A Latam-GPT egy Chile által vezérelt mesterséges intelligencia modell, amely az alkalmazások latin-amerikai adatokkal való képzésére, az elfogultság csökkentésére és a régió pontosabb ábrázolására szolgál az amerikai fejlesztések által uralt szektorban.
Chile bemutatta a Latam-GPT-t, egy olyan projektet, amelynek célja Latin-Amerika saját mesterséges intelligencia (AI) modelljének biztosítása az amerikai vállalatok által uralt szektorban, és célja a jelenlegi rendszerekben megfigyelt torzítások korlátozása.
A kezdeményezést a Chilei Mesterséges Intelligencia Nemzeti Központja (Cenia), egy állami finanszírozású magánvállalat támogatta. Emellett egyetemek, alapítványok, könyvtárak, kormányzati szervek és civil társadalmi szervezetek is támogatták olyan országokban, mint Chile, Uruguay, Brazília, Kolumbia, Mexikó, Peru, Ecuador és Argentína.
Gabriel Boric chilei elnök a Television Nacional műsorában a projekt e heti bemutatóján kiemelte a régió szerepét a globális technológiai fejlődésben, és üdvözölte, hogy a Latam-GPT lehetővé teszi Latin-Amerika számára, hogy a jövő gazdaságának aktív szereplőjeként pozicionálja magát.
A chilei tudományos miniszter, Aldo Valle elmondta, hogy az eszköz az előítéletek lebontására és Latin-Amerika reprezentációjának homogénségére törekszik a világban. Valle szerint a régió nem lehet csak passzív használója vagy befogadója a máshol kifejlesztett mesterséges intelligencia rendszereknek, mert ez tradíciói egy részének elvesztésével járhat.
A neve ellenére a Latam-GPT nem interaktív chat. Ez egy nagy, a régióból származó információkra képzett adatbázis, amely a technológiai alkalmazások fejlesztésének alapjául szolgál.
Regionális kiterjedésű fejlesztés
A nagyméretű mesterséges intelligencia modellek fejlesztése elsősorban az Egyesült Államokban, Kínában és Európában összpontosult. A Latam-GPT mellett más regionális kezdeményezések is megjelentek, mint például a SEA-LION Délkelet-Ázsiában vagy az afrikai UlizaLlama, amelyek saját kulturális környezetükre összpontosítanak.
A Latam-GPT képzéséhez több mint nyolc terabájtnyi információt gyűjtöttek össze, ami több millió könyvnek felel meg. A modellt 550 000 dolláros (több mint 460 000 eurós) finanszírozással hozták létre, főként a Latin-Amerikai Fejlesztési Banktól (CAF), saját forrásain és más intézményekkel kötött megállapodásain felül.
A rendszer első verzióját az Amazon Web Services felhőben fejlesztették ki. A modellt a jövőben egy szuperszámítógépen képezik ki, amelyet az észak-chilei Tarapacai Egyetemen telepítenek majd 2026 első felében, közel ötmillió dolláros beruházással.
Alvaro Soto, a Cenia igazgatója rámutatott, hogy a világ más régióiban kidolgozott modellek csökkentett arányban tartalmaznak latin-amerikai adatokat. A kilövés során Boric elnök ezt a különbséget szemléltette azzal, hogy összehasonlította a Calais ostromáról rendelkezésre álló kiterjedt információkat a chilei függetlenség kulcsfontosságú csatáinak, például Chillán ostromának sokkal korlátozottabb lefedettségével.
Ebben a szakaszban a modell tartalma elsősorban spanyol és portugál nyelvű, bár a cél az őslakos nyelvek beépítése is.
Alejandro Barros, a Chilei Egyetem akadémikusa azonban arra figyelmeztetett, hogy a Latam-GPT-nek esélye sincs felvenni a versenyt a nagy globális mesterséges intelligencia modellekkel a gazdasági erőforrások és az infrastruktúra különbségei miatt.
Lehetséges felhasználások
Soto szerint a Latam-GPT egy ingyenes platform lesz, és a helyi igényekhez igazodó eszközök fejlesztésére használható, mint például a logisztikai problémákkal küzdő kórházak digitális megoldásai vagy az egészségügyi erőforrások használata.
A modellt az elsők között a chilei Digevo fogja alkalmazni, amely a légitársaságok és kiskereskedelmi vállalatok ügyfélszolgálatára specializálódott beszélgető robotokat fejleszt majd. Igazgatója, Roberto Musso szerint ezek a cégek érdeklődést mutattak az iránt, hogy a felhasználók a helyi nyelven fejezzék ki magukat és kapjanak választ.
Musso elmondta, hogy a Latam-GPT képes felismerni a szlengeket, az idiómákat és még a beszédsebességet is, csökkentve ezzel a más mesterséges intelligencia modellekben előforduló torzítási problémákat.
