თუ ქართული კონტენტი არ შეიქმნა, ხელოვნური ინტელექტი საქართველოს სხვების თვალით დაინახავს

წარმოიდგინეთ უცხოელი ინვესტორი, რომელიც AI-ს ეკითხება, რომელ ქართულ ქალაქში შეიძლება ტექნოლოგიური ოფისის გახსნა; ტურისტი, რომელიც საქართველოს უცნობ რეგიონებს ეძებს, ან ადგილობრივი მენეჯერი, რომელიც იკვლევს, როგორ შეიცვალა კონკრეტული დარგი ბოლო ათწლეულის განმავლობაში. სისტემამ შესაძლოა გამართულად უპასუხოს როგორც ქართულად, ისე ინგლისურად – თუმცა, ენობრივი გამართულობა სრულიადაც არ ნიშნავს იმას, რომ მას საქართველოს შესახებ ზუსტი და რეალური წარმოდგენა აქვს.

ხელოვნური ინტელექტისთვის ქვეყანა მხოლოდ ის არის, რაც სანდო და მისაწვდომ ციფრულ წყაროებში იკითხება. ინტერნეტში შეიძლება ათასობით ქართული ტექსტი იდოს, მაგრამ თუ მათი უმეტესობა დუბლირებული პრესრელიზია, მოძველებული მონაცემებია, ფოტოში ჩასმული ტექსტია, უსათაურო PDF-ია ან წყაროსა და თარიღის გარეშეა გამოქვეყნებული, AI-ის ცოდნა ავტომატურად ვერ გაუმჯობესდება. ტექსტი შეიძლება ციფრულ სივრცეში არსებობდეს, მაგრამ AI-ისთვის მაინც სრულიად უხილავი დარჩეს.

საქართველოს AI ხილვადობისთვის მხოლოდ მეტი ქართული ტექსტი არ არის საკმარისი. საჭიროა მრავალფეროვანი, სანდო, კარგად აღწერილი, ტექნიკურად ხელმისაწვდომი და რეგულარულად განახლებადი ქართული ცოდნა. წინააღმდეგ შემთხვევაში, AI საქართველოს იმ წყაროებით აღწერს, რომლებიც უფრო ადვილად იძებნება – ხშირად უცხოური მედიის, საერთაშორისო ორგანიზაციების, ტურისტული პლატფორმებისა და სხვა ქვეყნების პოლიტიკური თუ კომერციული ჩარჩოებით.

პირველი შეცდომა – „თუ ონლაინ არის, AI აუცილებლად ნახავს“

ინტერნეტში გამოქვეყნება მხოლოდ პირველი ნაბიჯია. შემდეგ გვერდი უნდა აღმოაჩინოს საძიებო ან ვებმცოცავმა სისტემამ, ტექნიკურად შეძლოს მისი გახსნა, სწორად ამოიღოს ტექსტი, გაიგოს ენა და სტრუქტურა, გადაწყვიტოს, რომ მასალა საკმარისად ხარისხიანია და შემდეგ კონკრეტულ კითხვასთან დააკავშიროს. ამ გზის თითოეულ ეტაპზე ქართული კონტენტი შეიძლება დაიკარგოს.

Google Search Central პირდაპირ წერს, რომ გვერდის ინდექსში მოხვედრა გარანტირებული არ არის. დაბალი ხარისხი, ინდექსაციის ამკრძალავი ტექნიკური პარამეტრები ან რთული საიტის დიზაინი შეიძლება მიზეზი გახდეს, რომ გვერდი დამუშავდეს, მაგრამ საძიებო ინდექსში მაინც არ მოხვდეს. ეს Google-ის საძიებო სისტემის წესია და არა ყველა AI მოდელის პირდაპირი აღწერა, თუმცა კარგად აჩვენებს ძირითად პრინციპს: საჯაროდ გამოქვეყნებული გვერდი ავტომატურად არ ხდება მანქანისთვის ხელმისაწვდომი ცოდნა.

