ADAMo

Scopul proiectului ADAMo este de a dezvolta un clasificator de texte capabil să identifice conținutul generat de inteligența artificială (IA). Deși vor fi utilizate trăsături lingvistice specifice limbii, soluția finală va fi una independentă de limbă. Având în vedere existența unor resurse similare în alte limbi, noile modele neuronale pot fi antrenate pentru a detecta texte generate de IA și în alte limbi.

Vom folosi corpusul reprezentativ al limbii române contemporane (CoRoLa), care conține peste 1 miliard de cuvinte (din texte scrise și vorbite), ca sursă principală de date pentru antrenarea clasificatorului. Pentru a reflecta varietățile lingvistice din România și Republica Moldova, CoRoLa va fi extins cu cel puțin 15 milioane de tokeni proveniți din texte de înaltă calitate din Republica Moldova, cu drepturi de autor clarificate, respectând principiile originale de selecție a datelor, structurarea metadatelor și nivelurile de adnotare. Întregul corpus va fi procesat și cu un parser sintactic, pentru a surprinde asemănările și diferențele de la mai multe niveluri lingvistice, devenind astfel o resursă valoroasă pentru studiul celor două varietăți ale limbii române.