الذكاء الاصطناعي التوليدي ليس حكماً بالإعدام على اللغات المهددة بالانقراض

وفقًا لليونسكو، قد تنقرض حتى نصف اللغات بحلول عام 2100. يقول العديد من الناس إن الذكاء الاصطناعي التوليدي يساهم في هذا العملية.

لم يبدأ انخفاض التنوع اللغوي مع الذكاء الاصطناعي – أو الإنترنت. لكن الذكاء الاصطناعي يتمتع بموقع يسمح له بتسريع زوال اللغات الأصلية واللغات منخفضة الموارد.

لا تتوفر الموارد الكافية لتدريب نماذج الذكاء الاصطناعي على معظم اللغات البالغ عددها 7000 لغة في العالم – ولا تتوفر الكتابة حتى للعديد منها. وهذا يعني أن لغات قليلة فقط تحظى بالسيطرة على مخزون البيانات القابل للاستخدام لتدريب نماذج الذكاء الاصطناعي، في حين أن معظم اللغات الأخرى معرضة للخطر ويمكن أن تختفي تمامًا.

السبب البسيط هو أن معظم بيانات التدريب المتاحة للذكاء الاصطناعي تكون باللغة الإنجليزية. الإنجليزية هي المحرك الرئيسي لنماذج اللغة الكبيرة (LLM)، وأشخاص الذين يتحدثون لغات أقل شيوعًا يجدون أنفسهم غير ممثّلين في تكنولوجيا الذكاء الاصطناعي.

هãy xem xét إحصائيات التالية من المنتدى الاقتصادي العالمي:

• ثلثي جميع المواقع الإلكترونية باللغة الإنجليزية.
• معظم البيانات التي يتعلم منها الذكاء الاصطناعي التوليدي مأخوذة من الإنترنت.
• أقل من 20٪ من سكان العالم يتحدثون الإنجليزية.

随着 أصبح الذكاء الاصطناعي أكثر اندماجًا في حياتنا اليومية، يجب أن نفكر جميعًا في مساواة اللغة. الذكاء الاصطناعي لديه إمكانات غير مسبوقة لحل المشكلات على نطاق واسع، ولا ينبغي أن تقتصر وعودته على العالم الناطق باللغة الإنجليزية. الذكاء الاصطناعي يخلق وسائل راحة وأدوات تحسين الحياة الشخصية والمهنية للأشخاص في الدول الغنية المتقدمة.

يتعود متحدثو اللغات منخفضة الموارد على العثور على نقص في التمثيل في التكنولوجيا – من عدم العثور على مواقع إلكترونية بلغةهم إلى عدم تمييز لهجتهم بواسطة سيري. النص المتاح لتدريب الذكاء الاصطناعي على اللغات الأقل موارد هو منخفض الجودة (مترجم بضمنه بدقة مشكوك فيها) وضيق النطاق.

كيف يمكن للمجتمع ضمان عدم ترك اللغات منخفضة الموارد خارج معادلة الذكاء الاصطناعي؟ كيف يمكننا ضمان أن اللغة ليست حاجزًا لوعود الذكاء الاصطناعي؟

في محاولة لتحقيق شمولية اللغة، أطلقت بعض الشركات التكنولوجية الكبيرة مبادرات لتدريب نماذج لغة متعددة اللغات ضخمة (MLM). على سبيل المثال، تعهدت Microsoft (MSFT ) Translate بدعم “كل لغة، في كل مكان”. كما وعدت Meta بوعدها “لا تترك لغة وراءها”. هذه هي مبادرات محمدة، ولكن هل هي واقعية؟

السعي نحو نموذج واحد يتعامل مع كل لغة في العالم يفضل المتعلمين لأن هناك مجالات أكبر من البيانات من اللغات الرئيسية في العالم. عندما ن开始 التعامل مع لغات منخفضة الموارد واللغات ذات النصوص غير اللاتينية، يصبح تدريب نماذج الذكاء الاصطناعي أكثر صعوبة وتأخيرًا – وأكثر تكلفة. افكر في ذلك كضريبة غير مقصودة على اللغات غير الممثلة.

تقدمات في تكنولوجيا الكلام

تُدرّب نماذج الذكاء الاصطناعي بشكل كبير على النص، مما يفضل بشكل طبيعي اللغات التي تحتوي على مخازن أعمق من المحتوى النصي. سيكون التنوع اللغوي مدعومًا بشكل أفضل بنظم لا تعتمد على النص. كانت التفاعلات البشرية في وقت ما تعتمد على الكلام فقط، ولا يزال العديد من الثقافات يحافظ على هذا التركيز الشفوي. لتوفير خدمة أفضل للجمهور العالمي، يجب على صناعة الذكاء الاصطناعي أن تتطور من البيانات النصية إلى بيانات الكلام.