თანამედროვე AI პასუხები რამდენიმე გზით იქმნება. ზოგჯერ მოდელი ეყრდნობა ადრე დამუშავებულ სასწავლო მასალას; ზოგჯერ იყენებს მიმდინარე ვებძიებას; ზოგჯერ ორგანიზაციის დახურულ ცოდნის ბაზას ან მოძიებაზე დაფუძნებულ სისტემას. ამიტომ ერთი ქართული სტატიის გამოქვეყნება არ ნიშნავს, რომ ყველა სისტემა მას დაუყოვნებლივ „ისწავლის“. შესაძლოა მასალა მომავალში მოხვდეს ღია ვებკორპუსში, კონკრეტულმა საძიებო სისტემამ დააინდექსოს, სპეციალიზებულმა აგენტმა გამოიყენოს ან საერთოდ არც ერთი ეს გზა არ გაიაროს.

მეორე შეცდომა: „ქართული ტექსტი ქართულ ცოდნას ნიშნავს“

ტექსტის ენა და ცოდნის ხარისხი სხვადასხვა რამაა. ქართულად შეიძლება არსებობდეს ასობით გვერდი კონკრეტული კომპანიის შესახებ, მაგრამ ყველა მათგანი ერთი პრესრელიზის გადამუშავებული ვერსია იყოს. შეიძლება ქალაქის შესახებ ბევრი სტატია დაიწეროს, თუმცა არც ერთი არ შეიცავდეს უახლეს ინფორმაციას მოსახლეობის, დასაქმების, ინფრასტრუქტურის ან ცხოვრების ხარისხის შესახებ. შეიძლება ისტორიული მოვლენა ხშირად იხსენიებოდეს, მაგრამ პირველწყარო, თარიღი და განსხვავებული ინტერპრეტაციები არსად ჩანდეს.

განმეორებადობამ შეიძლება სიუხვის ილუზია შექმნას. თუ ერთი შეცდომა ათეულობით საიტმა გადაწერა, ალგორითმს შეუძლია ის გავრცელებულ მტკიცებად აღიქვას. სწორედ ამიტომ ათი დამოუკიდებელი წყარო უფრო ღირებულია, ვიდრე ერთი ტექსტის ასი ასლი. საქართველოს შესახებ ხარისხიანი ციფრული ცოდნა მოითხოვს არა მხოლოდ ქართულ ენას, არამედ წყაროთა მრავალფეროვნებას: ოფიციალურ მონაცემს, კვლევას, ადგილობრივ გამოცდილებას, რეგიონულ ხედვას, ისტორიულ დოკუმენტს, ბიზნესის ანგარიშს და პასუხისმგებლიან ჟურნალისტიკას.

ქართულ კონტენტში კიდევ ერთი პრობლემა ჟანრობრივი დისბალანსია. ახალი ამბები სწრაფად და დიდი რაოდენობით იწარმოება, ხოლო ახსნა, მეთოდოლოგია, მონაცემთა ლექსიკონი, კომპანიის ისტორიული პროფილი, რეგიონის ხანგრძლივი ანალიზი და სამეცნიერო-პოპულარული ტექსტი შედარებით იშვიათია. შედეგად, AI შეიძლება კარგად ხედავდეს, რა მოხდა გუშინ, მაგრამ ვერ ხსნიდეს, რატომ მოხდა, როგორ შეიცვალა საკითხი ათი წლის განმავლობაში და რას ნიშნავს ის საქართველოს სხვადასხვა ნაწილისთვის.

