Azərbaycan dilinin Milli Korpusunu və Təbii Dilin Emalı modelini kim yaradacaq?

Uzun müddətdir ki, ölkəmizdə Milli Korpusun formalaşdırılması, Azərbaycan dili üçün Təbii Dilin Emalı modelinin yaradılması müzakirə predmetidir. İllər öncə RİNN-in dəstəyilə Dilmanc layihəsi çərçivəsində bu istiqamətdə müəyyən addımlar atılsa da, hazırda görünən odur ki ,ölkəmiz bu istiqamətdə xeyli ləngiyib. Bununla bağlı çox yazılıb.

Bu sahədə indiyədək pərakəndəlik müşahidə olunurdu, kimin buna cavabdeh olacağı məlum deyildi, əvvəllər formalaşmış resurslara  əlçatanlıq təmin edilməmişdi.
Bir neçə gün öncə Prezidentin təsdiqlədiyi Süni İntellekt Strategiyasında bu məsələlərə də aydınlıq gətirilib.
Strategiyada diqqət çəkən məqamlardan biri də Azərbaycan dilində böyük verilənlər bazalarının (Milli Korpusun) yaradılması, yüksəkdəqiqlikli dil modellərinin (Təbii Dilin Emalı) hazırlanması və azı 5 dövlət xidmətində bu texnologiyaların tətbiqinin nəzərdə tutulmasıdır.

Görəsən kim, hansı qurum bununla məşğul olacaq?

Strategiyadan görsənir ki, qeyd olunanların reallaşmasına əsas cavabdeh qurum  Rəqəmsal İnkişaf və Nəqliyyat Nazirliyi , digər icraçı qurum da Vətəndaşlara Xidmət və Sosial İnnovasiyalar üzrə Dövlət Agentliyidir. Müddət də 2026-28 ci illər nəzərdə tutulub.
Strategiyada bu istiqamətdə qeyd olunanların reallaşdırılması ilə bağlı hələlik adı çəkilən qurumların açıqlamaları olmayıb. Hansı işlərin görüləcəyi, hansı addımların atılacağı hələlik məlum deyil.
Görüləcək işlər isə hədsiz çoxdur.

TDE sistemləri süni intellekt modellərini "öyrətmək" üçün nəhəng dataya  ehtiyac duyur. Azərbaycan dilində müxtəlif mənbələrdən (xəbərlər, rəsmi sənədlər, sosial media, tədris materialları, lüğətlər, ensiklopediyalar, elmi ədəbiyyatlar və s.) toplanan və təmizlənmiş milyonlarla məlumatlardan ibarət Milli Korpus yaradılmalıdır. 

AZ-LLM qurulması üçün hansı addımların atılacağı, qlobalda mövcud olan modellərin Azərbaycan dilinə uyğunlaşdırılması və ya sıfırdan hazırlanması məsələsinə aydınlıq gətirilməlidir.
Düşünürəm ki, Azərbaycan dilinin qorunması və spesifikliyi baxımından, onun rəqəmsal mühitdə inkişafı, xüsusilə də təhlükəsizlik baxımından Az-LLM zəruridir.
Az-LLM Azərbaycanın süni intellekt sahəsində irəliləyişi üçün əsas baza olmalı və dilimizin qlobalda daha geniş istifadəsini təmin etməlidir.

Düşünürəm ki, Strategiyada nəzərdə tutulan 5 pilot dövlət qurumu olaraq ƏƏSMN, Ədliyyə Nazirliyi, DİN, ETN, VXSİDA, DVX, İRİA (myGov) və s. qurumlarda vətəndaşla ünsiyyətin qurulmasında, sənəd analizində, vətəndaşların suallarının avtomatik cavablandırmalarında, chatbotlar və məlumatların təsnifatında  və s. xidmətlər və  istiqamətlər üzrə  TDE texnologiyaları tətbiq etmək məqsədəuyğun olardı.

Ümid edirəm RİNN,  VXSİDA və  İRİA tezliklə maraqlı tərəfləri, aidiyyatı qurumları və universitetləri, tədqiqatçıları,  həmçinin bu sahədə müəyyən təcrübəsi olan biznes qurumlarını bir araya gətirərək bu istiqamətdə bir Yol Xəritəsi hazırlanmasına və icrasına  start verəcək.

Osman GÜNDÜZ,

Azərbaycan İnternet Forumunun prezidenti