Инструменты искусственного интеллекта быстро развиваются, но многие люди, не говорящие по‑английски, оказываются в стороне. В 2025 году исследование Института Стэнфорда по человеку‑ориентированному ИИ (HAI) показало, что многие популярные большие языковые модели (LLMs) работают хуже на языках, отличных от английского.
Авторы исследования и журналисты отмечали практические проблемы. Публичные LLMs, в том числе части разработки крупных компаний, могут выдавать ответы, не соответствующие потребностям мировой аудитории. В материалах упоминалось, что миллионы говорящих на курдском и суахили фактически оказываются низким приоритетом, а запросы на другие языки иногда приводят к ошибкам.
Исследования также показали, что тексты из интернета для малообеспеченных языков часто содержат ошибки машинного перевода. Эксперты предлагают работать с местными сообществами, проверять многоязычные данные и учитывать культурные различия при создании моделей.
Сложные слова
- искусственный интеллект — программы или системы, которые имитируют человеческое мышлениеискусственного интеллекта, ИИ
- развиваться — становиться лучше или сильнее с течением времениразвиваются
- модель — программа или система для обработки и генерации текстамодели
- аудитория — группа людей, которые получают информацию или сообщенияаудитории
- машинный перевод — перевод текста, выполненный компьютером без человекамашинного перевода
- сообщество — люди в одной местности или с общими интересамисообществами
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Какие способы работы с местными сообществами могли бы помочь улучшить модели для разных языков?
- Почему, по‑вашему, ошибки машинного перевода особенно важны для малообеспеченных языков?
- Какие дополнительные факторы следует учитывать при создании моделей, чтобы они подходили мировой аудитории?
Похожие статьи
Группировка учащихся, изучающих английский, и её эффект на успеваемость
Две работы изучили, как группировка учеников, изучающих английский (EL), влияет на успехи. Одна работа анализировала старшие классы Нью-Йорка, другая — эксперимент в начальной школе. Авторы советуют не применять группировку по умолчанию.
Носимый датчик для ранней диагностики хрупкости у пожилых
Учёные из Университета Аризоны создали носимое устройство с искусственным интеллектом, которое на ноге выявляет ранние признаки хрупкости у пожилых людей. Анализ выполняется прямо в приборе, а результаты отправляются на смартфон.
Приложение DopFone для домашнего контроля сердцебиения плода
Мобильное приложение DopFone превращает динамик телефона в допплеровский датчик и позволяет беременным следить за сердцебиением плода между приёмами у врача. Исследования показывают приемлемую точность, но учёные предупреждают о риске усиления тревоги.
Архивы устной культуры в Южной Азии
Гражданские архивисты собирают и сохраняют устные традиции региона. Проект «Enhancing Indic oral culture on Wikimedia projects» помогает записывать, транскрибировать и размещать песни, истории, загадки и медицинские знания на Commons, Wikisource и Wikipedia.