Как преодолеть лингвистические и культурные предубеждения при внедрении генеративного ИИ

В 2025 году ChatGPT и поисковые запросы Google, работающие на основе ИИ, доминируют, но важно помнить о разных формах общения. Генеративный ИИ (генИИ) в основном основан на тексте и функционирует на английском языке, что может изолировать его применение для не носителей языка.

Хотя английский язык является родным для менее 20% населения мира, он составляет 67,3% веб-сайтов. Многие платформы генИИ обучены на английском языке, что означает, что общение может быть искажено в рабочих средах, включающих несколько языков или культур.

Общение – это не только буквы на экране: оно включает тон, язык тела, выражения лица, ритм и культурные нюансы, чтобы назвать только несколько ключевых факторов. Организации, внедряющие генИИ, должны обеспечить, чтобы они также смягчали потенциальные языковые и культурные предубеждения, особенно учитывая, что мы живем в глобализированном мире.

Почему голос все еще имеет значение

Существует множество теорий, которые расширяют важность многоканального общения, особенно в мультикультурных и многоязычных условиях.

Одна из наиболее заметных теорий – это теория Эдварда Т. Холла о культурах с высоким и низким контекстом. Холл описывает intrinsic различия в том, как различные культуры общаются. Культуры с высоким контекстом, которые встречаются во многих азиатских странах, полагаются на косвенные и невербальные сигналы в общении. Японский язык, например, является культурой с высоким контекстом, где ономатопея и тонкие сдвиги в выражениях существенно влияют на намерение и вывод.

Культуры с низким контекстом, в отличие от этого, такие как многие западные страны (США и многие европейские страны), полагаются на прямое и вербальное общение. Поскольку культуры с низким контекстом склонны быть более явными, цифровое текстовое сообщение без проблем вписывается в их ткань общения. Учитывая преимущественно текстовые характеристики генИИ в контексте этой теории, не удивительно, что люди из культур с высоким контекстом, особенно не носители английского языка, испытывают трудности в общении с этими инструментами.

В международной деловой среде, где люди из всех слоев общества сходятся, отсутствие тонких сигналов, таких как язык тела и тон, может сделать общение с ИИ существенно менее надежным. Цифровое или технологическое общение, особенно то, которое испытывается через инструменты генИИ, должно включать другие режимы, помимо текстового сообщения.

Проблема английского предубеждения в генИИ

Также были высказаны серьезные опасения о предубеждении в детекторах ИИ против не носителей английского языка. Кроме того, в мире науки недавние исследования показывают, что до 38% не носителей английского языка отвергаются журналами из-за воспринимаемого языкового барьера. Автор этого исследования утверждает, что разрушение языковых барьеров является ключом к обмену знаниями. Они также утверждают, что качество языка не должно диктовать, является ли знание достаточно ценным, чтобы быть поделеным.

Исследователи бьют тревогу о недостатке языкового разнообразия в моделях LLM и о рисках исключения огромного числа людей, которые не являются носителями английского языка. Это глубоко укоренившаяся проблема, которая ограничивает, как люди могут взаимодействовать с инструментами ИИ.

Это также проблема, которую необходимо решить как можно скорее, учитывая, что 95% компаний США приняли генИИ. Эта технология все чаще применяется в оживленных рабочих средах, таких как производственные цеха. Однако не носители английского языка часто остаются без внимания при обсуждении стратегий внедрения ИИ.

Давайте посмотрим, как выглядят барьеры для успешного внедрения ИИ в реальной жизни. Не носители английского языка испытывают трудности с подсказками, что приводит к искаженным выводам и риску неправильно истолкованной информации или инструкций. Например, вьетнамские производители с ограниченным знанием английского языка полагаются на английские переводы через генИИ для инструкций. Это вызывает огромную возможность ошибки, поскольку контекст и более тонкие сигналы удаляются.

Кроме того, доверие и уверенность подрываются. Это может усилить сопротивление использованию технологий в рабочих процессах, а также подорвать моральный дух и мотивацию сотрудников.

