تطوّر مبادرة UK-LLM نموذجاً للذكاء الاصطناعي يستطيع الاستدلال باللغتين الإنجليزية والويلزية، بهدف دعم تقديم خدمات عامة مثل الرعاية الصحية والتعليم والموارد القانونية باللغة الويلزية، التي يتحدث بها نحو 850 ألف شخص في ويلز.
ويستند النموذج الجديد إلى عائلة NVIDIA Nemotron مفتوحة المصدر، وقد طورته University College London بالتعاون مع جامعة بانغور وNVIDIA. ومن المتوقع إتاحة النموذج، إلى جانب مجموعات بيانات التدريب والتقييم الويلزية، لاستخدام المؤسسات والشركات والقطاع العام، بما يتيح إجراء أبحاث إضافية وتدريب نماذج جديدة وتطوير تطبيقات.
دعم الخدمات العامة واللغات المحلية
قال رئيس الوزراء البريطاني كير ستارمر إن تمكين الذكاء الاصطناعي من الاستدلال باللغة الويلزية يمكن أن يجعل الخدمات العامة، من الرعاية الصحية إلى التعليم، متاحة للجميع باللغة التي يعيشون بها. ويرتبط المشروع بجهود الحكومة الويلزية لتعزيز الاستخدام النشط للغة، ضمن مبادرة Cymraeg 2050 التي تستهدف الوصول إلى مليون متحدث باللغة الويلزية بحلول عام 2050.
ويمكن للنموذج أن يساعد المؤسسات العامة والشركات العاملة في ويلز على ترجمة المحتوى أو تقديم روبوتات محادثة ثنائية اللغة. ويشمل ذلك مزودي الرعاية الصحية والمعلمين ووسائل الإعلام وتجار التجزئة وأصحاب المطاعم، بما يساعدهم على توفير المحتوى المكتوب باللغة الويلزية إلى جانب الإنجليزية.
تأسست المبادرة في عام 2023 باسم BritLLM، ويقودها University College London، وقد أصدرت سابقاً نموذجين للغات المستخدمة في المملكة المتحدة. ويعتزم فريق UK-LLM تطبيق المنهجية نفسها على لغات أخرى، من بينها الكورنية والأيرلندية والاسكتلندية والغيلية الأسكتلندية، كما يخطط للتعاون مع جهات دولية لتطوير نماذج للغات في إفريقيا وجنوب شرق آسيا.
بيانات تدريب وبنية حوسبية
استخدم فريق التطوير نموذج Llama Nemotron Super الذي يضم 49 مليار مَعلمة، ونموذج Nemotron Nano الذي يضم 9 مليارات مَعلمة، ثم أجرى لهما تدريباً لاحقاً باستخدام بيانات باللغة الويلزية. ونظراً إلى محدودية البيانات الويلزية المتاحة مقارنة بالإنجليزية والإسبانية، استعان الفريق بخدمات NVIDIA NIM المصغرة الخاصة بـ gpt-oss-120b وDeepSeek-R1 لترجمة مجموعات بيانات Nemotron المفتوحة، التي تضم أكثر من 30 مليون مدخلة، من الإنجليزية إلى الويلزية.
ونُفذت أعمال الترجمة والتدريب باستخدام عنقود GPU عبر منصة NVIDIA DGX Cloud Lepton، إضافة إلى مئات شرائح NVIDIA GH200 Grace Hopper Superchips على حاسوب Isambard-AI الفائق. ويقع الحاسوب في جامعة بريستول، ويحظى باستثمار حكومي بريطاني قدره 225 مليون جنيه إسترليني.
مراجعة لغوية وإتاحة للمطورين
تدعم جامعة بانغور المشروع بخبرتها اللغوية والثقافية، فيما يراجع Gruffudd Prys وفريقه دقة بيانات التدريب المترجمة آلياً وبيانات التقييم المترجمة يدوياً. كما يقيّم الفريق قدرة النموذج على التعامل مع خصائص دقيقة في الويلزية، مثل تغير الحروف الساكنة في بداية الكلمات تبعاً للكلمات المجاورة.
وستوفر شركة Nscale، وهي مزود سحابي للذكاء الاصطناعي في المملكة المتحدة، النموذج الجديد للمطورين عبر واجهة برمجة تطبيقات. ويرى فريق UK-LLM أن إطار العمل المستخدم يمكن أن يشكل أساساً لتطوير نماذج متعددة اللغات، مستفيداً من نماذج Nemotron وبياناتها ووصفاتها المتاحة علناً.