Το τοπίο της τεχνητής νοημοσύνης παραμένει, το 2026, σε μεγάλο βαθμό μονόγλωσσο. Περίπου το 90% των γλωσσικών μονάδων (tokens) που τροφοδοτούν την εκπαίδευση των δημοφιλών μεγάλων γλωσσικών μοντέλων (LLM) προέρχεται από αγγλικά κείμενα. Το αποτέλεσμα είναι διπλό: αφενός τα μοντέλα υστερούν σε άλλες γλώσσες, αφετέρου περιθωριοποιούνται όσοι δεν μιλούν αγγλικά — ένα ζήτημα ιδιαίτερα κρίσιμο για πολύγλωσσα περιβάλλοντα όπως η Ευρωπαϊκή Ένωση.
Πέρα από τη γλωσσική διάσταση, υπάρχει και η εξάρτηση από ιδιόκτητα (proprietary) μοντέλα, τα οποία αναπτύσσονται ως επί το πλείστον εκτός Ευρώπης. Οι κλειστές λύσεις καλύπτουν έως και το 80% της χρήσης, παρότι η έρευνα δείχνει ότι οι ανοιχτές εναλλακτικές φτάνουν το 90% της απόδοσής τους ήδη από την πρώτη κυκλοφορία τους και καλύπτουν γρήγορα την υπόλοιπη διαφορά. Τεχνικές όπως το Retrieval-Augmented Generation (RAG) και η εξειδίκευση (fine-tuning) περιορίζουν ακόμη περισσότερο αυτή την απόσταση. Η εξάρτηση, μάλιστα, από κλειστά μοντέλα έχει και σημαντικό οικονομικό κόστος, καθώς κοστίζουν κατά μέσο όρο έξι φορές περισσότερο από τα ανοιχτά αντίστοιχά τους.
Μέσα σε αυτό το πλαίσιο —και με δεδομένη τη γλωσσική πρόκληση που βιώνει έντονα η Ισπανία, όπου συνυπάρχουν τέσσερις συνεπίσημες γλώσσες με τα ισπανικά— η Ισπανική Κυβέρνηση προχώρησε στην ανάπτυξη της ALIA, μιας δημόσιας υποδομής ΤΝ που υλοποιήθηκε στο πλαίσιο της Εθνικής Στρατηγικής για την Τεχνητή Νοημοσύνη (ENIA) 2024.
Η πρωτοβουλία ευθυγραμμίζεται με τους στόχους της Ψηφιακής Δεκαετίας 2030 της ΕΕ και με το πρόσφατο Ευρωπαϊκό Πακέτο Τεχνολογικής Κυριαρχίας (European Tech Sovereignty Package), το οποίο αναδεικνύει το ανοιχτό λογισμικό σε βασικό μοχλό για διαφανή και κυρίαρχα ψηφιακά οικοσυστήματα.
Τι είναι η ALIA
Η ALIA είναι μια ολοκληρωμένη, δημόσια χρηματοδοτούμενη υποδομή ΤΝ, που λειτουργεί ως θεμελιώδες ψηφιακό δημόσιο αγαθό. Ο σκοπός της είναι διττός: αφενός να προσφέρει μια δημόσια υποδομή πόρων ΤΝ, όπως ανοιχτά LLM, και αφετέρου να προωθήσει τα ισπανικά και τις συνεπίσημες γλώσσες της Ισπανίας στην ανάπτυξη και τη χρήση της ΤΝ σε παγκόσμιο επίπεδο.
Στον πυρήνα του, το έργο περιστρέφεται γύρω από τη δημιουργία θεμελιωδών και πολυτροπικών μοντέλων ΤΝ ανοιχτού κώδικα, με δυνατότητες κειμένου, φωνής και εικόνας. Τα μοντέλα υποστηρίζονται από το ALIA Kit, έναν ειδικό ψηφιακό χώρο που συγκεντρώνει την τεχνική τεκμηρίωση, τις επιδεικτικές εφαρμογές, τα σύνολα δεδομένων εκπαίδευσης και το υλικό ενσωμάτωσης. Το ALIA Kit λειτουργεί ως το «επίπεδο πρόσβασης», βοηθώντας προγραμματιστές, χρήστες και διαχειριστές να κατανοήσουν, να προσαρμόσουν και να επαναχρησιμοποιήσουν τους διαθέσιμους πόρους.