Закрытие разрыва

Эти барьеры и проблемы должны быть решены как можно скорее. Чтобы выровнять игровое поле вокруг внедрения генИИ, культурные и лингвистические нюансы должны быть приняты во внимание. Существует ряд стратегий, которые организации могут использовать для преодоления этих разрывов и создания генИИ для многоязычного будущего.

Включение когнитивных и аналитических рамок

Одной из особенно полезных когнитивных рамок является OODA-петля, разработанная известным пилотом-истребителем, Джоном Бойдом. Пять компонентов “ориентации”, которые составляют одну из четырех ступеней OODA-петли – генетическое наследие, культурные традиции, предыдущий опыт, новая информация и анализ/синтез – могут быть применены для понимания того, как индивидуальные решения влияются на входные данные. \

Моя рекомендация – рассматривать язык как часть “культурных традиций”, уделяя особое внимание “генетическому наследию” и “анализу/синтезу” отдельных лиц. Вот разбивка того, как каждый компонент играет роль в обучении моделей ИИ быть более лингвистически широкими.

• Генетическое наследие (встроенные человеческие черты): обучать системы ИИ обнаруживать универсальные сигналы, такие как тон и ритм, которые общие для языков и культур. Многоканальный подход к генИИ, включающий голос, текст и видеосигналы, а не только текст.

• Культурные традиции: создавать наборы данных для захвата определенных характеристик языка, таких как ономатопея и контекстно-зависимые формы общения. Кураторские модели для регионов, а не использование универсальной модели, которая не так культурно или лингвистически гибкая.

• Предыдущий опыт: люди с большей вероятностью доверяют системам, которые отражают их жизненный опыт. Например, сотрудники во Вьетнаме или Японии будут использовать ИИ по-другому, чем команды в США, в зависимости от их уровня знакомства и уверенности в этих инструментах. Семинары, где местные команды могут протестировать и практиковать использование генИИ. Они могут затем поделиться обратной связью о том, насколько хорошо оно отражает их лингвистический и культурный контекст. Организации могут затем скорректировать библиотеки подсказок соответственно, учитывая случаи использования этих руководств (рабочие на производстве обычно предпочитают визуальные руководства).

• Новая информация: инструменты генИИ должны быть постоянно обновлены реальными данными. Использовать многоязычный ввод данных в наборах данных, чтобы интегрированная система могла изучить нюансы различных языков и форм общения.

• Анализ/синтез: здесь происходит согласование между людьми и ИИ. Лингвистические данные и сигналы часто фрагментированы, что не совместимо с моделями генИИ. Эти данные необходимо преобразовать в данные, которые могут быть обработаны ИИ, чтобы они могли быть обработаны и проанализированы для генерации культурно и лингвистически гибких выводов.

Практическая подготовка для лучших практик

Сотрудники также должны быть обучены лучшим практикам подсказки платформ генИИ, с фокусом на ясности. Библиотеки подсказок могут быть невероятно полезными для знакомства команд с лучшими практиками подсказок.

Важно, что на семинарах по обучению ИИ я также рекомендую сосредоточиться на принципах, таких как справедливость и прозрачность. Эти фундаментальные аспекты беспристрастного внедрения ИИ, и команды также должны быть хорошо осведомлены о признаках галлюцинаций и предубеждений, которые усугубляют языковые барьеры.

Кроме того, избегайте “эхо-камер”, обеспечивая, что новая информация из ИИ не поступает только от одного человека, а из широкого спектра источников. Эхо-камеры являются значительной проблемой в технологиях, включая ИИ, подкрепляя существующие предубеждения и искажая выводы. Сотрудники подвергаются риску попадания в ловушку предубеждений и следования неправильным рекомендациям или информации.

Наконец, признайте, что любой инструмент ИИ, включая генИИ, должен быть рассмотрен как “консультант”, а не как строгий руководство. Команды должны быть поощрены всегда вовлекать человека, чтобы прояснить любую путаницу и смягчить риск дезинформации или неправильного руководства.

ИИ преобразует бизнес-процессы, но важно не оставлять никого позади на этом пути. Интеграция этих стратегий в внедрение ИИ позволяет бизнесу ориентироваться в языковых барьерах, которые в противном случае вызывают предубеждения и снежный эффект проблем.