მესამე შეცდომა: „AI ყველა წყაროს ერთნაირად ენდობა“

პრაქტიკაში სისტემები წყაროებს განსხვავებულად აფასებენ. ოფიციალური ვებგვერდი, კარგად ციტირებული კვლევა, რეგულარულად განახლებადი მონაცემთა ბაზა და ავტორიტეტული მედია უფრო ძლიერი საყრდენი შეიძლება იყოს, ვიდრე ანონიმური ბლოგი ან დაუთარიღებელი ტექსტი. მაგრამ ავტორიტეტიც მარტივი ცნება არ არის. ოფიციალური წყარო შეიძლება ყველაზე სწორი იყოს სამართლებრივი ფაქტისთვის, თუმცა არასაკმარისი – სოციალური გავლენის შესაფასებლად. ბიზნესის ანგარიში ზუსტად აღწერს საკუთარ შედეგებს, მაგრამ კომპანიას ბუნებრივად აქვს საკუთარი ინტერესიც. მედია მოვლენას სწრაფად აფიქსირებს, თუმცა პირველ საათებში ინფორმაცია შეიძლება შეიცვალოს.

ამიტომ კარგი ქართული მასალა თავად უნდა ეხმარებოდეს სისტემას ნდობის შეფასებაში. მკაფიოდ უნდა ჩანდეს ავტორი ან პასუხისმგებელი ინსტიტუცია, გამოქვეყნების და განახლების თარიღი, პირველწყარო, მონაცემის პერიოდი, მეთოდოლოგია, შეზღუდვები და განსხვავება ფაქტს, შეფასებასა და პროგნოზს შორის. როდესაც ეს ინფორმაცია არ ჩანს, AI-ს უწევს თავად გამოიცნოს სანდოობა.

სტრუქტურირებული მონაცემები ამ პროცესს ამარტივებს. Google-ის ოფიციალური დოკუმენტაცია განმარტავს, რომ სტანდარტიზებული ნიშნები საძიებო სისტემას გვერდის მნიშვნელობის გაგებაში ეხმარება – მაგალითად, რომელი ტექსტია სათაური, ვინ არის ავტორი, რა ორგანიზაციას ეხება გვერდი ან როდის გაიმართება ღონისძიება. თუმცა სტრუქტურირებული კოდი ვერ ჩაანაცვლებს ხილული ტექსტის ხარისხს. ის უნდა აღწერდეს იმავე ინფორმაციას, რასაც მკითხველი რეალურად ხედავს და არა გვერდის უკან დამალულ, სხვა შინაარსს.

მეოთხე შეცდომა: „ერთხელ გამოქვეყნებული ცოდნა საკმარისია“

საქართველოს შესახებ ბევრი ციფრული მასალა გამოქვეყნების მომენტში სწორი იყო, მაგრამ დღეს აღარ არის. შეიცვალა კომპანიების მფლობელები, პროდუქტები, მინისტრები, კანონები, ფასები, მოსახლეობა, სავაჭრო პარტნიორები და ინფრასტრუქტურა. თუ გვერდს განახლების თარიღი არ აქვს ან ძველი ჩანაწერი ახალთან არ არის დაკავშირებული, AI-ს შეიძლება ისტორიული ფაქტი მიმდინარე მდგომარეობად მოეჩვენოს.

ეს განსაკუთრებით სარისკოა ეკონომიკის, ფინანსების, სამართლის, ჯანმრთელობისა და საჯარო სერვისების სფეროებში. მოძველებული ტურისტული რჩევა შეიძლება უბრალოდ უხერხულობის მიზეზი გახდეს; მოძველებული საგადასახადო წესი, ბიზნესის სტატუსი ან სამედიცინო ინფორმაცია – რეალური ზიანის წყარო. ამიტომ ხარისხიანი ცოდნა ნიშნავს არა მხოლოდ გამოქვეყნებას, არამედ ვერსიების მართვას: რა შეიცვალა, როდის, რომელი ჩანაწერია მოქმედი და სად ინახება ისტორიული ვერსია.

