Norwegia jako pierwszy kraj udostępnia bezpłatnie modele AI trenowane na chronionych prawem autorskim treściach, za które płaci ich twórcom - poinformowała dyrektorka Biblioteki Narodowej Aase Wetaas, dla której to nie wyścig z OpenAI, lecz sposób ochrony języka i cyfrowej niezależności państwa.
Modele noszą nazwę Borealis i działają w dwóch oficjalnych odmianach języka norweskiego – bokmaal i nynorsk. Biblioteka Narodowa uruchomiła je 10 sierpnia. Do ich uczenia wykorzystano m.in. teksty norweskich gazet, a właściciele praw otrzymują za nie wynagrodzenie. Są dostępne bezpłatnie, a kolejne edycje obejmą języki również języki saamskie.
– Nie tworzymy aplikacji, którą można bezpośrednio porównać z ChatGPT. Udostępniamy modele, które norweski sektor publiczny i firmy mogą dalej uczyć na materiałach z konkretnych dziedzin – powiedziała PAP dyrektorka Biblioteki Narodowej Aase Wetaas.
Za projektem stoi założenie, że norweski powinien pozostać językiem używanym we wszystkich dziedzinach życia, również tam, gdzie coraz większą rolę odgrywa sztuczna inteligencja. Zasadę tę zapisano w przyjętej w 2021 r. ustawie językowej.
– Dla mnie, jako językoznawczyni, język jest najważniejszą infrastrukturą społeczeństwa. Jest najważniejszym narzędziem i nośnikiem wolności słowa. Dlatego tak ważne jest posiadanie technologii i modeli językowych, które wspierają język norweski, zamiast go osłabiać – podkreśliła Wetaas.
Co trzecia strona www po angielsku nosi ślady autorstwa sztucznej inteligencji
Od debiutu programu ChatGPT pod koniec 2022 roku algorytmy sztucznej inteligencji prawdopodobnie napisały lub współtworzyły 35 proc. nowych stron www w języku angielskim – wynika z raportu opublikowanego w piątek przez amerykański niezależny ośrodek badawczy Pew Research Center.
W badaniu wykorzystano dane z archiwum internetowego Common Crawl, które w sumie zawiera ponad 300 mld stron internetowych powstałych od 2007 r. Dostęp do tego zbioru jest otwarty i bezpłatny dla każdego użytkownika.
Analitycy wybrali z tego archiwum prawie pół miliona anglojęzycznych stron internetowych z ostatnich pięciu lat, czyli jeszcze sprzed premiery bota ChatGPT, pierwszego narzędzia AI, które trafiło do masowego odbiorcy. Następnie przepuścili teksty z tych stron przez Open Pangram, czyli system do wykrywania i analizy treści wygenerowanych przez sztuczną inteligencję.
Ponadto badacze przeanalizowali także strony internetowe pod kątem charakterystycznych cech, w tym interpunkcji, słów i fraz, wskazujących na autorstwo lub ingerencję sztucznej inteligencji. Jak oszacowali, między 2023 a 2026 rokiem w wygenerowanych przez AI tekstach myślniki pojawiały się dwukrotnie częściej niż w tych pisanych przez ludzi. W tym samym okresie zauważono też, że modele językowe nadużywały niektórych słów jak np. „zgodny z”, „kluczowy”, „znaczący” czy „cenny”. Wyrazy te występowały ponad dwa razy częściej w tekstach pisanych lub edytowanych przez sztuczną inteligencję. Inną cechą był trzykrotny wzrost użycia w zdaniach tzw. negatywnego paralelizmu, czyli porównania na zasadzie „to nie jest tylko X, to jest Y”.
Według wyników badań 9,6 proc. stron www powstałych między styczniem 2022 roku a lipcem 2026 roku nosiło ślady autorstwa sztucznej inteligencji. Kiedy zawężono ten okres do czasu po 30 listopada 2022 roku, czyli po oficjalnej premierze programu ChatGPT, wskaźnik ten wzrósł do 35 proc.
Podstawy projektu powstały znacznie wcześniej. W 2005 roku Biblioteka Narodowa zdecydowała o cyfryzacji swoich zbiorów. Pięć lat później Ministerstwo Kultury powierzyło Bibliotece stworzenie publicznego banku materiałów językowych, z którego skorzystają firmy i instytucje rozwijające technologie pracujące z językiem norweskim.
Do nauki Borealis wykorzystano m. in. protokoły posiedzeń norweskiego parlamentu.
– Posłowie reprezentujący różne części kraju są dumni z tego, że przemawiają własnymi dialektami. Dzięki temu materiały ze Stortingu są dla nas ogromnym zasobem językowym – wyjaśniła Wetaas.
Sam parlament pracował też nad technologią automatycznie zamieniającą mowę na tekst, aby uprościć przygotowywanie protokołów z posiedzeń.
– To doskonały przykład współpracy instytucji publicznych i wspólnego wykorzystywania zgromadzonych przez nie materiałów – oceniła dyrektorka Biblioteki.
W 2024 r. rząd zlecił Bibliotece sprawdzenie, czy wykorzystanie tekstów chronionych prawem autorskim poprawi jakość modeli. Efekt był od razu zauważalny: do uczenia systemów trafiły dobrze napisane i zredagowane teksty dotyczące niemal wszystkich dziedzin norweskiego życia.
Politycy od razu zdecydowali, że właściciele praw do wykorzystanych materiałów powinni otrzymywać wynagrodzenie. Organizacja reprezentująca właścicieli praw autorskich co roku otrzymuje z 45 mln koron rocznie (około 16 mln złotych).
– To pierwszy na świecie przypadek, gdy państwo bezpłatnie udostępnia własne modele AI uczone na licencjonowanych materiałach chronionych prawem autorskim. Być może reszta świata jest tym bardziej zaskoczona niż my. Jesteśmy zależni od istnienia norweskich mediów, norweskich pisarzy i wszystkich, którzy budują nasz język. Jeżeli w przyszłości chcemy go i opartą na nim kulturę rozwijać, potrzebujemy również systemu rekompensat – podkreśliła Wetaas.
Modele norweskiej Biblioteki Narodowej będą dostępne bezpłatnie. Dlatego nie będą konkurować np. z ChatGPT. Mają stać się ogólnodostępną bazą, na której administracja, firmy i uczelnie mogą tworzyć narzędzia do własnych potrzeb.
– To także sposób na zwiększenie cyfrowej samowystarczalności Norwegii i bezpieczeństwa naszego kraju – podkreśliła Wetaas.
Biblioteka współpracuje m.in. z Uniwersytetem w Oslo i Norweskim Uniwersytetem Nauki i Technologii w Trondheim (NTNU). Na uczenie i bezpłatne udostępnianie modeli Biblioteka dostaje z budżetu 20 mln koron rocznie (niewiele ponad 7 mln złotych).
– To chyba tyle, ile OpenAI wydaje na firmowe przyjęcie wakacyjne. Pokazujemy światu, że za stosunkowo niewielką sumę można zrobić bardzo dużo. Chętnie podzielimy się naszą wiedzą z innymi – oceniła.
Z Oslo Mieszko Czarnecki (PAP)
cmm/ zm/
