Nace 'Carballo', o primeiro modelo de ChatGPT para o galego

O Proxecto Nós, que desenvolven o Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS) e o Instituto da Lingua Galega (ILG), ambos os dous da USC, vén de anunciar a creación de Carballo, un modelo de linguaxe de grande escala de alta calidade en galego que permitirá a creación de novas ferramentas e aplicacións de IA xerativa para a lingua propia de Galicia.

Carballo, o meirande creado nunca para o galego, é un modelo coñecido como fundacional por ser a peza básica (e esencial) para construír ferramentas versátiles e de moi alta calidade mediante IA xerativa con tecnoloxía lingüística, como chatbots, tradutores ou correctores automáticos. Tal e como acontece con outros modelos fundacionais, Carballo precisa aínda de pequenas adaptacións técnicas para se converter nun sistema de diálogo co que poder manter unha conversa fluída e ofrecer respostas automáticas cunha interacción sinxela e intuitiva.

Porén, facendo unha analoxía coa IA xerativa máis coñecida na actualidade en todo o mundo (ChatGPT, propiedade da compañía OpenAI), é importante sinalar que a ferramenta resultante (Chat) non tería existido sen o modelo fundacional que o sustenta (GPT). Os modelos fundacionais non están adaptados nin afinados mediante instrucións dirixidas á resolución de tarefas específicas, e por iso non están deseñados para que o público xeral os utilice directamente. Non entanto, estes modelos supoñen un paso indispensable cara ao desenvolvemento de aplicacións de IA disruptiva no eido da lingüística, tal e como as coñecemos xa na actualidade.

NAS PROFUNDIDADES DE CARBALLO

Carballo conta cunha arquitectura GPT de 1.300 millóns de ‘parámetros’, ou sexa, 1.300 millóns de valores axustados ao longo dun proceso de adestramento a partir de corpus de texto, encamiñado a lograr que o modelo se desenvolva cunha alta competencia no uso do galego. O seu adestramento foi un gran desafío computacional, sendo necesaria a colaboración do CESGA (Centro de Supercomputación de Galicia), que conta co segundo supercomputador máis potente de todo o territorio estatal.

Para o adestramento de Carballo usouse un corpus masivo de textos en galego de aproximadamente 2.100 millóns de palabras, o que supón o maior corpus textual en galego existente ata o día de hoxe.

RECURSOS LIBRES E GRATUÍTOS

Carballo foi publicado en aberto, co obxectivo de que tanto persoas expertas como empresas de software poidan utilizar o modelo para desenvolver novos produtos, facer axustes ou mesmo integrar o seu uso en aplicacións de utilidade para o público xeral. Desde o CiTIUS remárcase o feito de que Carballo foi desenvolvido "conforme ás liñas mestras que guían a ‘IA Confiable’", un paradigma de Intelixencia Artificial ‘responsable’ aliñado cos principios TrustWorthy (‘digno de confianza’) recollidos no Regulamento Europeo de IA, primeira lei de intelixencia artificial do mundo, aprobada recentemente polo Parlamento Europeo.