მეხუთე შეცდომა: „ინგლისური წყარო საქართველოს საკმარისად აღწერს“

ინგლისურენოვანი მასალა საქართველოს გლობალური ხილვადობისთვის აუცილებელია, მაგრამ მარტო ის ვერ ჩაანაცვლებს ქართულ ცოდნას. უცხოური წყარო ბუნებრივად არჩევს იმ თემებს, რომლებიც მის აუდიტორიას აინტერესებს. შედეგად, საქართველო ხშირად ჩანს გეოპოლიტიკის, ტურიზმის, ღვინის, კონფლიქტების, არჩევნებისა და რამდენიმე ეკონომიკური მაჩვენებლის მეშვეობით. ეს თემები მნიშვნელოვანია, თუმცა ქვეყანა მათზე ბევრად მეტია.

ქართულ წყაროებში შეიძლება იყოს რეგიონული ბიზნესის ისტორია, პროფესიული ტერმინოლოგია, ადგილობრივი მომხმარებლის ქცევა, მუნიციპალური პრობლემები, კულტურული ნიუანსი და ეკონომიკური მოვლენის ყოველდღიური ეფექტი, რომელსაც უცხოური გამოცემა საერთოდ არ აშუქებს. თუ ეს ცოდნა ხარისხიანად არ შეიქმნა და ნაწილობრივ ინგლისურადაც არ გადაითარგმნა, გლობალური AI სისტემა საქართველოს შესახებ უფრო ხშირად გარედან შექმნილ ჩარჩოს გაიმეორებს.

„სხვების თვალით დანახვა“ ყოველთვის მტრულ ან მცდარ სურათს არ ნიშნავს. პრობლემა უფრო ხშირად არასრულობაა. უცხოური ანგარიში შეიძლება ზუსტი იყოს, მაგრამ ქვეყნის შიდა განსხვავებები არ აჩვენოს. ტურისტული პლატფორმა შეიძლება სასარგებლო იყოს, მაგრამ ეკონომიკურ ცხოვრებას ვერ აღწერდეს. საერთაშორისო რეიტინგი ქვეყანას შედარებით კონტექსტში ათავსებს, თუმცა ერთი ინდექსი ვერ ხსნის, რას გრძნობს კონკრეტული ადამიანი ან ბიზნესი. ქართული კონტენტის ამოცანაა ამ სურათის შევსება და არა უცხოური წყაროების უარყოფა.

რაოდენობა მნიშვნელოვანია, მაგრამ ხარისხის გარეშე არასაკმარისია

OSCAR 22.01-ის ღია მრავალენოვანი ვებკორპუსი რაოდენობრივი უთანასწორობის თვალსაჩინო მაგალითს გვაძლევს. მის სტატისტიკაში ქართულენოვანი ნაწილი 7.1 გიგაბაიტსა და დაახლოებით 281.4 მილიონ სიტყვას მოიცავს, ინგლისურენოვანი კი – 3.2 ტერაბაიტსა და დაახლოებით 377.4 მილიარდ სიტყვას. ამ კონკრეტულ კორპუსში ინგლისური ნაწილი მოცულობით დაახლოებით 451-ჯერ, სიტყვების რაოდენობით კი დაახლოებით 1,341-ჯერ დიდია.

ეს არ არის მთელი ინტერნეტის აღწერა და არც რომელიმე კონკრეტული კომერციული მოდელის სასწავლო მონაცემთა შემადგენლობა. OSCAR თავადაც მიუთითებს მცირე ქვეკორპუსებში ხარისხის შესაძლო პრობლემებზე. მაგრამ მაგალითი ერთ რამეს ნათლად აჩვენებს: ქართულ ტექსტს გლობალურ მონაცემთა გარემოში ბევრად ნაკლები წონა აქვს. ასეთ პირობებში ყოველი მაღალი ხარისხის ქართული წყაროს ფასი იზრდება, ხოლო დუბლირებული და ცუდად აღწერილი კონტენტის ფასი მცირდება.

