Для обучения искусственного интеллекта узбекскому языку открыта база из 6 миллиардов слов

Для обучения искусственного интеллекта узбекскому языку открыта база из 6 миллиардов слов
  • 9
  • 20.11.2026 12:33:00
  • 1 мин чтения

По данным Министерства цифровых технологий, создан крупный текстовый корпус узбекского языка, содержащий 5,6 миллиона документов и около 6 миллиардов слов. Он размещён в открытом доступе на платформе Hugging Face.

Проект реализован в соответствии с поручением Шавката Мирзиёева, данным на совещании 21 октября 2025 года, по обеспечению полноценного понимания узбекского языка системами искусственного интеллекта.

Корпус включает тексты на узбекском языке как в латинской, так и в кириллической письменности. В него вошли книги, газеты, архивные материалы, законодательные документы, статьи Википедии, веб-страницы и общедоступные публикации в Telegram.

Собранные данные прошли специальную обработку, отбор по качеству и тематическую классификацию. Персональные данные были заменены специальными обозначениями.

Основная цель проекта — расширение возможностей моделей искусственного интеллекта по пониманию и обработке узбекского языка, а также созданию качественных текстов на нём.

В настоящее время министерство работает над предоставлением этой базы данных ведущим разработчикам искусственного интеллекта. В частности, уже начато сотрудничество с разработчиками модели Qwen.

Ожидается, что созданная база данных будет способствовать дальнейшему развитию систем искусственного интеллекта, работающих на узбекском языке.

Copyrights © 2026 All Rights Reserved by Casia News