Dette er noe blant annet forskningsgruppen for språkteknologi ved Universitetet i Oslo Language Technology Group  har jobbet med sist tiden. Forskningsgruppen har fått tilgang til å bruke Europas kraftigste datamaskin , den såkalte LUMI i Finland.

Her vil forskningsgruppen kunne trene store språkmodeller med norsk datamateriale . Erik Valldal i forskningsgruppen forteller at Nasjonalbiblioteket og Universitetet i Oslo har tilgjengeliggjort flere norske språkmodeller tidligere, men dette er de største språkmodellene forskningsgruppen har laget så langt. Språkmodellene er trent på over 30 milliarder ord forteller Velldal.

– Norsk utgjør bare en promille av språkmengden Chat GPT er trent på, det er heller ikke fullt kunngjort hvilke data modellen er trent på. Det er problematisk på flere måter, sier Erik Velldal fra forskningsgruppen for språkteknologi på Institutt for informatikk ved Universitetet i Oslo.

Denne saken ble først publisert og omtalt på forskning.no