AI時代的語言鴻溝：非英語使用者如何被科技浪潮遺忘？

最新研究揭露，AI工具正將特定文化群體排除在外，這不僅導致發展機會的流失，更助長了偏見與錯誤資訊的風險。學者發現，大型語言模型存在嚴重的數位落差：ChatGPT和Gemini等工具對15.2億英語使用者表現優異，但對9700萬越南語使用者卻差強人意，而對僅150萬人使用的納瓦特語（Uto-Aztecan語系）支援更是慘不忍睹。

問題核心在於「資料」——這些非英語語言缺乏足夠數量與品質的訓練資料。這導致主流語言模型大多僅以英語（或其他資源豐富的語言）資料進行訓練，或勉強使用品質低劣的本地語言資料，完全無法適應全球多元的文化情境。

這種落差帶來的不是單純的不便，而是系統性的排除。當英語使用者透過AI獲得經濟與教育優勢時，整個文化群體卻被阻擋在AI革命之外，甚至可能因AI產生的錯誤資訊與偏見而受害。

史丹佛大學工程學院助理教授Sanmi Koyejo在其政策白皮書中指出，所謂「低資源語言」可分為三類：使用人口稀少的語言、缺乏數位化資料的語言，以及雖有數位資料但缺乏運算資源的語言。例如斯瓦希里語雖有2億使用者，卻因數位資源不足而難以訓練AI模型；相對地，使用人口較少的威爾斯語，反而因完善的數位儲存而受益。

當AI語言模型日益影響全球經濟活動時，語言技術的落差將加劇不平等。以醫療領域為例，在全民健保尚未普及的地區，僅支援英語的AI診斷工具可能創造新的醫療階級。就業市場同樣面臨危機——精通英語的勞工將獲得AI賦能，其他人卻可能因語言隔閡失去競爭力。

要縮小這個鴻溝，專家提出幾種解決方案：訓練超大型多語言模型、開發特定語言的小型模型，或是建置區域性的中型模型。研究顯示，模型若能跨語言共享資訊（如拉丁語系間的詞彙與語法結構），效能提升會更顯著。不過自動翻譯存在根本限制——近期針對越南語的研究就發現，逐字翻譯雖語意通順，卻常出現文化誤植的荒謬結果。

最理想的解方是直接從語言社群獲取在地化資料，但這涉及複雜的倫理問題。部分社群正發展新型資料授權模式，在促進AI發展的同時保障文化自主權；也有社群選擇自主開發模型。必須警惕的是，資料採集若未謹慎處理，很可能重蹈「文化殖民」的覆轍。

更深刻的危機在於文化價值的消逝。研究顯示，未經精心設計的語言模型，往往會將豐富的文化多樣性壓縮成以美國為中心的單一文化框架。當AI技術成為主流溝通媒介時，人們思考問題與文化的方式也將被工具形塑——這正是全球文化領袖最憂心的「科技性文化滅絕」。

白皮書最後建議，應透過戰略投資、參與式研究與公平的資料所有權框架，讓科技發展真正服務於全人類。畢竟在AI時代，語言不該是特權的通行證，而應是文明的橋樑。

[end]