტელექტის ეპოქასაც“ უწოდებენ და მას ისეთ მნიშვნელოვან ტექნოლოგიურ მოვლენებს ადარებენ, როგორიცაა კომპიუტერისა და ინტერნეტის შექმნა. მიმდინარე მონაცემებით, მსოფლიო მასშტაბით ხელოვნურ ინტელექტს მილიარდობით, ხოლო მხოლოდ საქართველოში - ნახევარ მილიონამდე ადამიანი იყენებს.

სწორედ აღნიშნულიდან გამომდინარე, ბიზნესისა და ტექნოლოგიების უნივერსიტეტმა ქართული ენის ციფრული სუვერენიტეტის პროექტი დაიწყო. პროექტის მიზანია, ხელოვნური ინტელექტის ეპოქაში ქართულმა ენამ არ დაკარგოს თავისი აზრობრივი სიზუსტე, გრამატიკული ლოგიკა და კულტურული სიღრმე.

„ჩვენთვის, როგორც ტექნოლოგიური უნივერსიტეტისთვის, ერთ-ერთ უმთავრეს ამოცანად იქცა ქართული ენის დაცვა ციფრულ პლატფორმებზე. ეს გულისხმობს არა მხოლოდ ხელოვნური ინტელექტის, არამედ ყველა ციფრული პლატფორმის მიერ ქართული ენის სწორ, გამართულ და გრამატიკულად ზუსტ აღქმასა და გამოყენებას. ტექნიკურად ამ პრობლემის გადაჭრა და ქართული ენის პოზიციების გამყარება ტექნოლოგიურ სივრცეში ჩვენი პროექტის მთავარი არსია,“ - განმარტავს ბიზნესისა და ტექნოლოგიების უნივერსიტეტის დამფუძნებელი და სამეთვალყურეო საბჭოს თავმჯდომარე მიხეილ ბატიაშვილი.

რატომ გახდა აუცილებელი ხელოვნური ინტელექტისთვის ქართული ენის შესწავლა და რა რისკების წინაშე შეიძლება აღმოჩნდეს ქართული ენა წინააღმდეგ შემთხვევაში?

რადგან ხელოვნური ინტელექტი ჩვენი ყოველდღიური ცხოვრების ნაწილი გახდა, კრიტიკულად მნიშვნელოვანია, რომ მას ქართული ენა სწორად ესმოდეს და გამართული კომუნიკაცია შეეძლოს. თუკი ხელოვნურ ინტელექტთან ქართულად კომუნიკაცია გაუმართავი და შეცდომებით სავსე იქნება, არსებობს სერიოზული რისკი, რომ ახალგაზრდებმა მასთან სამუშაოდ სხვა ენა, მაგალითად, ინგლისური აირჩიონ. ამიტომ, სასიცოცხლოდ მნიშვნელოვანია, ხელოვნურმა ინტელექტმა ქართული ისწავლოს არა მხოლოდ ზედაპირულად, არამედ სიღრმისეულად და აზრობრივად.

პროექტის დაწყებამდე ჩატარებული კვლევის ფარგლებში, რა ძირითადი პრობლემები გამოვლინდა ChatGPT-ს, Gemini-სა და სხვა AI სისტემებთან კომუნიკაციაში?

ჩვენი კვლევა ხელოვნური ინტელექტის თითქმის ყველა წამყვან პლატფორმას მოიცავდა. მიუხედავად იმისა, რომ ბევრი რამ გაუმჯობესდა, ეს სისტემები ჯერ კიდევ საკმაოდ შორს არიან იდეალური, გამართული ქართულისგან. ძირითადად, გამოვლინდა გრამატიკული, აზრობრივი და სინტაქსური ხასიათის შეცდომები. აღმოჩნდა, რომ დღეს ხელოვნურ ინტელექტს ქართული ენა აზრობრივად არ ესმის და ფაქტობრივად გვითარგმნის. სწორედ ამ თარგმანის ჯაჭვზეა აგებული ის შეცდომები, რომლებსაც AI უშვებს. მიზეზი კი ის არის, რომ ციფრულად არ არსებობდა ქართული ენის ტექნიკურად მოწესრიგებული სისტემები.

როგორ შეარჩიეთ ის ტექსტები, რომლებიც პირველ ეტაპზე შეასწავლეთ ხელოვნურ ინტელექტს?

პირველი და უმნიშვნელოვანესი ეტაპი ქართული ენის მათემატიკური მოდელირება და მისი პროგრამულ კოდში ასახვა იყო. ამ პროცესში, ტექსტების შერჩევისა და დამუშავების ეტაპზე, გადამწყვეტი როლი ითამაშა ჩვენმა პარტნიორობამ „პალიტრა მედია ჯგუფთან“. ჩვენი და „პალიტრა მედიის“ ციფრული ბაზების გაერთიანებამ მოგვცა საშუალება, დაგვემუშავებინა დაახლოებით 12 მილიონი ტოკენის მოცულობის ტექსტი. სწორედ ამ გაერთიანებულმა ბაზამ შექმნა ის მყარი საფუძველი, რამაც ენის მათემატიკური მოდელირება და სისტემისთვის მისი აზრობრივი სწავლება შესაძლებელი გახადა.

