موقع IT之家، 30 أكتوبر: قد يدفع مستخدمو اللغات الأقل شيوعًا رسومًا أعلى عند استخدام خدمات الذكاء الاصطناعي مقارنةً بمستخدمي اللغة الإنجليزية واللغات الرئيسية الأخرى.
في 28 من الشهر، وفقًا لتقرير من وسائل الإعلام الخارجية Rest of World، وجدت دراسة أصدرها تحالف أبحاث العدالة اللغوية في الذكاء الاصطناعي الشهر الماضي أن نماذج الذكاء الاصطناعي قد تستهلك عددًا متباينًا جدًا من Tokens عند معالجة لغات مختلفة. Tokens هي الوحدة الأساسية التي تستخدمها نماذج الذكاء الاصطناعي لمعالجة البيانات مثل النصوص، وتُنشأ من خلال تقسيم النصوص أو الصور أو الصوت بواسطة مُقسّم. وسمّى الباحثون التكلفة الإضافية الناتجة عن هذا الاختلاف بين اللغات بـ "ضريبة المُقسّم" الضمنية، حيث تتأثر اللغات التي تحتوي على محتوى إلكتروني أقل بشكل خاص.
أظهرت الدراسات أنه حتى بين أكثر 20 لغة استخدامًا على الإنترنت، هناك فروق واضحة في استهلاك الرموز، حيث يصل أقصى استهلاك إلى 1.5 إلى 5 أضعاف الحد الأدنى. وإذا تم توسيع نطاق الاختبار ليشمل 200 لغة، فستزداد هذه الفجوة المزيد. وفي أحد نماذج الذكاء الاصطناعي، كان الفرق في استهلاك الرموز بين اللغات المختلفة يصل إلى 17 ضعفًا.
تشير التقارير البحثية إلى أن شركة ناشئة في بنغالور قد تدفع تكلفة أعلى في كل مرة تقوم فيها بإدخال تعليمات إلى الذكاء الاصطناعي والحصول على إجابة مقارنة بمنافسيها في أوستن. مشكلة "ضريبة المُقسِّم" لا تقتصر فقط على ارتفاع التكاليف؛ فكلما زاد عدد التوكنات المستهلكة، أصبحت استجابة الذكاء الاصطناعي أبطأ، وقلّت كمية السياق التي يمكنها معالجتها بفعالية.
تتأثر المناطق التي تمتلك موارد حسابية وظروف شبكة محدودة بشكل خاص. كما أن عدم المساواة في معالجة التجزئة تحد من فرص الأشخاص في المشاركة في الاقتصاد الذكي.
أشار براتيويوش تشودري، الشريك المؤسس لصندوق رأس المال المخاطر المتخصص في الاستثمار في الذكاء الاصطناعي Activate AI، أول صندوق من هذا النوع في الهند، إلى أنه عند استخدام لغات غير الإنجليزية، فإن نفس سعة السياق تستطيع استيعاب عدد أقل من الوثائق وسجلات المحادثات، كما أن إنتاج ردود من قبل الذكاء الاصطناعي يصبح أكثر صعوبة.
شرح جودري باستخدام المثال التعليمي: "لكي يُعلّم المعلم بشكل فعّال، عليه أن يتذكر الأخطاء التي ارتكبها الطلاب سابقًا والشرحات التي تلقّوها. إذا كانت هذه السجلات التاريخية تملأ نافذة السياق بسرعة عند استخدام لغة معينة، فستتأثر جودة التدريس في النهاية."
يعتقد جودوري أن كفاءة معالجة اللغات يجب أن تصبح متطلبًا أساسيًا في منتجات الذكاء الاصطناعي، مثل الدقة والسرعة والموثوقية. "قد لا يكون من الواقعي طلب معاملة جميع اللغات على قدم المساواة التامة، لكن الفجوات الكبيرة المستمرة تحتاج إلى تفسير معقول وخطة تحسين. أتمنى أن تُعلن جميع المختبرات الرئيسية للذكاء الاصطناعي نتائج تقييم اللغات المختلفة، وتوضح تكلفة إنجاز مهام ذات صعوبة متساوية باستخدام لغات مختلفة، وتتعهد بتحسين دعم اللغات الأضعف، مع تحقيق تقدم قابل للقياس."
من التقرير، علمت IT之家 أن أحد حلول تحسين هذه المشكلة هو رفع جودة البيانات الأساسية.
ومع ذلك، وجد تحالف أبحاث العدالة اللغوية للذكاء الاصطناعي أن ما يحدد استهلاك الرموز لا يقتصر فقط على عدد مستخدمي لغة معينة، بل إن نوع الكتابة المستخدمة مهم أيضًا.
على سبيل المثال، لا يتحدث عدد كبير من الأشخاص باللغة الأستورية، ولا تُدرج في مجموعة بيانات Common Crawl، لكن استخدام الحروف اللاتينية يمنحها ميزة. كما أن اللغات الأخرى المنتمية إلى العائلة الرومانسية مثل الإيطالية، والتي تُغطى في البيانات، تفيد أيضًا اللغة الأستورية.
أشار رئيس تنفيذي شركة Maya Research، ديمانت ريدي، إلى أن العديد من المقسّمات الحالية لا تزال مُحسّنة بشكل رئيسي للغات ذات موارد بيانات وفيرة مثل الإنجليزية، وأن المشكلة الأساسية تكمن في نقص البيانات الرقمية عالية الجودة.
أكد رادي أن تحسين بيانات التدريب نفسها غير كافٍ: "إن انخفاض سعر الرموز يحدث بسرعة، ويجب أن يخف تدريجيًا التأثير المباشر الناتج عن فروق الرسوم. كما أن تحسين البيانات متعددة اللغات والبيانات الاصطناعية يساعد أيضًا على رفع جودة النموذج. لكن لتقليل الفجوة الحقيقية في تقسيم الكلمات بين اللغات المختلفة، لا تزال مختبرات الذكاء الاصطناعي بحاجة إلى تحسين متخصص لتصميم مُقسّم الجيل القادم، ليكون أكثر كفاءة في التعامل مع هذه اللغات والنصوص."