Στην πράξη, η ALIA παρέχει πλήρη δικαιώματα πρόσβασης στα βάρη (weights) των μοντέλων υπό την άδεια Apache 2.0, μαζί με τα δημόσια διαθέσιμα scripts εκπαίδευσης και τα αρχεία παραμετροποίησης υπό τους ίδιους όρους. Έτσι, δημόσιες διοικήσεις, επιχειρήσεις, πανεπιστήμια και η κοινωνία των πολιτών μπορούν εξίσου να χρησιμοποιούν, να τροποποιούν και να αναδιανέμουν τα μοντέλα.
Ωστόσο, ενώ οι δομικές συνιστώσες των μοντέλων είναι ενιαία ανοιχτές, τα ίδια τα δεδομένα εκπαίδευσης διέπονται από ένα μωσαϊκό αδειών, ανάλογα με την πηγή: σύνολα δημόσιου τομέα όπως το CC0 Common Crawl, αποθετήρια GitHub υπό τις αρχικές τους άδειες, περιεχόμενο Wikimedia υπό CC BY-SA 4.0, EurLex υπό CC BY 4.0, καθώς και άλλα corpora που αποκτήθηκαν με ειδικές άδειες ή νομικές συμφωνίες. Πρακτικά, αυτό σημαίνει ότι τα μοντέλα και ο κώδικας προσφέρουν μια ελεύθερη βάση για προσαρμογή και εγκατάσταση, ενώ τα υποκείμενα δεδομένα απαιτούν αξιολόγηση κατά περίπτωση.
Σημείωση για τον «ανοιχτό» χαρακτήρα: Σύμφωνα με το G7 Vision on AI Openness, η ALIA κατατάσσεται κυρίως στο επίπεδο «Open Source AI» του φάσματος ανοιχτότητας: τα βάρη, ο κώδικας εγκατάστασης και ο κώδικας εκπαίδευσης διατίθενται υπό την άδεια Apache 2.0, ενώ τα δεδομένα εκπαίδευσης διέπονται από συνδυασμό αδειών. Η διάκριση αυτή είναι χρήσιμο να λαμβάνεται υπόψη κάθε φορά που η ALIA χαρακτηρίζεται «ανοιχτή».
Τα βασικά μοντέλα της ALIA
Το γνωστότερο μοντέλο του οικοσυστήματος είναι το ALIA-40B, ένα μεσαίου μεγέθους, πολύγλωσσο θεμελιώδες μοντέλο με 40 δισεκατομμύρια παραμέτρους. Το Barcelona Supercomputing Centre (BSC) το περιγράφει ως ένα από τα πιο εξελιγμένα δημόσια πολύγλωσσα θεμελιώδη μοντέλα της Ευρώπης μέχρι σήμερα. Έχει προεκπαιδευτεί σε ένα εκτενές και προσεκτικά επιμελημένο corpus 9,37 τρισεκατομμυρίων tokens, που καλύπτει 35 ευρωπαϊκές γλώσσες και 92 γλώσσες προγραμματισμού — απόδειξη ότι πρόκειται για μια λύση με ισπανική ηγεσία, όχι όμως αποκλειστικά ισπανική.
Tokens και παράμετροι: Τα tokens είναι τα δομικά κομμάτια κειμένου που επεξεργάζεται το μοντέλο κατά την εκπαίδευση· χτίζουν τη θεμελιώδη γνώση και τη συλλογιστική του ικανότητα. Οι παράμετροι, από την άλλη, αποτελούν το εσωτερικό αριθμητικό δίκτυο που αποθηκεύει τα μοτίβα που έχει μάθει το μοντέλο. Η σχέση μεταξύ τους καθορίζει άμεσα τις δυνατότητες και την αποδοτικότητα ενός μοντέλου: ως γενικός κανόνας, η αναλογία tokens προς παραμέτρους κυμαίνεται μεταξύ 10:1 και 20:1 για βέλτιστη ποιότητα συλλογισμού. Το ALIA-40B ακολουθεί μια δεδομενοκεντρική αναλογία 225:1, εκπαιδεύοντας 40 δισ. παραμέτρους σε πάνω από 9 τρισ. tokens — μια στρατηγική που επιτρέπει στη συμπαγή του αρχιτεκτονική να μεγιστοποιεί την ανάκληση γνώσης και να αποδίδει όπως ένα πολύ μεγαλύτερο σύστημα.
