TechMahindra计划开发大规模印度语言模型：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，但他们的目标是在首先建立一个拥有700亿参数的语言模型。

本文作者作为一名具备专业素养的文章写作高手，经过深入研究并分析原文内容后，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。虽然该模型的接口包含语音及文本信息，但尚未涉足类似ChatGPT的聊天场景。

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，他们计划在开源社区中分享和发布该模型。

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。通过充分理解和尊重印度的文化特点，我们可以打造一个更加适应本地需求的人工智能助手，进一步提升印度整体的科技水平和社会便利性。

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，以便构建更为丰富的数据集。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。