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
Forscher verbessern Sicherheit großer Sprachmodelle
Forschende der North Carolina State University untersuchen, wie Sicherheitsausrichtung bei großen Sprachmodellen funktioniert. Sie beschreiben die SSAH und zeigen, dass das Einfrieren bestimmter Neuronen beim Feinabstimmen Sicherheit und Leistung besser bewahren kann.
OpenSpeaks Archives: mündliche Sprachen dokumentieren
Die OpenSpeaks Archives (gestartet 2024) helfen, indigene mündliche Überlieferungen zu dokumentieren. Die Plattform bietet Werkzeuge für Gemeindearchivare. Ein Interview betont Audio/Video, schnelle Rückgabe an die Gemeinschaft und Schutz vor KI-Missbrauch.
Neue Plattform überwacht Dengue in 88 Ländern
Die Plattform Global Dengue Observatory verfolgt monatlich Dengue-Trends in 88 Ländern. Sie nutzt Daten von WHO und OpenDengue, korrigiert Meldeverzögerungen und gibt Forschern, Politikern und der Öffentlichkeit einen globalen Überblick.
App enthüllt Einsamkeit junger Menschen in China
Eine kurze App namens „Are You Dead Yet?“ wurde Anfang 2026 im chinesischen App Store sehr beliebt. Sie verlangte Notfallkontakte und Check-ins und löste damit Diskussionen über alleinlebende junge Menschen und die sogenannte Einsamkeitsökonomie aus.
Wie der Lockdown 2020 das Lernen an Hochschulen veränderte
Forschung untersucht den schnellen Wechsel von Präsenz- zu Online-Lehre während des COVID-19-Lockdowns 2020 in China. Die Effekte hingen vom Fach und von lokalen Lockdown-Regeln ab; Mathematik verbesserte sich, Diskussionskurse weniger.