Δίπλα στο ALIA-40B, το οικοσύστημα περιλαμβάνει την οικογένεια μοντέλων Salamandra, βελτιστοποιημένη για πρακτική και ευέλικτη εγκατάσταση με χαμηλότερες απαιτήσεις υποδομής. Περιλαμβάνει, μεταξύ άλλων, το SalamandraTA για εργασίες μετάφρασης και το Salamandra-Guard για ασφαλέστερη πολύγλωσση χρήση σε εφαρμογές δημόσιων υπηρεσιών.
Τέλος, το έργο περιλαμβάνει την οικογένεια μοντέλων RoBERTa, η οποία προσφέρει πρόσθετους πολύγλωσσους πόρους για εργασίες κατανόησης γλώσσας και αξιολόγησης. Η ανάπτυξή της εντάσσεται σε μια ευρύτερη γραμμή εργασίας που καλύπτει και τη δημιουργία σωμάτων κειμένων και ένα πλαίσιο αξιολόγησης μοντέλων, ενισχύοντας τον ρόλο της ALIA όχι μόνο ως παρόχου μοντέλων, αλλά και ως υποδομής δοκιμής, σύγκρισης και προσαρμογής.
Τα τεχνικά χαρακτηριστικά
Η επιτυχής ανάπτυξη των μοντέλων στηρίζεται σε δύο πυλώνες: σε ολοκληρωμένα πολύγλωσσα σύνολα δεδομένων και σε υπολογιστική ισχύ υψηλών επιδόσεων. Το έργο αξιοποιεί μεγάλα σώματα κειμένων, όπως το CATalog dataset (περίπου 23 δισ. tokens), αλλά και εξειδικευμένα δίγλωσσα διοικητικά δεδομένα, όπως το corpus ALIA_DOGV. Η επεξεργασία αυτού του όγκου δεδομένων καθίσταται εφικτή χάρη στον υπερυπολογιστή MareNostrum 5 του BSC.
Πέρα από τα δεδομένα και την υποδομή, η πρακτική αξία του οικοσυστήματος εξαρτάται από τις λειτουργίες που καθιστούν τα μοντέλα αξιοποιήσιμα σε πραγματικές συνθήκες. Η πρώτη είναι η agentic ενσωμάτωση: μέσω δυνατοτήτων function-calling, τα μοντέλα συνδέονται απευθείας με εξωτερικά API, βάσεις δεδομένων και διοικητικές ροές εργασίας, τροφοδοτώντας λειτουργικούς ψηφιακούς βοηθούς. Η δεύτερη είναι η προσαρμογή στην εκτέλεση εντολών (instruction-following), που εξασφαλίζει καθημερινή χρηστικότητα, εκπαιδεύοντας τα μοντέλα να ανταποκρίνονται αξιόπιστα σε εξειδικευμένες εργασίες δημόσιας υπηρεσίας, τυποποιημένα έντυπα και ερωτήματα πολιτών.
Περιπτώσεις χρήσης και εφαρμογές
Σύμφωνα με τη SEDIA, οι πρακτικές εφαρμογές της ALIA αναδύονται ενεργά σε πολλαπλά πεδία. Κύριος μοχλός είναι η πρωτοβουλία GobTechLab, η οποία εντοπίζει και δοκιμάζει περίπου 19 περιπτώσεις χρήσης ΤΝ υψηλού αντικτύπου, ειδικά για τον ισπανικό δημόσιο τομέα. Σε τοπικό επίπεδο, η υποδομή τροφοδοτεί βοηθούς παραγωγικής ΤΝ για δήμους, βοηθώντας τους πολίτες να πλοηγηθούν σε σύνθετες διαδικασίες, να λάβουν απαντήσεις σε συνήθη ερωτήματα, να συντάξουν ευκολότερα έγγραφα και να «μεταφράσουν» τη γραφειοκρατική ορολογία σε πιο κατανοητή γλώσσα.
Δύο εμβληματικές πρωτοβουλίες αναδεικνύουν την ευελιξία του οικοσυστήματος σε κρίσιμους τομείς:
- Φορολογία και τελωνεία: μέσω της πρωτοβουλίας Hacienda διερευνώνται προηγμένα εργαλεία, χτισμένα πάνω στην ALIA, για τη βελτιστοποίηση εσωτερικών διοικητικών ροών και την αναβάθμιση της εξυπηρέτησης των φορολογουμένων.
