《TechMahindra推出巨量印度语言模型，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，并有望在全球范围内为25%的人口提供服务。关于项目的具体成本和预期发布时间，Tech Mahindra并未公开透露，但他们的目标是在首先建立一个拥有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 addition of a dialogue feature. Upon ensuring the model’s performance and dialect generation capabilities, they plan to make it available under open-source.

在构建印度语言模型时，我们需要优先考虑文化敏感性，以确保生成的内容尊重当地的习俗和规范。此外，这种技术还能推动AI的普及，从而为我国更多的非英语用户提供服务。通过考虑到这些因素，我们可以确保我们的人工智能助手不仅能够准确地理解和传达信息，还能够被广大用户所接受和信任。

尽管Tech Mahindra已经在印度的许多地区收集了大量的语言和方言数据,但该公司仍然面临着一个最大的挑战,那就是数据的多样性不足。为了克服这个难题,Tech Mahindra正在积极寻找各种方言的使用者的支持和贡献,以便构建一个更为丰富多样的数据集。为了实现这一目标,Tech Mahindra已经建立了一个专门用于收集印度人语言贡献的门户网站。通过这个网站,Tech Mahindra希望能够收集到更多、更广泛的语言数据,从而提高其语音识别和自然语言处理技术的准确性和可靠性。