《经济学人》双语：为什么人工智能还需要学习英语之外的语言（Part 1）？

人工智能需要学习英语之外的语言，原因包括其在非英语语言上表现欠佳、训练数据资源分布不均、多语言应用需求以及语言承载文化内涵等，具体内容如下：非英语语言表现欠佳：以ChatGPT为例，美国OpenAI公司开发的聊天机器人ChatGPT能回答核工程、斯多葛哲学等各种问题，至少能用英语较好作答，最新版本ChatGPT - 4在一项常见问答测试中获得了85%的分数。但在其他语言上表现没那么出色，比如在近亿人使用的印度泰卢固语问题测试中，得分只有62%。训练数据资源分布不均大型语言模型（LLM）是根据从互联网上抓取的文本进行训练的，而英语是互联网上的通用语言。ChatGPT - 3训练数据中约93%是英文。在模型训练所用的Common Crawl数据集中，英语占整个语料库的47%，其他主要相关的欧洲语言占据了另外的38%，相比之下，中文和日语加起来只占到了9%，而泰卢固语甚至没有列入统计。所有大型语言模型在“高资源”语言（训练数据充足）方面表现得更好，在“低资源”语言（训练数据稀缺）方面则表现更差。这对于希望将AI技术输出到贫穷国家，以改善学校、医疗保健等各方面条件的人们来说，成了一个问题，因为很多贫穷国家使用的可能是“低资源”语言。多语言应用需求世界各地有让AI实现多语种化的需求。例如印度政府尤其热衷于此，印度的许多公共服务已经实现了数字化，现在政府希望通过AI技术来强化这些服务。去年9月，印度推出了一款聊天机器人，以帮助农民获取有关国家福利的信息。这款机器人的工作原理是将两种语言模型结合在一起，用户可以用自己的母语提交问题（目前支持8种语言，另外5种即将推出），这些问题会被传送到印度理工学院马德拉斯分校开发的一款机器翻译软件，这款软件会将问题翻译成英语，然后将问题的英文版输入到大型语言模型中，并将问题的答案翻译回用户的母语。不过，将问题翻译成大型语言模型所偏爱的语言是一种不太方便的解决方法。语言承载文化内涵：语言毕竟是世界观和文化的载体，也是意义的载体。悉尼大学研究员丽贝卡·约翰逊在2022年发表的一篇论文发现，在枪支管制和难民政策等话题上，ChatGPT - 3的回答与民意调查《全球价值观普查报告》中美国人所表现出的价值观非常一致，这说明仅依赖英语训练的AI可能受特定文化价值观影响，学习其他语言能让AI更好地理解和适应不同文化背景下的需求。