TechMahindra计划打造最大印度语言模型，目标是为全球25%的人口提供服务

站长之家（ChinaZ.com）9月5日 消息:最近，印度IT公司Tech Mahindra宣布推出了一个面向印度语言的开源基础语言模型“Project Indus”。该项目可能会成为该公司迄今为止最重要的项目。目前，像OpenAI的GPT模型这样的大型语言模型，尽管具有多语言能力，但在理解和生成印度语言内容方面受到英语数据集的限制。

打开凤凰新闻，查看更多高清图片

图源备注：图片由AI生成，图片授权服务商Midjourney

Tech Mahindra的首席执行官Gulshan Nain表示，他们即将推出的模型将成为印度最大的语言模型，并有望为全球人口的25%提供服务。关于项目的具体成本和预期发布日期，Tech Mahindra并未公开透露，但他们的目标是在一开始就建立一个拥有70亿参数的语言模型。

本文作者作为一名具备专业素养的文章写作高手，经过深入研究和分析，得出以下结论：该模型最初计划支持40种印度语言方言，未来还将逐步扩展至更多语种。尽管目前市场上已有一些印度语言模型，如Bhashini和AI4Bharat等，但仍有必要构建一个通用基础模型。该模型的接口或许会整合语音与文本信息，但目前尚未涉及类似于ChatGPT的聊天功能。

Tech Mahindra 的首要任务是开发一款具备文本续写功能的语言模型，并 subsequent 添加对话功能。待模型的性能及方言生成的效果得到明确的验证后，他们计划在开源领域中将该模型发布出去。

在构建印度语言模型时，我们需要充分考虑到文化敏感性的重要性。这不仅可以避免生成的内容侵犯当地习俗和规范，还能促进人工智能技术的普及，从而让更多的非英语使用者受益。通过这种方式，我们可以利用技术的力量，推动印度的 language model 发展，使其更好地服务于社会大众。

然而，对于Tech Mahindra而言，收集各类语言与方言的数据仍然是一项艰巨的任务。为了应对这一挑战，公司正努力寻求各种方言使用者的支持，以便构建一个丰富的数据集。他们已经创建了一个在线平台，旨在收集印度人的语言样本。