მოცულობასთან ერთად საჭიროა ბალანსიც. თუ ქართული კორპუსის დიდი ნაწილი მხოლოდ ახალი ამბებია, AI-ს გაუჭირდება სამეცნიერო, იურიდიული, ტექნიკური და ყოველდღიური ენის თანაბრად გაგება. თუ რეგიონებიდან მცირე მასალაა, თბილისი შეიძლება მთელი ქვეყნის შემცვლელად იქცეს. თუ ძირითადად ინსტიტუციური ხმა ისმის, მოქალაქეთა გამოცდილება დაიკარგება; თუ მხოლოდ სოციალური მედია ჩანს, ოფიციალური ფაქტი და მეთოდოლოგია დასუსტდება.

როგორია „AI-ისთვის მზა“ ქართული კონტენტი

AI-ისთვის მზა მასალა, უპირველესად, ადამიანისთვის უნდა იყოს ღირებული. მას აქვს მკაფიო სათაური, ბუნებრივი და გამართული ენა, ძლიერი ცენტრალური აზრი, წყაროები, თარიღი, ავტორი ან პასუხისმგებელი გუნდი, ახსნილი ტერმინები და განახლების შესაძლებლობა. ტექსტი არ უნდა იყოს საკვანძო სიტყვებით ხელოვნურად გადატვირთული ან მხოლოდ მანქანისთვის დაწერილი. ასეთი მიდგომა ხშირად პირიქით, ნდობას ამცირებს.

შემდეგ მოდის ტექნიკური მხარე: გვერდი უნდა იყოს ხელმისაწვდომი ტექსტური ფორმით; სათაურები და აბზაცები სწორად იყოს მონიშნული; ცხრილს ჰქონდეს სათაური, ერთეულები და პერიოდი; სურათს – აღწერა; დოკუმენტს – სტაბილური ბმული; საიტს – გამართული ბმულები და საიტის რუკა; მრავალენოვან ვერსიებს – ერთმანეთთან შესაბამისობა. მნიშვნელოვანი ფაქტები მხოლოდ სურათში ან სკანირებულ PDF-ში არ უნდა ჩაიკეტოს.

მესამეა ცოდნის ასპექტი: თითოეულ მნიშვნელოვან მტკიცებას უნდა ახლდეს პირველწყარო, ხოლო მონაცემს – მეთოდოლოგია და შეზღუდვა. ერთი და იგივე პირის, კომპანიის, ადგილისა და მაჩვენებლის სახელები სხვადასხვა მასალაში თანმიმდევრულად უნდა იწერებოდეს. ასე იქმნება კავშირები, რომლებიც საძიებო, კვლევით და AI სისტემებს საქართველოს შესახებ უფრო ზუსტი სურათის აღქმაში ეხმარება.

BTU-ს პასუხი – ქართული ტექსტიდან ქართული ცოდნის ინფრასტრუქტურამდე

BTU-ს მუშაობა ამ პრობლემაზე ორი პარალელური მიმართულებით ვითარდება. პირველი არის მაღალი ხარისხის ქართული კონტენტის შექმნა – ეკონომიკის, ბიზნესის, ტექნოლოგიის, განათლების, მენეჯმენტის და სხვა სფეროების შესახებ ისეთი მასალების მომზადება, რომლებიც მხოლოდ ამბავს კი არ იმეორებს, არამედ მონაცემს ხსნის, საქართველოს კონტექსტს აჩვენებს და ფაქტს ანალიტიკური შეფასებისგან განასხვავებს.

მეორე მიმართულებაა ქართული ცოდნის ბანკი. მასში ერთიან კვლევით გარემოში უკავშირდება ერთმანეთს ოფიციალური სტატისტიკის მრავალწლიანი მონაცემები, ეროვნული ბანკისა და სხვა ეკონომიკური წყაროების მასალები, ქართული კომპანიების სტრუქტურირებული ინფორმაცია, მრავალწლიანი მედიაარქივები, მომხმარებლების ციფრული AI-ით დამუშავებული კვლევები, მენეჯმენტისა და ეკონომიკის ცოდნა და ქართულენოვანი კონტექსტური მასალები. მიზანი არ არის ყველა ტექსტის ერთ სივრცეში მოთავსება; მთავარია წყაროს, დროის, თემის, კომპანიის, სექტორისა და მოვლენის ერთმანეთთან დაკავშირება.

