Eine Untersuchung des Stanford Institute for Human-Centered Artificial Intelligence (HAI) aus dem Jahr 2025 zeigt, dass viele öffentliche große Sprachmodelle in anderen Sprachen als Englisch schlechte Ergebnisse liefern. Öffentliche LLMs, darunter auch solche, an denen Google und Meta teilweise beteiligt waren, erzeugen mitunter Antworten, die für die Bedürfnisse der globalen Mehrheit ungeeignet sind. Die Konzentration von KI-Firmen und Daten in wohlhabenderen Regionen wie dem Silicon Valley vergrößert diese Kluft.
Medien berichteten, dass Millionen Menschen, die Sprachen wie Kurdisch und Suaheli sprechen, faktisch zurückgestellt werden. Praktische Probleme treten bei alltäglichen Anwendungen auf: Wired erläuterte, dass die Bitte, eine E‑Mail auf Tamil zu schreiben, zu einem wirren englischen Entwurf führen kann. Die MIT Technology Review fand, dass viele online gesammelte Texte maschinelle Übersetzungsfehler enthalten.
Gut gemeinte Beiträgerinnen und Beiträger fehlten oft die Fähigkeiten, Genauigkeit zu prüfen, und ihr Material verstärkte Fehler in Trainingsdaten. Experten empfehlen konkrete Schritte: Zusammenarbeit mit an den Rand gedrängten Gemeinschaften, Einbeziehung lokaler Beiträge, Prüfung der Ausgaben auf Genauigkeit und partnerschaftliche Kooperationen, die kulturelle Unterschiede respektieren.
Schwierige Wörter
- untersuchung — wissenschaftliche Arbeit, um Fakten zu prüfen
- sprachmodell — Computerprogramm, das Texte in Sprache versteht oder erzeugtSprachmodelle
- erzeugen — etwas neu schaffen oder produzieren, oft automatisch
- konzentration — Ansammlung von Personen, Firmen oder Daten an einem Ort
- kluft — große Unterschiede zwischen Gruppen oder Regionen
- zurückstellen — jemanden oder etwas absichtlich benachteiligenzurückgestellt
- übersetzungsfehler — Fehler, die beim automatischen Übersetzen entstehen
- kooperation — gemeinsame Arbeit von Personen oder OrganisationenKooperationen
- genauigkeit — Grad der Richtigkeit oder Zuverlässigkeit einer Information
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Warum ist es wichtig, dass Sprachmodelle auch kleinere oder regionale Sprachen gut unterstützen?
- Welche lokalen Personen oder Gruppen könnten helfen, Trainingsdaten zu verbessern? Nennen Sie Beispiele.
- Wie könnten Firmen die Genauigkeit von Ausgaben vor der Veröffentlichung besser prüfen?
Verwandte Artikel
Warum Sprachmodelle bei vierstelliger Multiplikation scheitern
Forscher vergleichen Standard-Fine-Tuning mit der Methode Implicit Chain of Thought (ICoT). Sie zeigen, dass ICoT Zwischenwerte speichert und so komplexe Multiplikationen korrekt löst, während Standardmodelle oft versagen.
Warum KI voreingenommen ist
Forscher der University of Texas at Austin untersuchten problematische Algorithmen und fanden drei Hauptursachen für KI-Bias: fehlende klare Entscheidungsgrundlagen, vereinfachte Modelle der Realität und fehlende Vielfalt bei den Entwicklern. Mehr als bessere Genauigkeit ist nötig.
Vorzeitige Todesfälle verhindern Zugang zu Medicare
Eine Studie zeigt, dass zwischen 2012 und 2022 die vorzeitigen Todesfälle bei Erwachsenen (18–64) in den USA gestiegen sind. Viele Menschen sterben, bevor sie mit 65 Anspruch auf Medicare haben; besonders starke Zunahmen gab es bei Schwarzen Amerikanern.
