AI và kiểm duyệt: ngôn ngữ châu Phi bị bỏ lạiCEFR B2
20 thg 4, 2026
Phỏng theo Guest Contributor, Global Voices • CC BY 3.0
Ảnh: Zulfugar Karimov, Unsplash
Các hệ thống trí tuệ nhân tạo dùng để kiểm duyệt nội dung trên mạng xã hội thường thiếu năng lực xử lý đa dạng ngôn ngữ châu Phi. Một nghiên cứu năm 2025 ghi nhận chỉ 42 ngôn ngữ xuất hiện có ý nghĩa trong các mô hình ngôn ngữ lớn, và chỉ bốn ngôn ngữ — Amharic, Swahili, Afrikaans và Malagasy — được xử lý một cách nhất quán. Kết quả là hơn 98% ngôn ngữ châu Phi gần như vô hình đối với các hệ thống gỡ nội dung.
Sự lệ thuộc vào dữ liệu tiếng Anh gây ra cả dương tính giả và âm tính giả: một số nội dung bị xóa mà không có giải thích rõ ràng, trong khi các bài đăng có hại bằng ngôn ngữ ít tài nguyên vẫn tồn tại vì hệ thống không nhận ra. Thực tế đã ghi nhận: từ tháng 1 đến tháng 3 năm 2025, TikTok xóa hơn 450.000 video từ Kenya và cấm hơn 43.000 tài khoản; đến quý 2 số lượt xóa tăng lên 592.000. Ở Ethiopia, các tin sai về quân đội chiếm cảng ven Đỏ của Eritrea lan truyền trên Facebook trước khi bị bác bỏ.
Áp lực lớn nhất đè lên nhà sáng tạo, nhà báo và người dùng dùng ngôn ngữ địa phương. Một chuyên gia từ Oversight Lab nêu vấn đề khi thuật toán được huấn luyện chủ yếu bằng tiếng Anh nhưng nhiều người dùng TikTok ở Kenya sử dụng tiếng mẹ đẻ. Đáp lại, các nhóm như AfricaNLP và các trường ở Pretoria, Nairobi, Addis Ababa xây bộ dữ liệu; Cohere hợp tác với HausaNLP để bổ sung dữ liệu cho mô hình Aya. Liên minh châu Phi phê duyệt Chiến lược AI Lục địa vào tháng 7 năm 2024, và một số chiến lược quốc gia, gồm Nigeria vào tháng 4 năm 2025, đang được triển khai.
Quy định quốc tế cũng có vai trò: Luật AI của EU có hiệu lực vào tháng 8 năm 2024 và Digital Services Act từ tháng 2 năm 2024 đặt nghĩa vụ về không phân biệt và minh bạch với các nền tảng có người dùng châu Âu. Tuy nhiên, xây dựng dữ liệu huấn luyện đại diện và đảm bảo thực thi đầy đủ vẫn là thách thức thực tiễn cần giải quyết.
Từ khó
- kiểm duyệt — hành động kiểm tra và loại bỏ nội dung
- mô hình — cấu trúc hoặc hệ thống máy học để dự đoán
- dương tính giả — kết quả báo có vấn đề nhưng thực không có
- âm tính giả — kết quả báo không có vấn đề nhưng thực có
- tài nguyên — nguồn dữ liệu hoặc thông tin có ích cho công việc
- dữ liệu — thông tin thu thập để phân tích hoặc đào tạo
- minh bạch — tình trạng rõ ràng, công khai và dễ hiểu
- không phân biệt — không đối xử khác nhau dựa trên đặc điểm
- gỡ nội dung — hành động xóa hoặc vô hiệu hóa một bài đăng
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Những hệ thống kiểm duyệt tự động nên làm gì để cải thiện xử lý các ngôn ngữ châu Phi? Hãy nêu vài gợi ý cụ thể.
- Tác động khi nội dung bị xóa sai có thể ảnh hưởng thế nào đến nhà sáng tạo và nhà báo dùng ngôn ngữ địa phương?
- Quy định quốc tế như Digital Services Act có thể giúp giải quyết vấn đề dữ liệu huấn luyện thiếu đại diện bằng cách nào?
