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
Vesmír

Astronomové hlásí úspěch: Nový meteorický roj pomohl objevit i Čech!

V období od 14. do 16. července 2026 byl meteorickou sítí Global Meteor Network detekován nový meteorický roj. Mateřským tělesem je podle parametrů dráhy velmi pravděpodobně kometa Jupiterovy rodiny. Celkem 43 meteorů patřících do nového roje bylo pozorováno v souhvězdí Štíra.

Novinky
Komáři

Nebezpečí, které není radno podceňovat! Ministerstvo apeluje na české cestovatele

Ministerstvo zdravotnictví upozorňuje cestovatele mířící v závěru léta a během podzimu do jižní a jihovýchodní Evropy a do Asie na riziko infekcí přenášených komáry. Patří mezi ně zejména západonilská horečka, dengue a chikungunya. Riziko nákazy lze přitom výrazně snížit jednoduchými preventivními opatřeními, především používáním vhodných repelentů a důslednou ochranou před poštípáním, uvedlo ministerstvo. 

Novinky
Ilustrační foto

Nový iPhone je úplně jiný než předchozí modely! Apple zaskočil i cenovou politikou

Představení skládacího iPhonu Duo za 1999 dolarů lze číst nejen jako technologickou novinku, ale také jako promyšlený krok v cenové strategii Applu. Firma totiž současně zdražila iPhone 18 Pro a Pro Max o 100 dolarů, zjevně hlavně kvůli rostoucím nákladům na paměťové čipy.

Novinky
Ilustrační foto

Evropa čelí před nadcházející zimou kvůli růstu cen energií vážným problémům

Evropský průmysl čelí před nadcházející zimou vážným problémům v důsledku prudkého nárůstu cen energií a docházejících zásob plynu. Výrobní podniky od britského hrabství Shropshire až po německý Hamburk zasáhly výpadky v dodávkách a výrazné zvýšení provozních nákladů. Velkoobchodní ceny zemního plynu se v posledních dvou měsících zdvojnásobily v důsledku obnovených bojů mezi Spojenými státy a Íránem. Situaci dále komplikují narušené přepravní trasy na Blízkém východě, které brání plynulému zásobování evropského kontinentu.