Zdjęcie: Pixabay
26-01-2026 15:00
Rozwój generatywnej sztucznej inteligencji zależy od jakości i objętości korpusów, na których trenowane są modele. W przypadku państw z mniejszymi zasobami danych językowych w przestrzeni cyfrowej niska reprezentacja w globalnych zbiorach grozi technologiczną marginalizacją. Aby temu zapobiec, państwa bałtyckie wdrażają różnego rodzaju strategie w walce o cyfrową suwerenność – od udostępniania narodowych korpusów globalnym korporacjom po rozwój własnych wyspecjalizowanych narzędzi.
Zdolności generatywne oraz precyzja wnioskowania dużych modeli językowych – będących fundamentem rozwoju współczesnej sztucznej inteligencji – zależą bezpośrednio od danych, na których zostały wytrenowane. Aby algorytmy poprawnie interpretowały kontekst semantyczny (np. niuanse kulturowe czy rozróżnianie stylu urzędowego od potocznego) oraz specyfikę morfologiczną danego języka (np. rozbudowana odmiana przez przypadki czy aglutynacyjność), wymagają ekspozycji na zbiory liczące biliony tokenów (czyli podstawowych jednostek tekstu, takich jak słowa lub ich fragmenty, na których operuje model).
Komentarz dr hab. Aleksandry Kuczyńskiej-Zonik i dr Marleny Gołębiowskiej (IEŚ) - link do całości w źródle
