Mazkur loyiha 2025-yil 21-oktyabr kuni Prezident Şavkat Mirziyoyev raisligida ötkazilgan videoselektor yiğilişida berilgan topşiriq ijrosi doirasida amalga oşirildi. Öşanda davlat rahbari sunʼiy intellekt dasturlari samarali işlaşi uçun, avvalo, özbek tilini mukammal tuşunişi zarurligini taʼkidlab, özbek tili korpusini yaratiş vazifasini belgilagan edi.

Yangi korpus özbek tilining lotin va kirill yozuvlaridagi matnlarni qamrab olgan. Undan skanerlangan kitoblar, gazeta va arxiv materiallari, qonunçilik hujjatlari, Vikipediya maqolalari, veb-sahifalar hamda oçiq Telegram postlari örin olgan.

Töplangan maʼlumotlar maxsus qayta işlanib, sifat körsatkiçlari böyiça saralangan va soha hamda mavzular kesimida tasniflangan. Şuningdek, şaxsiy maʼlumotlar xavfsizligini taʼminlaş maqsadida ular [PHONE], [NAME] kabi maxsus belgilar bilan almaştirilgan.

Loyihaning asosiy maqsadi özbek tilidagi raqamli maʼlumotlar bazasini kengaytiriş, sunʼiy intellekt modellarining milliy tilni tuşuniş, qayta işlaş va özbek tilida sifatli matnlar yaratiş imkoniyatlarini oşirişdan iborat.

Ayni paytda Raqamli texnologiyalar vazirligi mazkur korpusni yetakçi katta til modellari (LLM) işlab çiquvçilariga taqdim etiş böyiça iş olib bormoqda. Jumladan, Qwen modeli bilan hamkorlikdagi işlar boşlangan.

Mutaxassislar uçun oçiq taqdim etilgan uşbu maʼlumotlar bazasi kelgusida özbek tilida işlaydigan sunʼiy intellekt yeçimlarini rivojlantiriş, milliy tilning raqamli muhitdagi imkoniyatlarini kengaytirişga xizmat qilişi kutilmoqda.

Özbek tili korpusi bilan quyidagi havola orqali tanişiş mumkin:

Hugging Face — Uzbek Language Corpus