{"id":1162,"date":"2024-12-19T10:09:58","date_gmt":"2024-12-19T09:09:58","guid":{"rendered":"https:\/\/www.cjvt.si\/llm4dh\/?page_id=1162"},"modified":"2025-05-14T10:53:21","modified_gmt":"2025-05-14T08:53:21","slug":"cilj-3","status":"publish","type":"page","link":"https:\/\/www.cjvt.si\/llm4dh\/projektni-sklopi\/projektni-sklop-3\/","title":{"rendered":"Izziv 3: Veliki jezikovni modeli za govorjeni jezik"},"content":{"rendered":"

Izziv 3: Veliki jezikovni modeli za govorjeni jezik<\/strong><\/h1>\n<\/div><\/section><\/div>\n

Veliki jezikovni modeli so zelo odvisni od podatkov. Pri rabi jezika obstajajo precej\u0161nje razlike med razli\u010dnimi vrstami diskurza. Ve\u010dina jezikovnih podatkov izhaja iz pisnih virov. Obse\u017eni viri govorjenih podatkov, \u010de so sploh dostopni za raziskave, so obi\u010dajno v lasti razli\u010dnih podjetij ali institucij in so le redko na voljo raziskovalni skupnosti. Vendar pa se ti podatki, tudi \u010de so javno dostopni, bistveno razlikujejo od govora, ki se uporablja v vsakdanjih pogovorih. Zna\u010dilnosti, kot so ohlapnej\u0161e stav\u010dne strukture, prekinjanje, motnje, molk, popravki, ponavljanja, napa\u010dna izgovorjava, pojasnjevanje, pritrjevanje, konflikti, \u017ealjivke in \u017eargon (Yeomans idr., 2023), ponazarjajo povr\u0161inske posebnosti pogovora in ka\u017eejo, da ima raziskovanje takih podatkov velik potencial vpliva na jezikovne raziskave (Love idr. 2014) ter predstavlja pomemben izziv za umetno inteligenco (Wahlster 2023). Pri tem izzivu \u017eelimo z najnovej\u0161imi metodologijami zbiranja, filtriranja, avtomatskega transkribiranja in pragmati\u010dne obdelave govornih podatkov s pomo\u010djo velikih jezikovnih modelov dose\u010di napredek v govornih tehnologijah in z njimi povezanih raziskavah.<\/p>\n<\/div><\/section><\/div>\n<\/div><\/div><\/div><\/div><\/div>

Aktivnost 3.1<\/span><\/span><\/span><\/span><\/a>Aktivnost 3.2<\/span><\/span><\/span><\/span><\/a>Aktivnost 3.3<\/span><\/span><\/span><\/span><\/a>Aktivnost 3.4<\/span><\/span><\/span><\/span><\/a>Letna poro\u010dila<\/span><\/span><\/span><\/span><\/a><\/div>
<\/span><\/span>\n

Aktivnost <\/em><\/strong>3.1: U\u010dinkovito zbiranje podatkov o govorjenem jeziku<\/em><\/strong><\/h3>\n<\/div><\/section>
\n
\n
\n

Na voljo je nekaj podatkov o pogovornem jeziku v sloven\u0161\u010dini (Verdonik et al. 2024), vendar ne zado\u0161\u010dajo za trenutne potrebe (Love et al. 2017). Zato je razvoj sodobne in trajnostne re\u0161itve za zbiranje podatkov o pogovornem jeziku prvi izziv, s katerim se bomo ukvarjali. Zbiranje podatkov o govornem jeziku na daljavo je nujno za pridobivanje geografsko razpr\u0161enih podatkov, zlasti za jezike, ki niso angle\u0161\u010dina (Parent in Esk\u00e9nazi, 2011). Vendar pa je glavni izziv motiviranje dr\u017eavljanov za darovanje posnetkov govora. Razumevanju motivacije dr\u017eavljanov za prispevanje podatkov o govoru ali njihovemu odnosu do tehnologij, ki temeljijo na velikih jezikovnih modelih, je bilo namenjene malo pozornosti. Na\u0161 cilj je raziskati stali\u0161\u010da dr\u017eavljanov do tehnologij velikih jezikovnih modelov, ki temeljijo na govoru, ugotoviti njihove motive in vzpostaviti u\u010dinkovit spletni pristop za trajnostno zbiranje govornih podatkov.<\/p>\n

Uporabili bomo uspe\u0161ni platformi za mno\u017ei\u010dno zbiranje podatkov, Games-With-A-Purpose (GWAP) in Collect4NLP, ter oblikovali spletni vmesnik za zbiranje posnetkov govora, pri \u010demer bomo upo\u0161tevali ekonomske, eti\u010dne in pravne vidike ter hkrati poenostavili in avtomatizirali zbiranje metapodatkov. Nadalje bomo raziskali stali\u0161\u010da uporabnikov o tehnologijah velikih jezikovnih modelih, ki podpirajo govor, in preu\u010dili strategije za motiviranje govorcev, da prispevajo v govorne zbirke podatkov, npr. ozave\u0161\u010danje o pomenu zaupanja in zasebnosti. Uporabili bomo teorijo samoodlo\u010danja, da bi poudarili vlogo notranjih motivacij, kot so prispevanje k znanstvenim raziskavam, ohranjanje jezikovne dedi\u0161\u010dine in dru\u017ebena povezanost. Zbrani posnetki, ro\u010dne transkripcije in ve\u010dreferen\u010da transkripcija primerjalnega dela podatkov bodo javno objavljeni.<\/p>\n<\/div>\n

<\/div>\n<\/section>\n
\n
<\/div>\n<\/section>\n<\/div><\/section>
\n