В Лхасе состоялся официальный дебют DeepZang — первой в мире большой языковой модели (LLM), ориентированной на тибетский язык и прошедшей государственную регистрацию в области генеративного ИИ. Разработка компании Tibet Jue Luo Digital Industry Management призвана устранить существующий технологический разрыв в сфере обработки естественного языка и обеспечить полноценную цифровую интеграцию тибетской лингвистической группы в современные интеллектуальные сервисы.
Технологические возможности и функционал системы
Платформа DeepZang представляет собой многофункциональное решение, которое выходит за рамки простого текстового генератора. По заявлению разработчиков, архитектура модели позволяет поддерживать более 80 различных языковых сервисов. Система эффективно справляется с широким спектром задач, включая:
- Распознавание и синтез речи (функции «прослушивания» и «говорения»);
- Высокоточный машинный перевод между тибетским и другими языками;
- Анализ визуального контента и текстовое «мышление»;
- Обработку сложных запросов на основе алгоритмов глубокого обучения.
Реализация проекта стала возможной благодаря многолетней исследовательской работе в области тибетско-китайского билингвизма.
Научная база и стратегическое значение
Основой для обучения нейросети послужила масштабная база данных, формирование которой началось еще в 2018 году. Специалисты Jue Luo Digital сфокусировались на стратегии интеграции искусственного интеллекта в двуязычную среду.
Компания создала параллельную базу данных, содержащую почти 70 миллионов пар тибетско-китайских текстов, что обеспечивает высокую точность контекстуального понимания и корректность перевода.
Основатель проекта Данцзэн Луобу подчеркнул, что DeepZang является первым продуктом подобного рода в Китае, получившим официальное одобрение регуляторов. Это подчеркивает соответствие модели государственным стандартам безопасности и качества в сфере генеративных технологий.
Перспективы внедрения
Выход DeepZang на рынок знаменует новый этап в развитии локализованных ИИ-решений. Ожидается, что модель найдет применение в образовании, государственном управлении и культурном секторе, обеспечивая сохранение языкового наследия при помощи передовых цифровых инструментов. Создание столь крупного специализированного набора данных (датасета) также закладывает фундамент для будущих исследований в области малоресурсных языков и развития мультимодальных нейросетей в регионе.