Türkiye'de yapay zekâ alanında yürütülen açık kaynak çalışmalarına yeni bir proje daha eklendi. Trendyol Group tarafından geliştirilen "Türkçe Atlas" isimli veri kümesi, Türkçe büyük dil modellerinin eğitiminde kullanılmak üzere erişime açıldı. Yaklaşık 336 bin yapılandırılmış örnekten oluşan veri kümesi, yerli yapay zekâ modellerinin Türkçe komutları daha doğru anlamasını ve daha doğal yanıtlar üretmesini amaçlıyor. Güncel açık erişimli kaynaklardan hazırlanan proje, denetimli ince ayar (SFT) süreçlerinde doğrudan kullanılabilecek şekilde tasarlandı. Veri kümesinin tamamen JSONL formatında hazırlanması sayesinde geliştiriciler herhangi bir ek dönüştürme işlemi yapmadan eğitim süreçlerine başlayabilecek. Türkçe içeriklerin daha kaliteli şekilde işlenmesini hedefleyen çalışma, araştırmacılar, yazılım geliştiricileri ve teknoloji şirketleri için önemli bir kaynak olarak öne çıkıyor. Açık kaynak yapısıyla herkesin kullanımına sunulan proje, Türkiye'de yapay zekâ geliştirme süreçlerini hızlandırmayı ve yabancı veri kaynaklarına duyulan ihtiyacı azaltmayı hedefleyen çalışmalar arasında yer alıyor.
Türkçe Atlas Hangi Özellikleri Sunuyor?
Türkçe Atlas veri kümesi, büyük dil modellerinin denetimli ince ayar eğitimlerinde kullanılmak üzere hazırlandı. Yaklaşık 336 bin yapılandırılmış örnek; komut takibi, soru-cevap, metin özetleme ve yapılandırılmış çıktı üretimi gibi farklı görevleri kapsıyor.
Veriler, yapay zekâ modellerinde yaygın olarak kullanılan "system-user-assistant" konuşma yapısına uygun biçimde JSONL formatında düzenlendi. Bu sayede geliştiriciler veri kümesini doğrudan eğitim süreçlerine entegre edebiliyor.
Açık Kaynak Yapısıyla Yerli Geliştiricilere Destek Sağlayacak
Projede kullanılan içerikler açık erişimli güncel kaynaklardan oluşturulurken, öznel ve düşük kaliteli metinler veri kümesine dahil edilmedi. Böylece eğitilecek modellerin daha güvenilir, daha tutarlı ve Türkçeye uygun yanıtlar üretmesi amaçlanıyor.
Türkçe Atlas'ın açık kaynak olarak paylaşılmasıyla birlikte bireysel geliştiriciler, akademisyenler ve teknoloji şirketleri aynı veri kümesinden yararlanabilecek. Projenin, Türkçe odaklı yapay zekâ modellerinin gelişimine katkı sağlaması ve yerli teknoloji ekosisteminin güçlenmesine destek olması bekleniyor.