阿布扎比先進(jìn)技術(shù)研究委員會旗下的全球研究中心和應(yīng)用研究支柱部門技術(shù)創(chuàng)新研究所(TII)今天宣布推出NOOR語言處理模型，這是迄今為止全球規(guī)模居首的阿拉伯語自然語言處理(NLP)模型。

TII的高級研究人員和人工智能專家團(tuán)隊與LightOn聯(lián)手，對這個阿拉伯語NLP模型進(jìn)行了改進(jìn)。LightOn是一家專為企業(yè)提供超大規(guī)模機(jī)器智能的技術(shù)公司。NOOR模型能夠執(zhí)行超出語言領(lǐng)域的任務(wù)，可提供覆蓋整個端到端處理管道的高質(zhì)量數(shù)據(jù)，包括大規(guī)模數(shù)據(jù)抓取、過濾和管理。該模型可促進(jìn)超大規(guī)模數(shù)據(jù)的分布式訓(xùn)練和服務(wù)，基于該模型的應(yīng)用具有高效推理能力，并可針對特定領(lǐng)域進(jìn)行模型調(diào)整。

TII和ASPIRE首席執(zhí)行官Ray O. Johnson博士表示：“這一進(jìn)展將大幅提升我們的研究能力和資質(zhì)，并提升阿布扎比和阿聯(lián)酋作為重要研究生態(tài)系統(tǒng)的地位。我們的專家團(tuán)隊再次證明，阿布扎比和阿聯(lián)酋地區(qū)可以取得具有世界影響力的、突破性的研發(fā)成果?！?/p>

TII人工智能跨學(xué)科中心部門主任Ebtesam Almazrouei博士表示：“在自然語言處理領(lǐng)域，大型語言模型不斷涌現(xiàn)。能推出這個擁有100億個參數(shù)的先進(jìn)模型，我們感到很自豪。這是全球規(guī)模居首的阿拉伯語NLP模型。為訓(xùn)練該模型，我們采集了一套獨(dú)一無二的大型阿拉伯語數(shù)據(jù)集。相關(guān)工作歷經(jīng)數(shù)月時間，包括對各種來源數(shù)據(jù)的整理、剔除和過濾。在此特別感謝參與該項目的整個團(tuán)隊，他們使NOOR成為世界各地學(xué)者和企業(yè)首選的阿拉伯語研究模型。”

TII數(shù)字科學(xué)研究中心和人工智能跨學(xué)科中心部門首席研究員Mérouane Debbah教授在發(fā)布會上表示：“通過NOOR，TII利用在大型語言模型方面的專有技術(shù)，擴(kuò)大了現(xiàn)代標(biāo)準(zhǔn)阿拉伯語模型的范圍，以在新一代人工智能研究中建立跨學(xué)科的先進(jìn)專長?！?/p>

NOOR擁有超過300億字的獨(dú)特數(shù)據(jù)集，涵蓋網(wǎng)絡(luò)數(shù)據(jù)、書籍、詩歌、新聞文章和技術(shù)信息等來源，從而打造出全球規(guī)模居首的高質(zhì)量跨領(lǐng)域阿拉伯語數(shù)據(jù)集，并大幅拓寬了該模型的適用范圍。

Ebtesam Almazrouei博士表示，NOOR模型基于流行的Transformer架構(gòu)，僅包含解碼器，結(jié)構(gòu)與GPT-3相似，其設(shè)計旨在處理生成類任務(wù)。經(jīng)過升級的架構(gòu)引入了機(jī)器學(xué)習(xí)領(lǐng)域的最新發(fā)展，包括更好的位置嵌入等改進(jìn)。為確保NOOR大規(guī)模數(shù)據(jù)集的質(zhì)量，TII團(tuán)隊設(shè)計了一個基于機(jī)器學(xué)習(xí)技術(shù)的自動過濾管道。相關(guān)工具可以識別優(yōu)質(zhì)參考文本，并保障模型不受垃圾內(nèi)容污染。

NOOR利用先進(jìn)的3D并行技術(shù)，在配備128個A100 GPU的高性能計算資源上進(jìn)行了訓(xùn)練，該過程采用分布式計算模式，能夠確保有效利用可用的硬件資源。

人工智能跨學(xué)科中心部門主任指出，NOOR只是該部門努力為更廣泛的阿聯(lián)酋人工智能戰(zhàn)略做出貢獻(xiàn)的第一步。

該模型以阿拉伯語中的“光”命名，以體現(xiàn)模型旨在啟迪人類智慧的宗旨。

審核編輯：湯梓紅