პირველი ტექსტების შესწავლის დროს რა მიგნებები გააკეთეთ, რა გამოწვევების წინაშე დადექით და ზოგადად, როგორ შეაჯამებთ პირველ ეტაპს?

ბევრ უცხოურ ენაში წინადადების აზრობრივი წყობა წრფივია, თუმცა აღმოვაჩინეთ, რომ ქართულ ენას, წრფივი აზრობრივი გადმოცემის მიღმა, უზარმაზარი სიღრმე აქვს. მაგალითად, ნებისმიერ ზმნაში მოქცეულია კომპლექსური, ჩამოყალიბებული შინაარსი. მანქანური სწავლების თვალსაზრისით, ამ სიღრმისეული სტრუქტურით ქართული ენა მსოფლიოს საუკეთესო ათეულშიც კი შედის. აღმოვაჩინეთ, რომ იოანე ზოსიმეს ტექსტი არის საუკეთესო ნიმუში, რომელმაც მანქანურ დონეზეც კი მიახვედრა სისტემას ქართული ენის სიღრმე და მნიშვნელობა. კიდევ უფრო შთამბეჭდავი იყო იაკობ გოგებაშვილის „დედა ენის“ როლი - თავად მანქანამაც კი იგივე პასუხი გაგვცა, რომ ეს მანქანური სწავლებისთვის ერთ-ერთი საუკეთესო საწყისი მოდელია. შესაბამისად, პირველი ეტაპი ემსახურებოდა ქართული აზროვნებისა და ენის მიღმა არსებული სიღრმისეული სტრუქტურის მანქანისთვის გადაცემას.

მარტივად რომ აგვიხსნათ, რა იცვლება რიგითი მომხმარებლისთვის ამ პროექტით?

დღეისათვის, მილიონობით დამუშავებული ქართული ტოკენი უკვე ატვირთულია მსოფლიოს ერთ-ერთ უდიდეს ღია ციფრულ პლატფორმაზე GitHub-ზე, BTU-ს სახელით. ეს ნიშნავს, რომ უზარმაზარი ბაზა ღია და ხელმისაწვდომია ნებისმიერი AI სისტემისთვის. გარდა გლობალური კომპანიებისა, ამ რესურსზე ღია და უფასო წვდომა მივეცით ქართულ კომპანიებსა და სტარტაპებს, რომლებსაც შეუძლიათ საკუთარი სერვისები გამართულ ქართულ ენაზე ააწყონ. რიგითი მომხმარებლისთვის ეს იმას ნიშნავს, რომ უკვე შემოდგომიდან, ხელოვნურ ინტელექტთან კომუნიკაციისას ვიხილავთ მნიშვნელოვნად გაუმჯობესებულ, ბუნებრივ და გამართულ ქართულ ენას.

როგორია პროექტის განვითარების გეგმა?

პროექტი ამით არ სრულდება, ეს მხოლოდ დასაწყისია. ვგეგმავთ, რომ შემოდგომაზე მომდევნო ეტაპი დავიწყოთ, დავამუშაოთ კიდევ რამდენიმე მილიონიანი ახალი ციფრული რესურსი, რომელიც ასევე ღია პლატფორმაზე განთავსდება. ეს ტექნოლოგიურ კომპანიებს კიდევ უფრო დაეხმარება ქართული ენის მოდელების დახვეწაში. ცხადია, პირველი ეტაპის დასრულება არ ნიშნავს, რომ შეცდომები მყისიერად და სრულად გაქრება, თუმცა ტექნოლოგიური კომპანიების მიერ ამ ბაზის გამოყენების შემდეგ, მათი რაოდენობა რადიკალურად შემცირდება.

5-10 წლის შემდეგ როგორ წარმოგიდგენიათ ქართული ენა ხელოვნური ინტელექტის პლატფორმებში?

ვფიქრობ, ამ შედეგების მისაღწევად 5-10 წელიწადიც კი არ დაგვჭირდება. უახლოეს 1-2 წელიწადში ჩვენ უკვე დავინახავთ ქართული ენის მნიშვნელოვან გაუმჯობესებას. დღეს ბევრი სხვადასხვა ორგანიზაცია და კომპანია მოგვმართავს პროცესში ჩართვის სურვილით. დარწმუნებული ვარ, საერთო კოორდინაციითა და ძალისხმევით მივაღწევთ იმას, რომ დიდ ტექნოლოგიურ პლატფორმებში ქართული ენა არა მხოლოდ არ დაიკარგება, არამედ იქნება ერთ-ერთი საუკეთესოდ განვითარებული. ჩვენი უმთავრესი მიზანია, რომ მოსწავლეებს, სტუდენტებსა და ნებისმიერ მომხმარებელს ხელოვნური ინტელექტი უნაკლო ქართულით ესაუბრებოდეს.

გაეცანით რესურსს GitHub-ზე.

(R)