دراسة تكشف: الذكاء الاصطناعي التوليدي يتجاهل كنوز المعرفة البشرية بسبب الفجوة الرقمية

كشفت دراسة جديدة أن أنظمة الذكاء الاصطناعي التوليدي تفوت كميات هائلة من المعرفة البشرية التي تظل غير رقمية أو ممثلة تمثيلاً ناقصًا عبر الإنترنت. ويعود السبب الرئيسي في ذلك إلى اعتماد هذه النماذج على بيانات الإنترنت، حيث تهيمن اللغة الإنجليزية بنسبة 44% من المحتوى على Common Crawl.

تظهر الأرقام فجوة صارخة في تمثيل اللغات الأخرى؛ فبينما تمثل اللغة الهندية 0.2% فقط من البيانات، يتحدثها 7.5% من سكان العالم. وبالمثل، تمثل اللغة التاميلية 0.04% فقط على الرغم من وجود 86 مليون متحدث بها حول العالم. وتشير الإحصائيات إلى أن ما يقرب من 97% من لغات العالم مصنفة على أنها "منخفضة الموارد" في مجال الحوسبة.

ووفقًا لدراسة أجريت عام 2020، تواجه 88% من اللغات إهمالًا شديدًا في تقنيات الذكاء الاصطناعي، لدرجة أن سد هذه الفجوة سيتطلب جهودًا جبارة. وكشفت الأبحاث حول النباتات الطبية في أمريكا الشمالية وشمال غرب الأمازون وغينيا الجديدة أن أكثر من 75% من 12,495 استخدامًا مميزًا لأنواع النباتات كانت فريدة للغة محلية واحدة فقط.

يحذر الباحثون من أن نماذج اللغة الكبيرة تضخم الأنماط السائدة من خلال ما يسمونه "تضخيم النمط" (mode amplification)، مما يعني أنها تعزز اللغات والأنماط الثقافية الموجودة بكثرة على الإنترنت، وتترك اللغات والمعارف الأخرى في الظل.