Rezumat

Scopul proiectului ADAMo este de a crea un clasificator care poate identifica textele produse de inteligența artificială (IA). Chiar dacă vor fi folosite caracteristici specifice limbii, soluția rezultată va fi una independentă de limbă. Având în vedere existența unor resurse similare în alte limbi, noi modele neuronale pot fi antrenate pentru a detecta textele generate de IA în alte limbi. Vom folosi corpusul reprezentativ al limbii române contemporane (CoRoLa), care conține mai mult de 1 miliard de cuvinte (în texte scrise și vorbite) ca date originale pentru antrenarea clasificatorului. Pentru a face față varietăților lingvistice din România și Moldova, CoRoLa va fi îmbogățită cu cel puțin 15 milioane de cuvinte din texte de înaltă calitate, cu drepturi de proprietate intelectuală autorizate, din Moldova. In colectarea de noi date, vor fi urmărite principiile din corpusul original CoRoLa, modul de construcție a metadatelor și nivelurile de adnotare. Întregul corpus va fi, de asemenea, supus unei analize sintactice automate, astfel încât să surprindă asemănări și diferențe la mai multe niveluri lingvistice și, astfel, să fie o resursă valoroasă pentru studiul celor două varietăți lingvistice.