► Читайте телеграмм-канал «Минфина»: главные финансовые новости
Модель разрабатывается Министерством цифровой трансформации совместно с компанией «Киевстар». Ее адаптируют к украинскому языку, истории и культурному контексту. Одновременно с запуском планируется обнародовать часть датасета — массива данных, на котором обучают ИИ.
Что такое датасет и откуда берут данные для «Сяйва»
Датасет — это упорядоченный набор данных, на котором обучают или проверяют модель искусственного интеллекта. Для языковой модели это, прежде всего, тексты, из которых она учится понимать слова, строить предложения, отвечать на вопросы и учитывать контекст.
Для «Сяйва» данные собирают в университетах, библиотеках, государственных архивах, научных учреждениях и медиа. Речь идет об исторических документах, научных трудах, книгах, законодательстве, судебных решениях, словарях и других материалах на украинском языке.
Если модель училась на качественных украинских исторических источниках, ей легче будет правильно интерпретировать исторические события, имена, названия и понятия, специфические для Украины. Специализированные словари и научные тексты могут помочь точнее работать с юридической, технической или профессиональной терминологией.
По данным Минцифры, в апреле 2026 Государственная архивная служба Украины передала для обучения модели 10 терабайтов исторических материалов, государственных документов и научных текстов. К сбору данных присоединились десятки других учреждений.
Чем украинская модель может быть полезна
Главная цель «Сяйва» — создать модель, которая будет лучше работать с украинским языком и контекстом и которую можно использовать в государственных, образовательных, научных и коммерческих сервисах.
Для пользователей потенциальные преимущества таковы:
-
Лучшее понимание украинского языка. Модель будут учить на текстах, отражающих украинскую лексику, языковые конструкции, диалекты и терминологию.
-
Более точная работа с украинским контекстом. Она должна лучше ориентироваться в истории, культуре, общественной жизни и украинском законодательстве.
-
Новые услуги для государства и бизнеса. На ее основе смогут создавать чатботы, цифровые помощники, инструменты для работы с документами и автоматизацию отдельных процессов.
-
Возможности для исследователей и разработчиков. Открытый доступ к модели и частям данных может позволить независимо проверять ее качество, исследовать результаты и создавать собственные продукты.
В то же время, украинский датасет сам по себе не гарантирует, что модель всегда будет соответствовать правильно. Ее нужно тестировать на точность, устойчивость к дезинформации, предубеждениям и вымышленным ответам. Результат будет зависеть не только от объема данных, но и их качества, разнообразия и способа обучения.
Читайте также: ИИ, сам ставящий задачу: как Deutsche Bank описал мир 2030 года
Создают ли модель с нуля
Нет. По информации «Киевстара», технологической основой модели стала открытая модель Gemma 3 от Google. Ее дополнительно адаптируют к украинскому языку и обучают специально собранным украинским данным. То есть речь идет не о создании всей технологии с нуля, а о доучении и настройке существующей модели под нужды Украины.
Такой подход позволяет использовать уже существующую технологическую основу и сосредоточиться на том, чего ей не хватает для качественной работы с украинскими текстами.
Обнародование части датсета также может иметь практическое значение. Исследователи смогут оценивать, какие данные использовались для обучения, а разработчики проверять возможности модели и создавать на ее основе собственные решения. В то же время, конкретный состав открытого набора данных будет зависеть от прав на использование материалов и установленных условий доступа.
Следовательно, «Сяйво» должно стать основой для развития украинских ИИ-сервисов, которые будут лучше учитывать языковые и культурные особенности страны. Полноценную тестовую версию планируют подготовить до конца декабря 2026, а публичный запуск ожидают в январе 2027-го.
Как мы писали, Мировой рынок смартфонов рухнул на 22%: как бум ШИ повлиял на цены и производителей