Nejtěžší úkol, jakému kdy AI čelila: Dokáže se naučit africké jazyky? Vývojáři stojí před zásadním problémem

Ilustrační foto
Ilustrační foto, foto: Pixabay
Klára Marková 12. prosince 2025 14:34
Sdílej:

Vývojáři umělé inteligence na africkém kontinentu čelí zásadní výzvě: jak trénovat modely, aby rozuměly a odpovídaly v místních jazycích, když neexistují téměř žádné psané zdroje k přečtení. Zatímco pro angličtinu existuje přes 7 milionů článků na Wikipedii, u většiny z odhadovaných 1500 až 3000 afrických jazyků je dostupnost dat minimální. Například tigriňa, kterou mluví asi 9 milionů lidí v Etiopii a Eritrei, má pouze 335 článků, a pro akan, nejpoužívanější rodný jazyk v Ghaně, není na Wikipedii žádný.

Z tisíců afrických jazyků je v současné době podporováno jen 42 jazykovými modely. Z 23 písem a abeced jsou k dispozici pouze tři – latinka, arabština a ge'ez (používané v Africkém rohu). Toto nedostatečné zastoupení pramení především z finančních důvodů. I když je mluvčích svahilštiny více než mluvčích finštiny, Finsko představuje lepší trh pro technologické giganty jako Google a Apple.

Chinasa T. Okolo, zakladatelka výzkumného institutu Technēculturǎ, varuje, že nedostatečný rozvoj jazykových modelů může mít pro Afriku katastrofální dopad, kdy budou lidé, kteří nehovoří některým z oněch 42 podporovaných jazyků, nadále vyloučeni z příležitostí. Pro rozvoj vlastní AI infrastruktury je proto nutné přehodnotit způsob vývoje modelů.

Profesor počítačových věd Vukosi Marivate z Pretoriiské univerzity vedl jihoafrickou část projektu African Next Voices. Tři týmy v Jihoafrické republice, Keni a Nigérii shromáždily za dva roky 9000 hodin audio nahrávek v 18 jazycích od mluvčích různého věku a z různých lokalit. Vytvořili tak datovou sadu, kterou mohou vývojáři AI využít k trénování modelů. V některých případech, jako u jazyka isindebele, bylo pro vytvoření podkladů pro nahrávky nutné použít vládní příručku pro pastevce koz, protože psaných zdrojů bylo k dispozici minimum.

Ačkoli African Next Voices neshromáždil dostatek dat pro trénování velkých jazykových modelů typu ChatGPT, zaměřili se na nahrávky týkající se klíčových témat, jako je zdravotnictví a zemědělství. Jak vysvětluje Nyalleng Moorosi, výzkumná pracovnice z institutu DAIR, malé, zaměřené datové sady mohou dosáhnout vysoké přesnosti v rámci specializovaného modelu. Podle ní je klíčové prioritizovat chyby. Zatímco chyby v modelech informujících o dění v centru Nairobi jsou tolerovatelné, chyby v bankovnictví nebo zdravotnictví mohou mít vážné důsledky.

Moorosi zdůrazňuje, že tvůrci AI musí chápat důsledky a kultury, aby pochopili váhu těchto chyb. Slova a symboly mají často mnoho významů; například kříž svatého Jiří je ve Spojeném království spojen s krajně pravicovou politikou, což není zřejmé někomu z Ghany. Nedostatek dokumentace a kontextuálního porozumění u jazyků s omezenými zdroji je velkým problémem. Studie DAIR například ukázala, že sociální média neodstranila nenávistné projevy související s etnickým násilím v Etiopii částečně proto, že systémy nebyly obeznámeny s místními slangovými výrazy.

Kromě nedostatku dat čelí afričtí vývojáři i problému s neukotveností mnoha afrických jazyků, které často postrádají kodifikaci ve formě slovníků nebo gramatik. Například pro jazyk kinyarwanda existují tři běžné způsoby psaní názvu země (uRwanda, Urwanda a u Rwanda), což komplikuje i základní zpracování textu. Další překážkou je nedostatek datových center.

Marivate se obává, že pokud se modely pro menší jazyky nevytvoří, tyto jazyky „zmizí“. Říká, že v případě jazyků, které nemají ani psací systém, se „model bude muset změnit“. Cílem by přitom mělo být zpřístupnění AI ve všech jazycích, a to i pro ty, kterými mluví jen jeden člověk. „Všechny jazyky si zaslouží zastoupení nebo zachování,“ dodává Moorosi.

Stalo se
Novinky
Ilustrační foto

Skepse z budoucnosti AI tvrdě dopadla na Čínu. Ekonomika přichází o biliony dolarů

Čínské akciové trhy přišly v posledních měsících o biliony dolarů kvůli rostoucím obavám z budoucnosti umělé inteligence. Index STAR 50, který sleduje technologické a inovační společnosti na burze v Šanghaji, klesl od června o čtyřicet procent. Tento prudký propad vymazal z čínského akciového trhu od května celkem 2,4 bilionu dolarů.

Novinky
Palestina

Izraelské volby znamenají pro Palestince zásadní dilema

Izraelské volby přinášejí palestinským občanům země hluboké dilema, zda se zúčastnit hlasování, či jej bojkotovat. Palestinští občané tvoří přibližně šestinu oprávněných voličů a jejich hlas může v těsném souboji hrát klíčovou roli. Účast ve volbách však pro mnohé představuje složitý kompromis mezi snahou hájit vlastní zájmy a obavou z legitimizace systému, který omezuje jejich práva.

Novinky
Ilustrační foto

V Izraeli začaly jedny z nejdůležitějších voleb v historii

Izraelští voliči zamířili k volebním urnám v rámci jedněch z nejklíčovějších voleb v moderní historii země. Podle průzkumů zveřejněných v pátek se v těsném souboji utkávají dosavadní premiér Benjamin Netanjahu a bývalý náčelník generálního štábu Gadi Eisenkot. Ani jeden z hlavních politických bloků však podle předpovědí nezíská potřebných 61 křesel pro sestavení většinové vlády. Výsledkem tak mohou být týdny či měsíce politického vyjednávání.

Novinky
Vláda, ilustrační fotografie.

Jak jsme připraveni na krize? V Praze proběhlo důležité jednání!

Posílení spolupráce evropských států při zvládání krizových situací, jako jsou lesní požáry nebo zemětřesení a přeshraniční spolupráce v oblasti civilní ochrany i krizové připravenosti. To byla hlavní témata jednání ministra vnitra Lubomíra Metnara s eurokomisařkou Hadjou Lahbibovou.