Avoimet kielimallit vahvistavat Euroopan tekoälykapasiteettia

Hanketta koordinoi Tšekin Univerzita Karlova -yliopiston Jan Hajic, joka johtaa sitä yhdessä AMD Silo AIn Peter Sarlinin kanssa.  Konsortiossa on mukana 20 eurooppalaista johtavaa tutkimuslaitosta, yritystä ja -suurteholaskentakeskusta, jotka rakentavat suorituskykyisistä, monikielisistä, suurista perustakielimalleista koostuvan perheen. Mallit ovat hyödynnettävissä kaupallisiin ja teollisiin käyttötarkoituksiin sekä julkiseen palvelutuotantoon. Läpinäkyvät ja EU-sääntelyä noudattavat avoimen lähdekoodin mallit demokratisoivat korkealaatuisen tekoälyteknologian saatavuutta ja vahvistavat eurooppalaisten yritysten kykyä kilpailla globaaleilla markkinoilla. Lisäksi ne tukevat julkisten organisaatioiden kykyä tuottaa vaikuttavia julkisia palveluja.

Yhtenä EU:n kärkihankkeista OpenEuroLLM tukee Euroopan kilpailukyvyn ja digitaalisen itsemääräämisoikeuden parantamista. Hanke on malliesimerkki siitä, millaisia teknologiainfrastruktuureja eurooppalaisessa tekoälytuotekehityksessä ja -jalostuksessa tarvitaan. Se on myös osoitus avoimuuden, läpinäkyvyyden ja yhteisön osallistumisen merkityksestä ja heijastaa laajasti eurooppalaisten teknologiaekosysteemien tunnustamia arvoja. Malleja kehitetään Euroopan vankassa sääntelykehyksessä, mikä varmistaa eurooppalaisten arvojen ja sääntelyn noudattamisen sekä turvaa teknologista huippuosaamista.

Suomesta konsortioon osallistuvat AMD Silo AI, Turun Yliopiston TurkuNLP-tutkimusryhmä, Helsingin yliopiston kieliteknologian tutkimusryhmä sekä CSC – Tieteen tietotekniikan keskus. Tämä merkittävä suomalaisosallistuminen EUn kärkihankkeeseen osoittaa, että Suomeen on hyvää vauhtia syntymässä kilpailukykyinen tekoälykeskittymä osana eurooppalaista ekosysteemiä. Tämä asema on saavutettu pitkäjänteisellä yhteiskunnan eri siiloja ylittävällä yhteistyöllä: muun muassa AMD Silo AIn ja TurkuNLPn kehittämillä Poro ja Viking kielimalleilla, Helsingin yliopiston kieliteknologian käännösmalleihin liittyvän tutkimuksen sekä CSC:n operoiman yhteiseurooppalaisen supertietokone LUMIn ansiosta. Helsingin ja Turun yliopistot ovat myös aiemmin osallistuneet EU:n rahoittamaan High Performance Language Technology (HPLT) -hankkeeseen, jossa ne ovat kehittäneet yhteistyötään ja asemoineet Suomea eurooppalaisessa ekosysteemissä.

OpenEuroLLM tekee yhteistyötä avoimen lähdekoodin ja avoimen tieteen yhteisöjen, kuten LAIONin, open-sci:n ja OpenML:n kanssa sekä muiden alan asiantuntijoiden kanssa, jotka on koottu hankkeen neuvonantajiksi. OpenEuroLLM varmistaa, että mallit, ohjelmistot, tiedot ja arviointi ovat täysin avoimia ja että niitä voidaan hienosäätää ja ohjeistaa teollisuuden ja julkisen sektorin erityistarpeisiin. Nämä suorituskykyiset monikieliset mallit mahdollistavat sekä kielellisen että kulttuurisen monimuotoisuuden ylläpidon. Näistä huolehtien, eurooppalaiset yritykset voivat kehittää korkealaatuisia tuotteita ja palveluja tekoälyn aikakaudella.

Hankkeelle on myönnetty STEP-hyväksyntämerkki (Strategic Technologies for Europe Platform) ja siinä hyödynnetään konsortiojäsenten aiempien hankkeiden tuomaa kokemusta ja osaamista sekä ennenäkemättömiä suuria korkealaatuista dataa sisältäviä arkistoja. Konsortio aloittaa työnsä 1. helmikuuta 2025 Euroopan komission rahoituksella Digitaalinen Eurooppa -ohjelmasta.

Konsortion kokoonpano

Ylipoistot ja tutkimuslaitokset

Charles University (Institute of Formal and Applied Linguistics), Tšekki (koordinaattori)

Alliance for Language Technologies EDIC (ALT-EDIC), Ranksa

Eindhoven University of Technology, Alankomaat

ELLIS Institute Tübingen, Saksa

Fraunhofer IAIS, Saksa

Lindholmen Science Park (AI Sweden), Ruotsi

University of Helsinki, Suomi

University of Oslo, Norja

University of Turku, Suomi

University of Tübingen (Tübingen AI Center), Saksa

Yritykset

Silo GenAI (AMD Silo AI), Suomi (yhteisjohtaja)

Aleph Alpha Research, Saksa 

Ellamind, Saksa

LightOn, Ranska

Prompsit Language Engineering, Espanja

EuroHPC-keskukset

Barcelona Supercomputing Center, Espanja

Cineca Consorzio Interuniversitario, Italia

CSC, Suomi 

Research Center Juelich, Germany

Surf, Alankomaat

Lisätietoja ja haastattelupyynnöt:

Erika Halonen, AMD Silo AI, erika.halonen@silo.ai, 044 9013 888  

Haastatteluja antavat:

Peter Sarlin, AMD Silo AI

Sampo Pyysalo, TurkuNLP, Turun yliopisto

Jörg Tiedemann, Helsingin yliopisto

Pekka Manninen, CSC – Tieteen tietotekniikan keskus