Generativní umělá inteligence není rozsudkem smrti pro ohrožené jazyky

Podle UNESCO, až polovina jazyků by mohla být vyhynulá do roku 2100. Mnoho lidí říká, že generativní umělá inteligence přispívá k tomuto procesu.

Úpadek jazykové rozmanitosti nezačal s umělou inteligencí – ani s internetem. Ale umělá inteligence je v pozici urychlit zánik domorodých a jazyků s omezenými zdroji.

Většina ze 7 000 jazyků světa nemá dostatečné zdroje pro výuku modelů umělých inteligencí – a mnohé postrádají i písemnou formu. To znamená, že několik hlavních jazyků dominuje lidskému fondu potenciálních trénovacích dat pro umělou inteligenci, zatímco většina bude zanechána pozadu v revoluci umělých inteligencí – a mohla by úplně zmizet.

Jednoduchý důvod je, že většina dostupných trénovacích dat pro umělou inteligenci je v angličtině. Angličtina je hlavním hnacím motorem velkých jazykových modelů (LLM) a lidé, kteří mluví méně běžnými jazyky, se sami cítí být podreprzentováni v technologii umělých inteligencí.

Vezměte si tyto statistiky ze Světového ekonomického fóra:

• Dvě třetiny všech webových stránek jsou v angličtině.
• Velká část dat, ze kterých se GenAI učí, je získávána ze webu.
• Méně než 20 % světové populace mluví anglicky.

Jak se umělá inteligence stává více součástí našeho každodenního života, měli bychom všichni uvažovat o jazykové rovnosti. Umělá inteligence má nevídaný potenciál pro řešení problémů v měřítku a její slib by neměl být omezen pouze na anglicky mluvící svět. Umělá inteligence vytváří pohodlí a nástroje, které zlepšují osobní a profesní životy lidí v bohatých, rozvinutých zemích.

Mluvilci jazyků s omezenými zdroji jsou zvyklí na to, že nenacházejí dostatečnou reprezentaci v technologii – od absence webových stránek ve svém jazyce až po to, že jejich dialekt není rozpoznán Siri. Velká část textu, který je k dispozici pro výuku umělých inteligencí v jazycích s nižšími zdroji, je špatné kvality (přeložené s pochybnou přesností) a úzkého rozsahu.

Jak může společnost zajistit, aby jazyky s omezenými zdroji nebyly vynechány z rovnice umělých inteligencí? Jak můžeme zajistit, aby jazyk nebyl bariérou pro slib umělých inteligencí?

V rámci úsilí o jazykovou inkluzivitu některé velké technologické hráče mají iniciativy pro výuku obrovských multijazykových jazykových modelů (MLM). Microsoft (MSFT ) Translate, například, se zavázal podporovat „každý jazyk, všude“. A Meta má slib „Žádný jazyk nezůstane pozadu“. Tyto jsou chvályhodné, ale jsou realistické?

Směřování k jednomu modelu, který zvládne každý jazyk na světě, zvýhodňuje ty, kteří mají více zdrojů, protože existuje mnohem více dat z hlavních jazyků světa. Když začneme pracovat s jazyky s omezenými zdroji a jazyky s nelatinskými písmy, výuka modelů umělých inteligencí se stává náročnější, časově náročnější – a dražší. Můžeme to považovat za neúmyslnou daň na jazyky, které jsou podreprzentovány.

Pokroky ve zpracování řeči

Modely umělých inteligencí jsou většinou trénovány na textu, což přirozeně zvýhodňuje jazyky s hlubšími zásobami textového obsahu. Jazyková rozmanitost by byla lépe podporována systémy, které nezávisí na textu. Lidská interakce byla dříve založena pouze na řeči a mnohé kultury si tento ústní přístup zachovávají. Aby umělá inteligence lépe obsloužila globální publikum, musí se posunout od textových dat k datům řečovým.

Výzkum dosahuje velkých pokroků ve zpracování řeči, ale stále zaostává za textově založenými technologiemi. Výzkum ve zpracování řeči postupuje, ale přímá technologie řeč na řeč je stále nedozrálá. Realita je taková, že se průmysl pohybuje opatrně a pouze tehdy, když technologie pokročí na určitou úroveň.

Platforma GlobalLink Live od TransPerfect, která byla nedávno vydána, využívá zralější formy technologií zpracování řeči – automatické rozpoznávání řeči (ASR) a text-to-speech (TTS) – opět, protože přímé systémy řeč na řeč nejsou zatím dostatečně zralé. Říkáme, že naše výzkumné týmy se připravují na den, kdy budou plně funkční řečové systémy připraveny pro použití.

Modely překladu řeči na řeč nabízejí velký slib v zachování ústních jazyků. V roce 2022 Meta oznámila první systém umělé inteligence pro překlad řeči na řeč pro hokkien, který je primárně ústním jazykem, kterým mluví asi 46 milionů lidí v čínské diaspoře. Je to část projektu Meta Universal Speech Translator, který vyvíjí nové modely umělých inteligencí, které by měly umožnit překlad řeči v reálném čase napříč mnoha jazyky. Meta se rozhodla otevřít své modely překladu hokkien, datové sady a výzkumné články, aby ostatní mohli reprodukovat a stavět na této práci.

Učení s méně

Skutečnost, že jako globální společenství postrádáme zdroje kolem určitých jazyků, není rozsudkem smrti pro tyto jazyky. To je místo, kde mají multijazykové modely výhodu – jazyky se učí od sebe navzájem. Všechny jazyky následují vzorce. Díky přenosu znalostí mezi jazyky je potřeba trénovacích dat snížena.

Předpokládejme, že máte model, který se učí 90 jazyků a chcete přidat inuitštinu (skupinu domorodých severoamerických jazyků). Díky přenosu znalostí budete potřebovat méně inuitských dat. Nacházíme způsoby, jak učit se s méně. Množství dat potřebných pro jemné ladění motorů je nižší.

Jsem optimistický ohledně budoucnosti s více inkluzivní umělou inteligencí. Nevěřím, že jsme odsouzeni k tomu, vidět mnohé jazyky zmizet – ani si nemyslím, že umělá inteligence zůstane doménou anglicky mluvícího světa. Už teď vidíme více povědomí o problému jazykové rovnosti. Od více rozmanitých sbírek dat až po budování více jazykově specifických modelů děláme pokroky.

Vezměte si například jazyk fon, kterým mluví asi 4 miliony lidí v Beninu a okolních afrických zemích. Nedávno populární model umělých inteligencí popsal fon jako fiktivní jazyk. Computerový vědec Bonaventure Dosseau, jehož matka mluví fon, byl zvyklý na tento typ vyloučení. Dosseau, který mluví francouzsky, vyrůstal bez překladového programu, který by mu pomohl komunikovat se svou matkou. Dnes může komunikovat se svou matkou díky fon-francouzskému překladu, který si sám pečlivě vytvořil. Dnes také existuje začínající fon Wikipedie.

V rámci úsilí o použití technologií pro zachování jazyků turecký umělec Refik Anadol zahájil vytvoření otevřeného nástroje umělých inteligencí pro domorodé národy. Na Světovém ekonomickém summitu se zeptal: „Jak na Zemi můžeme vytvořit umělou inteligenci, která nezná celý lidstvo?“

Nemůžeme, a nebudeme.