Мінцифри залучає волонтерів для навчання української ШІ-моделі «Сяйво» на архівних документах

Як передає технологічне видання dev.ua, головне завдання учасників ініціативи полягає у верифікації текстових масивів, які попередньо опрацював комп’ютер. Під час автоматичного сканування та оптичного розпізнавання символів (OCR) у старовинних чи пошкоджених архівних документах алгоритми часто припускаються неточностей. Волонтери звірятимуть розпізнаний цифровий текст з оригінальними сканами документів і виправлятимуть орфографічні, лексичні та структурні хиби, щоб сформувати еталонний датасет.

Залучення широкої спільноти є критично важливим етапом у створенні суверенних технологій штучного інтелекту. Більшість глобальних мовних моделей навчаються переважно на англомовних корпусах або автоматично перекладених матеріалах, через що нерідко втрачають питомий український історичний та мовний контекст. Використання перевірених українських архівних джерел дасть змогу моделі «Сяйво» глибше опанувати живу лексику, офіційно-діловий стиль різних епох і культурну специфіку держави.

«Долучитися може кожен охочий. Знати мови програмування чи мати технічний досвід не обов’язково. Волонтери перевірятимуть архівні документи та виправлятимуть помилки в текстах, які розпізнав комп’ютер», — йдеться в описі волонтерської ініціативи з підготовки даних для моделі «Сяйво».

Очищені та впорядковані корпуси текстів стануть фундаментом для подальшого тренування вітчизняної ШІ-моделі. У перспективі це не лише прискорить повноцінну цифровізацію національної архівної спадщини, а й забезпечить українські державні сервіси, освітні платформи та оборонно-аналітичні системи надійним інструментом штучного інтелекту, який бездоганно володіє українською мовою та спирається на достовірні першоджерела.

Першоджерело: Dev.ua Tech & Defense