Лідери думок

Як подолати лінгвістичні та культурні упередження при впровадженні генеративного штучного інтелекту

mm
Додайте Unite.AI до бажаних джерел у Google

У 2025 році ChatGPT і пошукові запити, підтримувані штучним інтелектом, домінують, але важливо пам’ятати про різні моди спілкування. Генеративний штучний інтелект (генеративний ШІ) переважно текстовий і функціонує англійською мовою, що може ізолювати його використання для неангломовних користувачів.

Хоча англійська мова є рідною для менше 20% населення світу, вона складає 67,3% усіх веб-сайтів. Багато платформ генеративного ШІ тренуються англійською мовою, що означає, що спілкування може бути спотворене в робочих середовищах, які涉ують декілька мов або культур.

Спілкування – це набагато більше, ніж просто літери на екрані: воно включає тон, мову тіла, міміку, ритм і культурні нюанси, щоб назвати лише кілька ключових факторів. Організації, які впроваджують генеративний ШІ, повинні забезпечити, щоб вони також мінімізували потенційні мовні та культурні упередження, особливо враховуючи, що ми живемо в глобалізованому світі.

Чому голос все ще має значення

Є кілька теорій, які розширюють важливість багатомодального спілкування, особливо в мультикультурних і багатомовних середовищах.

Одна з найвідоміших теорій – це теорія Едварда Т. Холла про висококонтекстні та низькоконтекстні культури. Холл описує внутрішні відмінності в тому, як різні культури спілкуються. Висококонтекстні культури, які зустрічаються в багатьох азійських країнах, сприймають непрямі та невербальні сигнали в спілкуванні. Японська мова, наприклад, є висококонтекстною, де ономатопеї та тонкі зміни виразу суттєво впливають на намір і висновок.

Низькоконтекстні культури, навпаки, як-от ті, що зустрічаються на Заході (у США та багатьох європейських країнах), сприймають прямі та вербальні засоби спілкування. Оскільки низькоконтекстні культури схильні бути більш явними, цифрове текстове повідомлення безперешкодно вписується в їхню комунікаційну тканину. Контекстуалізуючи переважно текстові характеристики генеративного ШІ проти цієї теорії, не дивно, що люди з висококонтекстних культур, особливо неангломовні користувачі, мають труднощі зі спілкуванням з цими інструментами.

У міжнародному бізнес-середовищі, де люди з усіх куточків світу зустрічаються, відсутність тонких сигналів, таких як мова тіла і тон, може зробити спілкування з ШІ значно менш надійним. Цифрове або технологічне спілкування, особливо те, яке здійснюється через інструменти генеративного ШІ, повинно включати інші моди спілкування, окрім текстових повідомлень.

Проблема англійської упередженості в генеративному ШІ

Є також серйозні побоювання щодо упередженості в інструментах ШІ (які іронічно підтримуються ШІ) проти неангломовних авторів. Крім того, у світі науки недавні дослідження показують, що до 38% неангломовних авторів відхиляються журналами через сприйняту мовну бар’єр. Автор цього дослідження стверджує, що розбивання мовних бар’єрів є ключем до обміну знаннями. Він також стверджує, що якість мови не повинна диктувати, чи є знання достатньо цінними для обміну.

Дослідники звонять у сполох про відсутність мовної різноманітності серед моделей великих мовних моделей, і про ризики виключення величезної кількості населення світу, яке не говорить англійською мовою. Це глибоко вкорінена проблема, яка обмежує можливість людей взаємодіяти з інструментами ШІ.

Це також проблема, яку потрібно вирішити якнайшвидше, враховуючи, що 95% американських компаній прийняли генеративний ШІ. Ця технологія все частіше застосовується на заводах, таких як виробничі потоки. Однак неангломовні користувачі часто залишаються поза увагою при обговоренні стратегій впровадження ШІ.

Давайте розглянемо, які бар’єри успішного впровадження ШІ виглядають у реальному житті. Неангломовні користувачі мають труднощі з підказками, що призводить до спотворених результатів і ризику неправильної інтерпретації інформації або інструкцій. Наприклад, в’єтнамські виробники з обмеженою кількістю англійської мови покладаються на англійські переклади через генеративний ШІ для інструкцій. Це створює величезний простір для помилок, оскільки контекст і тонкі сигнали відокремлені.

Крім того, довіра і впевненість підірвані. Це може посилити опір проти використання технологій у робочих процесах, а також підірвати моральний дух і мотивацію працівників.

Закриття прогалини

Ці бар’єри та виклики повинні бути вирішені якнайшвидше. Для рівняння гри навколо впровадження генеративного ШІ культурні та лінгвістичні нюанси повинні бути враховані. Є кілька стратегій, які організації можуть впровадити, щоб звузити ці прогалини та побудувати впровадження генеративного ШІ для багатомовного майбутнього.

