人工智能不能公平服务所有语言 ^{CEFR B2}

随着大型语言模型（LLM）在日常应用中广泛使用，很多不讲英语的人没有从中受益，变得更难获得可靠的自动化帮助。斯坦福以人为本人工智能研究所（HAI）在2025年的论文指出，许多流行模型在非英语语言上的表现明显较差，而线上世界和训练数据又以英语为主。

这种偏差部分源于 AI 公司和数据集集中于硅谷等富裕地区，使得资源匮乏语言被边缘化。媒体报道提供了具体例子：Wired 提到让模型用泰米尔语写电子邮件时常出现夹杂英语的草稿；MIT Technology Review 发现，从网络抓取的低资源语言文本里有大量机器翻译错误，而这些内容又被用作训练数据，导致错误被放大。

文化层面同样重要；The Atlantic 等媒体警告，AI 输出往往反映资源充足国家中英语使用者的规范与价值观，从而使非英语视角在普遍使用的工具里隐形。观察者认为，科技界“先行后问”的做法在 AI 时代继续存在，进一步加剧不公平。

为此，专家和评论员提出具体补救措施：

• 与本地社区和草根 AI 领导者合作，纳入当地意见。
• 验证并清理多语言训练数据，减少机器翻译错误。
• 审查模型输出的准确性与真实性，建立尊重文化差异的合作伙伴关系。