تحقق البحث تقدمًا كبيرًا في تكنولوجيا الكلام، لكنه لا يزال متأخرًا عن التكنولوجيا القائمة على النص. يتقدم البحث في معالجة الكلام، لكن تكنولوجيا الترجمة المباشرة من الكلام إلى الكلام لا تزال بعيدة عن النضج. الواقع هو أن الصناعة تميل إلى التحرك بحذر، ولا تتحرك إلا عندما تتقدم التكنولوجيا إلى مستوى معين.

تستخدم منصة GlobalLink Live الجديدة من TransPerfect أشكالًا أكثر نضجًا لتكنولوجيا الكلام – التعرف التلقائي على الكلام (ASR) والكلام إلى النص (TTS) – مرة أخرى، بسبب أن أنظمة الترجمة المباشرة من الكلام إلى الكلام ليست ناضجة بما يكفي في هذه المرحلة. ومع ذلك، فرقنا البحثية تستعد لليوم الذي تكون فيه أنابيب الترجمة الكاملة من الكلام إلى الكلام جاهزة للعمل.

تعد نماذج الترجمة من الكلام إلى الكلام واعدة للغاية في الحفاظ على اللغات الشفوية. في عام 2022، أعلنت Meta عن أول نظام ترجمة تلقائي من الكلام إلى الكلام مدعوم بالذكاء الاصطناعي للغة الهوكين، وهي لغة شفوية في الغالب يتحدثها حوالي 46 مليون شخص في الشتات الصيني. إنه جزء من مشروع Meta للترجمة الشفوية الشاملة، الذي يطور نماذج ذكاء اصطناعي جديدة يأمل أن تمكن الترجمة الشفوية الفورية عبر العديد من اللغات. اخترت Meta إتاحة نماذج الترجمة الهوكين و مجموعات البيانات التقييمية والأوراق البحثية مفتوحة المصدر حتى يتمكن الآخرون من إعادة إنتاجها وبناء عليها.

التعلم بأقل

حقيقة أننا كمجتمع عالمي ن 缺 الموارد حول لغات معينة ليست حكماً بالإعدام على تلك اللغات. هذا هو المكان الذي تتمتع فيه نماذج اللغة المتعددة بالفائدة، حيث تتعلم اللغات من بعضها البعض. جميع اللغات تتبع أنماطًا. بسبب نقل المعرفة بين اللغات، تقل الحاجة إلى بيانات التدريب.

افترض أن لديك نموذجًا يتعلم 90 لغة وتريد إضافة لغة الإينويت (مجموعة من اللغات الأصلية في أمريكا الشمالية). بسبب نقل المعرفة، ستحتاج إلى بيانات إينويت أقل. نحن نجد طرقًا للتعلم بأقل. كمية البيانات المطلوبة لتعديل المحركات أقل.

أنا متفائل بمستقبل أكثر شمولية للذكاء الاصطناعي. لا أعتقد أننا معرضون لمشاهدة اختفاء أعداد كبيرة من اللغات – ولا أعتقد أن الذكاء الاصطناعي ستبقى مجالًا للعالم الناطق باللغة الإنجليزية. بالفعل، نشهد زيادة في الوعي حول قضية مساواة اللغة. من جمع بيانات أكثر تنوعًا إلى بناء نماذج لغة محددة، نحن ننجح.

هãy xem xét لغة الفون، وهي لغة يتحدثها حوالي 4 ملايين شخص في بنين والبلدان الأفريقية المجاورة. لم يكن يوجد منذ فترة طويلة نموذج ذكاء اصطناعي شائع وصف لغة الفون بأنها لغة خيالية. كان عالم الحاسوب بونافينتور دوسو، الذي تتحدث أمه لغة الفون، معتادًا على هذا النوع من الاستبعاد. دوسو، الذي يتحدث الفرنسية، نشأ بدون برنامج ترجمة لمساعدته على التواصل مع أمه. اليوم، يمكنه التواصل مع أمه بفضل مترجم الفون-الفرنسية الذي بناه بدقة. اليوم، هناك أيضًا نسخة مبكرة من ويكيبيديا الفون.

في محاولة لاستخدام التكنولوجيا للحفاظ على اللغات، أطلق الفنان التركي ريفيك أنادول مشروعًا لإنشاء أداة ذكاء اصطناعي مفتوحة المصدر للشعوب الأصلية. في قمة المنتدى الاقتصادي العالمي، سأل: “كيف يمكننا على الأرض إنشاء ذكاء اصطناعي لا يعرف الإنسانية كلها؟” لا يمكننا ذلك، ولا سنفعل.