Включення когнітивних та аналітичних рамок

Одна з корисних когнітивних рамок – це OODA-цикл, розроблений відомим пілотом винищувача, Джоном Бойдом. П’ять компонентів “орієнтації”, які складають одну з чотирьох кроків OODA-циклу – генетична спадковість, культурні традиції, попередній досвід, нова інформація та аналіз/синтез – можуть бути застосовані для розуміння того, як індивідуальні рішення впливаються на входи.

Моя рекомендація – розглядати мову як частину “культурних традицій”, приділяючи особливу увагу “генетичній спадковості” та “аналізу/синтезу” окремих осіб. Ось розбивка того, як кожен компонент грає роль у тренуванні моделей ШІ для більш широкого мовного спектру.

  • Генетична спадковість (вбудовані людські риси): тренуйте системи ШІ для виявлення універсальних сигналів, таких як тон і ритм, які спільні для мов і культур. Багатомодальний підхід до генеративного ШІ, який включає голос, текст і відеосигнали – не тільки текст.

  • Культурні традиції: створіть набори даних для захоплення певних мовних характеристик, таких як ономатопеї, і контекстно-завантажених форм спілкування. Кураторські моделі для регіонів, а не використання універсальної моделі, яка не так культурно чи лінгвістично гнучка.

  • Попередній досвід: люди більш схильні довіряти системам, які відображають їхній життєвий досвід. Наприклад, працівники у В’єтнамі або Японії будуть використовувати ШІ інакше, ніж команди у США, залежно від їхнього рівня знайомства та впевненості у цих інструментах. Семінари, де місцеві команди можуть протестувати та практикувати використання генеративного ШІ. Вони можуть потім поділитися відгуком про те, наскільки добре воно відображає їхню лінгвістичну та культурну контекст. Організації можуть потім скоригувати бібліотеки підказок відповідно, враховуючи використання цих керівництв (робочі на заводі зазвичай віддають перевагу візуальним керівництвам).

  • Нова інформація: інструменти генеративного ШІ повинні бути постійно оновлені реальними даними. Використовуйте багатомовний вхід даних у набори даних, щоб інтегрована система навчилася нюансам різних мов і форм спілкування.

  • Аналіз/синтез: ось де відбувається узгодження між людьми та ШІ. Мовні дані та сигнали часто фрагментовані, що не сумісне з моделями генеративного ШІ. Ці дані потрібно перетворити на дані, які можуть бути оброблені та проаналізовані ШІ, щоб генерувати культурно та лінгвістично гнучкі виходи.

Практичне навчання для кращих практик

Працівників також слід тренувати щодо кращих практик підказок для платформ генеративного ШІ, з акцентом на ясності. Бібліотеки підказок можуть бути надзвичайно корисними для ознайомлення команд з кращими практиками підказок.

Важливо, під час тренінгів ШІ, я також рекомендую зосередитися на принципах, таких як справедливість і прозорість. Це фундаментальні аспекти безупередженого розгортання ШІ, і команди повинні бути добре осведомлені про виявлення ознак галюцинацій та упередженості, які посилюють мовні бар’єри.

Крім того, уникайте “еко-камер” шляхом забезпечення того, що нова інформація від ШІ не надходить тільки від однієї особи, а з широкого спектра джерел. Еко-камери – це суттєва проблема в технологіях, включаючи ШІ, посилюючи існуючі упередження та спотворюючи виходи. Працівники піддаються ризику потрапляння в пастку упередженості та слідування неправильним вказівкам або інформації.

Нарешті, визнайте, що будь-який інструмент ШІ, включаючи генеративний ШІ, повинен бути розглядався як “консультант”, а не як суворе керівництво. Команди повинні бути заохочені завжди залучати людину для уточнення будь-якої невизначеності, щоб мінімізувати ризик дезінформації або неправильного керівництва.

ШІ трансформує бізнес-процеси, але важливо не залишати нікого позаду в цьому процесі. Інтеграція цих стратегій у розгортання ШІ дозволяє підприємствам орієнтуватися в мовних бар’єрах, які інакше можуть спричинити упередженість і сніговий ефект проблем.

Шинічіро Накамура є президентом one to ONE Holdings, батьківської компанії IndustrialML, компанії з розробки програмного забезпечення для розумних заводів, яка створює рішення на основі штучного інтелекту для виробників. Шин працює у тісній співпраці з інженерними та продуктовими командами IndustrialML, щоб спрямовувати впровадження штучного інтелекту на заводських майданчиках Азії та США, забезпечуючи, щоб технології перетворювалися на реальну операційну вартість. З глобальним виробничим досвідом, який має коріння в Daiwa Steel Tube Industries - одному з найбільших виробників інлайн галванізованої сталі в Східній Азії, Шин пропонує унікальну перспективу на перетині штучного інтелекту, промисловості та міжкультурної адаптації.