- Υγεία: η πρωτοβουλία Cardiomentor προσαρμόζει τις δυνατότητες της ALIA για να υποστηρίξει επαγγελματίες πρωτοβάθμιας φροντίδας, προσφέροντάς τους έξυπνη υποστήριξη στην έγκαιρη ανίχνευση της καρδιακής ανεπάρκειας.
Ανάπτυξη, διακυβέρνηση και χρηματοδότηση
Η ALIA λειτουργεί μέσω ενός συνεργατικού μοντέλου που φέρνει κοντά δημόσιους φορείς, ερευνητικά κέντρα και τεχνικούς εμπειρογνώμονες.
Η θεσμική διακυβέρνηση και ο στρατηγικός προσανατολισμός ασκούνται από την Ισπανική Κυβέρνηση, μέσω του Υπουργείου Ψηφιακού Μετασχηματισμού και Δημόσιας Διοίκησης και, ειδικότερα, της Κρατικής Γραμματείας Ψηφιοποίησης και Τεχνητής Νοημοσύνης (SEDIA). Η SEDIA παρέχει την οικονομική εποπτεία και το πλαίσιο δημόσιας πολιτικής, στηρίζοντας τον στόχο της δημιουργίας κυρίαρχων, ανοιχτών και επαναχρησιμοποιήσιμων πόρων ΤΝ. Για τη διασφάλιση της υπεύθυνης χρήσης, η Ισπανική Υπηρεσία Εποπτείας της Τεχνητής Νοημοσύνης (AESIA) —ο πρώτος αποκλειστικός εθνικός επόπτης ΤΝ στην Ευρώπη— φροντίζει ώστε η ALIA να εναρμονίζεται με τα αναδυόμενα κανονιστικά πλαίσια και τις δεοντολογικές κατευθύνσεις, και να συμμορφώνεται με τον Ευρωπαϊκό Κανονισμό για την ΤΝ (EU AI Act).
Η τεχνική υλοποίηση του έργου συντονίζεται από το Barcelona Supercomputing Centre, μέσω ενός δικτύου ερευνητών και ειδικών στις γλωσσικές τεχνολογίες. Πέρα από την πρόσβαση σε υποδομές υπολογιστικής υψηλών επιδόσεων, το BSC συνεισφέρει βαθιά ερευνητική τεχνογνωσία και διαχειρίζεται κρίσιμες τεχνικές διεργασίες, όπως η ανάπτυξη, η συντήρηση, η τεκμηρίωση και η δημοσίευση των μοντέλων, των εργαλείων και των συναφών πόρων.
Η χρηματοδότηση στηρίζεται σε ένα δημόσιο μοντέλο που συνδυάζει εθνικούς πόρους και ευρωπαϊκά χρηματοδοτικά εργαλεία, κυρίως το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης (ΕΤΠΑ). Η φάση ανάπτυξης έλαβε χρηματοδότηση περίπου 10 εκατ. ευρώ, καλύπτοντας τις στρατηγικές γραμμές δράσης του Μοχλού 3 της ENIA. Ο προϋπολογισμός στηρίζει τη δημιουργία της δημόσιας υποδομής ΤΝ —περιλαμβανομένης της ανάπτυξης και εκπαίδευσης των μοντέλων— και επιτρέπει στην Ισπανική Κυβέρνηση και στο BSC να εξασφαλίσουν τη μακροπρόθεσμη λειτουργία, συντήρηση και εξέλιξη του οικοσυστήματος.
Το μέλλον της ALIA
Η τρέχουσα φάση του έργου ολοκληρώθηκε στο τέλος Ιουνίου 2026, ενώ η επόμενη βρίσκεται υπό σχεδιασμό. Στο εξής, το έργο αναμένεται να συνεχίσει να εστιάζει στην ανάπτυξη ανοιχτών, κυρίαρχων και επαναχρησιμοποιήσιμων πόρων ΤΝ, με απώτερο στόχο μια υποδομή που ενισχύει το ευρύτερο ευρωπαϊκό οικοσύστημα ΤΝ. Αυτό περιλαμβάνει νέα μοντέλα, βελτιωμένα εργαλεία, ποιοτικότερα σύνολα δεδομένων και ενισχυμένες δυνατότητες αξιολόγησης, με τελικό ζητούμενο την παροχή αποτελεσματικών και αποδοτικών υπηρεσιών προς τις ευρωπαϊκές δημόσιες διοικήσεις και τους υπόλοιπους χρήστες.
