本文已更新。
生成式人工智能主要基于英语进行训练，这导致了偏见，在某些情况下还造成了后果严重的错误。
企业和政府正在采取行动，并打造自有的人工智能模型，以确保全球7000种语言中有更多语言被纳入该技术。
保护文化遗产是世界经济论坛提出的建议行动之一，见于《Presidio负责任生成式人工智能建议》。
"Ka pai te AI Whakaputanga i ngā reo?"
据ChatGPT——希望也包括任何毛利人——所说，上述句子的意思是“生成式人工智能擅长语言吗？”
答案是：既擅长，也不擅长。
由于大多数大语言模型（LLM）基于英语文本进行训练，比如，如果你是印度奥里萨邦的一名学生，想用人工智能分析以母语奥里亚语撰写的研究论文，ChatGPT、Claude和Perplexity等工具可能会让你失望。
这在某些情况下可能造成严重后果。一位美国译员告诉路透社《语境》（Reuters Context），在其处理的阿富汗庇护案件中，有四成因不准确的人工智能翻译应用而出现偏差。斯坦福大学近期的一项研究发现美国法律体系中频繁出现系统性误译。
那么，这是怎么回事呢？全球有7000多种语言，但大多数人工智能聊天机器人仅基于其中约100种进行训练。而英语虽然仅有不到20%的世界人口使用，却被几乎一半的网站采用（如下图所示），并且是大语言模型的主要驱动力，民主与技术中心（CDT）表示。
生成式人工智能及其语言偏见
这种语言失衡不可避免地正在引发问题。
庇护申请译员发现的“离谱错误”包括：人名被译成月份、关键细节遗漏，甚至移民相关句子被颠倒。“这些机器本身的质量远远达不到在高风险情境下开展可接受的案件处理工作所需的水平，”危机翻译组织Respond Crisis Translation的创始人Ariel Koren告诉路透社《语境》。
民主与技术中心的Gabriel Nicholas和Aliya Bhatia也持相同观点。他们指出，尽管多语言语言模型（MLM）逐渐出现，但它们“仍通常不成比例地基于英语文本进行训练，因此会将编码于英语中的价值观和假设转移到其他语言语境中，而这些价值观和假设在那些语境中未必适用”。他们举例说，“dove”一词在多语言语言模型中可能在各种语言里被理解为与和平相关，但巴斯克语的对应词（“uso”）实际上是一种侮辱。
所需要的是开发非英语的自然语言处理（NLP）应用，专家表示，此举有助于减少生成式人工智能中的语言偏见，并“保护文化遗产”。后者是世界经济论坛提出的30项建议行动之一，见于《Presidio负责任生成式人工智能建议》。“公共和私营部门应投资创建经过整理的数据集，并为代表性不足的语言开发语言模型，利用当地社区和研究人员的专业知识，并使其可供使用”，该建议如是说。
世界经济论坛如何为人工智能建立防护机制？
人工智能卓越中心汇聚各行业领导者，共同理解人工智能的快速演进及其对经济和社会的影响。它支持围绕人工智能应用相关的机遇、风险和权衡进行知情对话。
通过可信赖的交流空间和合作倡议，该中心使合作伙伴能够建立共同理解，并携手推进负责任的人工智能创新与应用方法。
应对人工智能语言偏见
有迹象表明，各国政府、科技界乃至个人都在采取措施，解决人工智能的语言问题。
印度政府正在打造Bhashini，这是一个基于本地语言训练的人工智能翻译系统。官方语言共22种，但目前只有少数语言被NLP应用所覆盖。印度科技公司Karya也正试图通过为微软和谷歌等企业构建数据集，供其用于人工智能模型。这是一个费力的过程，需要人们将母语词汇朗读到应用程序中。
该模型于阿联酋2023年推出，Jais AI是一款阿拉伯语语言模型，能够生成高质量的阿拉伯语文本，包括地区方言，据Digital Watch报道。更近一些时候，阿联酋推出了Falcon Arabic，其“旨在涵盖阿拉伯世界的全部语言多样性”，据路透社报道。
在新西兰，本地广播公司Te Hiku Media正在利用人工智能支持“保护、推广和振兴毛利语（te reo Māori）”，其首席技术官告诉英伟达，英伟达帮助创建了自动语音识别模型，据称该模型转写毛利语的准确率达92%。
Te Hiku Media的多语言大语言模型名为Papa Reo，是Peter Lucas Jones的创意成果，他被《时代》杂志评为2024年人工智能领域最具影响力的人物之一。在2025年年会上接受论坛采访时，Jones说：“我正在努力确保太平洋原住民语言不被列入那些将会消亡的语言之中”。
他的团队走遍新西兰，记录人们说毛利语的录音，这些录音随后被加入Papa Reo，为自动转录工具Kaituhi提供支持。
“我们关注准确性。我们关注精确性。我们关注保持质量。我们关注时刻提醒自己：毛利语中的一个词可能有多达七种不同的含义，”他说。
在类似的努力中，基层组织Masakhane致力于“加强并推动非洲语言的自然语言处理研究”。约有2000种语言在非洲使用，然而据其称，这些语言“在技术领域几乎没有得到体现”。
尼日利亚政府也在采取行动，于2024年推出了其首个多语言大语言模型。“该大语言模型将基于五种低资源语言以及带口音的英语进行训练，以确保现有数据集在人工智能解决方案开发中更好地体现语言多样性，”通信、创新与数字经济部部长Bosun Tijani博士在LinkedIn上宣布。
艺术与人工智能
通过技术保护语言和文化对Justin Langan至关重要。作为论坛的全球塑造者（Global Shaper），Langan来自加拿大马尼托巴省斯万河的农村社区，他记录了原住民长者的故事，并创建了这些影片的一个活态资料库，以确保他们的传统知识不致消失。
Langan还倡导弥合原住民与现代技术之间的鸿沟。“这些知识，这种原住民智慧，可以通过整合我们拥有的诸多新技术来保存，不仅是在加拿大，而是在世界各地，”他告诉论坛。“我说的是人工智能，利用这项新技术来维系和保护语言、文化与教诲。打造应用程序，让原住民长者能够说自己的语言，而不必担心这门语言失传。”
在巴西亚马逊地区，原住民人口使用300种语言，但大语言模型只识别了其中少数主要语言。
在与其共同生活和工作的亚马逊社群无法沟通后，土耳其艺术家Refik Anadol——他共同创作了原住民数字艺术作品《Winds of Yawanawa》——将挫败感转化为行动。Anadol牵头创建了一款开源人工智能工具，“供任何原住民群体使用”，旨在“借助技术保护其语言”，他在2023年达沃斯年会上告诉世界经济论坛。
“我们究竟怎样才能创造一个不了解全人类的人工智能？”他问道。
随着语言以每两周一种的速度“消失”，据联合国教科文组织称，生成式人工智能对其中许多语言而言可能是丧钟，也可能是拯救者。
