ALIAren lehen hizkuntza ereduak. Honen helburua adimen artifizialaren (AI) garapena sustatzea da, baliabideak guztion eskura jarriz gaztelaniaz eta hizkuntza koofizialetan (katalanez eta valentzieraz, euskaraz eta galegoz).

Ideia da banakako erabiltzaileek eta enpresek baliabide horiek erabil ditzaketela ikerketak egiteko edo beren AI produktuak garatzeko, nahiz eta teknologia hori erakunde publiko batzuetan ere amaituko den. Izan ere, ALIA aktibatzearekin batera, bi proiektu pilotu abian jarri dira: Zerga Agentziaren lana erraztuko duela agintzen duen barne chatbot bat, eta lehen mailako arretako medikuntzari zuzendutako irtenbidea, «diagnostiko goiztiarra eta zehatzagoa» ahalbidetuko duena. «Bihotz-gutxiegitasunaz jakin behar dut».

ALIA guztion eskura dago jada, Adimen Artifizialaren Gainbegiratze Espainiako Agentziak (AESIA) egiaztatuta. Hizkuntza-ereduen kasuan, hauek Bartzelonako Superkonputazio Zentroaren azpiegituraren zati bat erabiliz prestatu dira, zehazki MareNostrum 5 superordenagailua, 2023az geroztik martxan dagoen Espainiaren asmo zientifikorako funtsezko pieza eta kostua baino gehiagokoa izan dena. 200 milioi euro.

Jarraian eskuragarri dauden ereduak daude:

• ALIA-40B: 40.000 milioi parametrorekin trebatutako hizkuntza eredu handia, hutsetik trebatua 9,2 bilioi tokenekin. 36 hizkuntza ulertzen ditu.
• Salamandra-7b: 7.000 milioi parametro dituen hizkuntza eredu handia, hutsetik trebatua 7,8 bilioi tokenekin. 36 hizkuntza ulertzen ditu.
• Salamandra-7b-instruct: hainbat corpus irekitatik bildutako ingelesez, gaztelaniaz eta katalanez 276 mila argibiderekin trebatutako hizkuntza eredu handia.
• Salamandra-2b: 2.000 milioi parametroko hizkuntza eredu handia, hutsetik trebatua 7,8 bilioi tokenekin. 35 hizkuntza ulertzen ditu.
• Salamandra-2b-instruct: hizkuntza eredu handia ingelesez, gaztelaniaz eta katalanez 276 mila argibiderekin bildutako hainbat corpus irekitatik.

Hainbat iturri erabili dira. Common Crawl, GitHub, Wikimedia (Wikimedia, Wikipedia, Wikibooks, Wikinews, Wikiquote, Wikisource eta Wikivoyag), EurLex-eko datuak, besteak beste.