ციფრულმა გარემომ მკაფიოდ უნდა გამიჯნოს ოფიციალური მონაცემები, მედიაში ასახული მოვლენები, კვლევის მიგნებები, BTU-ს მკვლევართა ინტერპრეტაციები და სავარაუდო სცენარები. ასეთ შემთხვევაში, სპეციალიზებულ აგენტს გაცილებით მეტი შეეძლება, ვიდრე მხოლოდ ცალკეული წინადადების ამოღებაა: მას შეეძლება წყაროების შედარება, ქრონოლოგიური შეუსაბამობების გამოვლენა და გაურკვევლობის დაფიქსირება იქ, სადაც მტკიცებულებები არასრულია.

BTU ასევე მუშაობს ქართული ენის AI-ისთვის სწავლებაზე. ეს მოიცავს ქართულენოვანი მასალის მანქანურად დასამუშავებელ მომზადებას, ტერმინოლოგიისა და მნიშვნელობების კონტექსტურ გამდიდრებას, ქართულ–ინგლისურ ადაპტაციას, შეფასების ამოცანებს და საქართველოსთვის მორგებული AI აგენტების ცოდნით უზრუნველყოფას. აქ მნიშვნელოვანი სიზუსტეა: ეს არ ნიშნავს აუცილებლად ახალი გლობალური საბაზისო მოდელის ნულიდან გაწვრთნას. პრაქტიკული შედეგი შეიძლება შეიქმნას კურირებული მონაცემებით, დამატებითი მორგებით, მოძიებაზე დაფუძნებული სისტემებით და სპეციალიზებული ცოდნის ასპექტებით.

BTUAI.ge ამ სისტემის საჯარო განზომილებაა. როდესაც კვლევაზე დაფუძნებული ქართული სტატია ქვეყნდება ბუნებრივი ტექსტით, მკაფიო წყაროებით, შესაბამისი ინგლისური ვერსიითა და სტრუქტურირებული მეტამონაცემებით, ის ერთდროულად ემსახურება ადამიანს, საძიებო სისტემას, მკვლევარსა და AI აგენტს. მთავარი პრინციპია, რომ გვერდის უკან არსებული სტრუქტურა ამდიდრებდეს ხილულ მასალას და არ მალავდეს მკითხველისგან განსხვავებულ ან დაუდასტურებელ მტკიცებებს.

ძირითადი მიგნებები

• ინტერნეტში გვერდის არსებობა არ ნიშნავს, რომ ის საძიებო ან AI სისტემამ აღმოაჩინა, დაამუშავა, სანდოდ მიიჩნია ან კონკრეტულ კითხვასთან დააკავშირა.
• ქართული ტექსტის არსებობა ავტომატურად არ ნიშნავს ქართული კონტექსტის ცოდნას: დუბლირებულ, დაუმოწმებელ, მოძველებულ და ერთფეროვან მასალას AI, ეფექტურად სწავლის ნაცვლად, უფრო მეტად შეცდომაში შეჰყავს.
• ენობრივი გამართულობა და საქართველოს კონტექსტის ცოდნა განსხვავებული უნარებია; AI შეიძლება კარგად წერდეს ქართულად, მაგრამ ცუდად ესმოდეს ქართული ეკონომიკა, რეგიონები და საზოგადოება.
• უცხოური წყაროები აუცილებელია, თუმცა მათი თემატური არჩევანი საქართველოს სრულ შიდა სურათს ვერ ჩაანაცვლებს.
• AI-ისთვის მზა ქართული კონტენტი პირველ რიგში ადამიანისთვის უნდა იყოს სანდო, გასაგები და სასარგებლო; ტექნიკური სტრუქტურა ამ ხარისხს უნდა აძლიერებდეს.
• BTU-ს ქართული ცოდნის ბანკი ოფიციალურ, ეკონომიკურ, ბიზნესის, მედიის, ქცევით და AI-აგენტების მასალებს ერთმანეთთან აკავშირებს და AI-ისთვის წყაროზე დაფუძნებულ ქართულ კონტექსტს ქმნის.
• BTU-ს მიერ ქართული ენის AI-ისთვის სწავლება ენობრივ რესურსებს, შეფასებასა და სპეციალიზებული აგენტების ცოდნას აერთიანებს.

