11 971.640 so‘m

decrease

-8.720

13 160.420 so‘m

increase

26.350

146.330 so‘m

increase

0.710

11 971.640 so‘m

decrease

-8.720

Yaqin 1 soat ichida
Texnologiya
27

Sunʼiy intellekt uchun oʻzbek tilida 6 milliard soʻzlik ochiq maʼlumotlar bazasi yaratildi

Raqamli texnologiyalar vazirligi 5,6 mln hujjat va 6 milliardga yaqin soʻzni qamrab olgan oʻzbek tili korpusini ochiq foydalanishga taqdim etdi. Maʼlumotlar bazasidan sunʼiy intellekt modellarini oʻzbek tiliga moslashtirishda foydalanish mumkin. Vazirlik Xitoyning Qwen modeli ishlab chiquvchilari bilan hamkorlikni ham boshlagan.

Sunʼiy intellekt uchun oʻzbek tilida 6 milliard soʻzlik ochiq maʼlumotlar bazasi yaratildi

Oʻzbekistonda sunʼiy intellekt modellarini oʻqitish uchun moʻljallangan yirik ochiq matnli maʼlumotlar korpusi yaratilib, Hugging Face platformasiga joylashtirildi. Bu haqda Raqamli texnologiyalar vazirligi matbuot xizmati xabar berdi.

Platformada eʼlon qilingan texnik maʼlumotlarga koʻra, “Uzbek Language Corpus” toʻplamining 1.3-versiyasi 5,64 mln hujjat va 6,06 mlrd soʻzni oʻz ichiga oladi. Maʼlumotlar 136 ta faylda saqlangan boʻlib, ularning umumiy hajmi 16,2 GB’ni tashkil etadi.

Korpusning asosiy qismini kitoblar, davriy nashrlar, arxiv hujjatlari va internet sahifalaridan olingan matnlar tashkil etadi. Xususan, Milliy kutubxona materiallaridan 1,83 mlrd, Tahrirchi loyihasidan 1,28 mlrd, internet sahifalaridan esa 1 mlrddan ortiq soʻz jamlangan.

Bundan tashqari, korpus tarkibiga Lex.uz’dagi 74,5 mingdan ortiq huquqiy hujjat, Oʻzbekcha Vikipediyaning 122,7 ming maqolasi hamda ochiq Telegram kanallaridagi 1,12 mln post kiritilgan.

Maʼlumotlar bazasidagi hujjatlarning 52 foizi lotin, 46 foizi kirill va qolgan 2 foizi aralash yozuvda.

Vazirlik maʼlumotlariga koʻra, toʻplangan matnlar maxsus qayta ishlash va sifat nazorati bosqichlaridan oʻtkazilgan. Skanerlangan kitoblar va arxiv hujjatlarini raqamlashtirishda DeepSeek-OCR hamda Microsoft Azure AI Document Intelligence texnologiyalaridan foydalanilgan.

Matnlar mavzu, soha va uslub boʻyicha tasniflangan, takroriy hujjatlar chiqarib tashlangan. Telefon raqamlari, shaxsiy identifikatorlar va boshqa ayrim shaxsga doir maʼlumotlar maxsus belgilar bilan almashtirilgan.

Oʻzbek tilidagi sunʼiy intellekt uchun nima oʻzgaradi?

Loyiha prezidentning 2025 yil 21 oktabrdagi topshirigʻi doirasida ishlab chiqilgan. Davlat rahbari sunʼiy intellekt dasturlari samarali ishlashi uchun ular oʻzbek tilini mukammal tushunishi zarurligini taʼkidlagan edi.

Prezidentning 2025 yil 22 oktabrdagi PF-189-son farmonida 2026 yil yakuniga qadar “Oʻzbek tili korpusi”ni yaratish va uni kamida beshta ochiq katta til modeliga joriy etish vazifasi belgilangan.

Yangi korpus mahalliy dasturchilar va tadqiqotchilarga katta til modellarini oʻzbek tilidagi matnlar asosida oʻqitish yoki mavjud modellarni moslashtirish imkonini beradi.

Xususan, undan oʻzbek tilida ishlaydigan chatbotlar, matnlarni tahlil qilish, huquqiy hujjatlarni qayta ishlash va boshqa sunʼiy intellekt xizmatlarini yaratishda foydalanish mumkin.

Ayni paytda Raqamli texnologiyalar vazirligi korpusni xalqaro yirik til modellari ishlab chiquvchilariga taqdim etish ustida ishlamoqda. Xususan, Xitoyning Alibaba kompaniyasi tomonidan ishlab chiqiladigan Qwen modellari yoʻnalishida hamkorlik boshlangan.

Maʼlumotlar toʻplami Hugging Face’da Open Data Commons Attribution litsenziyasi ostida taqdim etilgan. Shu bilan birga, korpusga kiritilgan ayrim matnlarga dastlabki manbalarning mualliflik huquqi va foydalanish shartlari tatbiq etiladi.

Korpus bilan ushbu havola orqali tanishish va undan foydalanish mumkin.

Pinkod.uz saytida e'lon qilingan materiallardan nusxa ko'chirish, tarqatish va boshqa shakllarda foydalanish faqat tahririyat yozma roziligi bilan amalga oshirilishi mumkin.

O‘zbekiston Respublikasi Prezidenti Administratsiyasi huzuridagi Axborot va ommaviy kommunikatsiyalar agentligi tomonidan 15.10.2024 sanasida №440126 sonli guvohnoma bilan OAV sifatida ro‘yxatga olingan.

© 2026 Pinkod.uz.
Barcha huquqlar himoyalangan.

18+