Οφέλη και προκλήσεις
Σύμφωνα με τη SEDIA, η βασική αξία της ALIA έγκειται ακριβώς στη συμβολή της σε μια κοινή ευρωπαϊκή υποδομή ΤΝ. Προσφέροντας ένα ολοκληρωμένο οικοσύστημα —επιμελημένα δεδομένα, υπολογιστική ισχύ, ανοιχτά μοντέλα, πλαίσια αξιολόγησης και εξειδικευμένη τεχνογνωσία— η πρωτοβουλία δίνει σε δημόσιες διοικήσεις, επιχειρήσεις (συμπεριλαμβανομένων ΜΜΕ και νεοφυών) και ερευνητές μια επαναχρησιμοποιήσιμη βάση για την ανάπτυξη κυρίαρχων υπηρεσιών με βάση την ΤΝ. Έτσι, η ALIA μπορεί να συμβάλει στη μείωση της εξάρτησης από ιδιόκτητες και μη ευρωπαϊκές λύσεις και να προωθήσει πόρους ΤΝ σχεδιασμένους γύρω από τη διαφάνεια, τον δημόσιο έλεγχο και τη βαθιά ενσωμάτωση της περιφερειακής γλωσσικής και πολιτισμικής κληρονομιάς.
Ταυτόχρονα, η ALIA αντιμετωπίζει αρκετές προκλήσεις:
- Διαχείριση των προσδοκιών: η υπολογιστική κλίμακα και οι γενικού σκοπού δυνατότητες της ALIA δεν φτάνουν ακόμη εκείνες των μεγαλύτερων εμπορικών μοντέλων αιχμής («frontier»). Απαιτείται, επομένως, σαφής επικοινωνία για τις περιπτώσεις χρήσης στις οποίες η υποδομή είναι σήμερα καταλληλότερη.
- Διακυβέρνηση δεδομένων: η διαχείριση του πλήρους κύκλου ζωής των δεδομένων παραμένει σύνθετη, ιδίως όσον αφορά την ισορροπία μεταξύ ποιότητας, όρων αδειοδότησης και αντιπροσωπευτικότητας των διαφορετικών γλωσσών και πεδίων.
- Δημόσια εμπιστοσύνη και επικοινωνία: η ενεργός συμμετοχή του κοινού είναι απαραίτητη ώστε οι πολίτες να κατανοούν με σαφήνεια γιατί αναπτύσσεται δημόσια υποδομή ΤΝ, πώς διακυβερνάται και ποιες δικλίδες ασφαλείας διασφαλίζουν την ασφαλή και υπεύθυνη χρήση της.
Οι προκλήσεις αυτές δεν αφορούν αποκλειστικά την ALIA· αντανακλούν ευρύτερα ζητήματα που αντιμετωπίζουν οι δημόσιες και ανοιχτές πρωτοβουλίες ΤΝ, ιδίως όσες επιχειρούν να συνδυάσουν πολύγλωσση κάλυψη, ανοιχτότητα, δημόσιο έλεγχο και πρακτική εφαρμογή. Το έργο διαθέτει τη θεσμική στήριξη, την τεχνική τεχνογνωσία και την πολιτική δυναμική για να τις αντιμετωπίσει σταδιακά. Ο μελλοντικός του αντίκτυπος θα εξαρτηθεί από το πόσο αποτελεσματικά θα συνεχίσει να βελτιώνει τα μοντέλα, τα δεδομένα, τις μεθόδους αξιολόγησης και τους δρόμους υιοθέτησής του.
Πλαίσιο πολιτικής
Για το πλαίσιο πολιτικής του λογισμικού ανοιχτού κώδικα στον ισπανικό δημόσιο τομέα, μπορείτε να συμβουλευτείτε το σχετικό Country Intelligence Report και το αντίστοιχο factsheet στο Knowledge Centre του OSOR. Οι πόροι αυτοί περιλαμβάνουν αναλυτική επισκόπηση των θεσμικών και στρατηγικών παραγόντων, των πολιτικών και νομοθετικών πλαισίων, καθώς και των πρωτοβουλιών ανοιχτού κώδικα στον δημόσιο τομέα της Ισπανίας.
Πηγή άρθρου: https://interoperable-europe.ec.europa.eu/