რატომ არის ეს მნიშვნელოვანი საქართველოსთვის

AI სულ უფრო ხშირად ხდება ის პირველი ადგილი, სადაც ადამიანი საქართველოს შესახებ ინფორმაციას იღებს. ამ პასუხებმა შეიძლება გავლენა მოახდინოს მოგზაურობაზე, ინვესტიციაზე, სწავლის არჩევანზე, ბიზნესპარტნიორზე, კვლევის თემასა და ქვეყნის საერთაშორისო აღქმაზე. თუ ქართული ცოდნა სუსტია, უხილავია ან მოძველებულია, საქართველო არა უბრალოდ ნაკლებად გამოჩნდება – ის გამოჩნდება იმ კატეგორიებით, რომლებიც სხვებმა შეარჩიეს.

BTU-ს მკვლევრების შეფასებით, საქართველოს ამოცანა არ არის ინტერნეტის ქართული ტექსტით მექანიკურად შევსება. საჭიროა ცოდნის წარმოების უწყვეტი სისტემა: სწორი თემის შერჩევა, სანდო წყაროს მოძიება, ბუნებრივი ქართულით ახსნა, სტრუქტურირება, ინგლისურენოვანი ხელმისაწვდომობა, ტექნიკური აღმოჩენადობა, გამოყენების მონიტორინგი და შეცდომის განახლება.

დასკვნა

AI საქართველოს შესახებ ინფორმაციას მაინც მოიძიებს – საკითხავია, რომელი წყაროებით. თუ ხარისხიანი ქართული კონტენტი არ შეიქმნა, ცარიელი ადგილი ცარიელი არ დარჩება: მას შეავსებს უცხოური მოკლე აღწერა, ტურისტული შაბლონი, მოძველებული მონაცემი, დუბლირებული პრესრელიზი ან სხვაგან შექმნილი პოლიტიკური და კომერციული ჩარჩო. გამოსავალი საკუთარი დახურული ნარატივის დაწერა არ არის. გამოსავალია მეტი სანდო, მრავალფეროვანი და ურთიერთდაკავშირებული ქართული კონტექსტის ცოდნა.

BTU-ს ქართული ცოდნის ბანკი, BTUAI.ge-ს კვლევითი კონტენტი და ქართული ენის AI-ისთვის სწავლების სამუშაო აჩვენებს, როგორ შეიძლება ტექსტი გარდაიქმნას ცოდნის ინფრასტრუქტურად. საბოლოო მიზანი ის კი არ არის, რომ AI საქართველოზე ყოველთვის სასიამოვნოდ საუბრობდეს. მიზანია, მას ჰქონდეს საკმარისი ხარისხიანი წყარო, რათა საქართველოზე უფრო სრულად, ზუსტად და პასუხისმგებლიანად ისაუბროს.

მონაცემები და ძირითადი წყაროები

მასალა ეფუძნება Google Search Central-ის ოფიციალურ დოკუმენტაციას ვებგვერდების აღმოჩენის, ინდექსაციისა და სტრუქტურირებული მონაცემების შესახებ; Common Crawl-ის ღია ვებკორპუსის აღწერას; OSCAR 22.01-ის მრავალენოვანი კორპუსის სტატისტიკას; GeoLogicQA-ს ქართულენოვან შეფასებას; აგრეთვე BTU-ს კვლევით მასალებსა და ქართული ცოდნის ბანკის არქიტექტურას.

მომზადებულია Business and Technology University-ის აკადემიური გუნდისა და BTUAI Research Team-ის მიერ, Tbilisi, Georgia.