Yapay zeka dillerini öğrenemiyor! Afrika'nın unutulan dilleri tehlikede

Afrika'nın dilsel zenginliği, yapay zeka çağında bir soruna dönüşmüş durumda. Kıtada konuşulan binlerce dilden sadece 42'si mevcut dil modellerinde yer alırken, geri kalan diller teknolojik gelişmeden mahrum kalıyor. Bu durum, geliştiricilerin karşılaştığı temel sorundan kaynaklanıyor: dil modellerini eğitmek için gerekli olan yazılı verinin çoğu dilde neredeyse hiç bulunmaması.

Veri eksikliğinin yapay zeka üzerindeki etkisi

Bir dil modelini eğitmek için yeterli miktarda yazılı kaynak gereklidir. İngilizce gibi yaygın konuşulan dillerde bu sorun yaşanmaz; internette milyonlarca makale, kitap ve rehber kolayca bulunabilir. Ancak Afrika'nın dillerinin çoğu için durum tamamen farklıdır. Etiyopya ve Eritre'de yaklaşık 9 milyon kişi tarafından konuşulan Tigrinya dilinin Vikipedi'de sadece 335 makalesi varken, İngilizce'de 7 milyondan fazla makale mevcuttur. Gana'da en yaygın konuşulan ana dil olan Akan dilinin ise Vikipedi'de hiç makalesi yoktur. Güney Afrika'daki Pretoria Üniversitesi'nde bilgisayar bilimleri profesörü olan Vukosi Marivate, bu sayıları kullanarak mevcut veri miktarının ne kadar yetersiz olduğunu göstermektedir.

Yapay zeka alanında küresel eşitliği ilerletmek için çalışan Technēculturǎ enstitüsünün kurucusu Chinasa T. Okolo, bu durumun finansal nedenlerle ilişkili olduğunu belirtmektedir. Svahili konuşan nüfus Fince konuşanlardan çok daha fazla olmasına rağmen, Finlandiya Apple ve Google gibi teknoloji şirketleri için daha cazip bir pazardır. Bu nedenle, bu şirketler Fince için daha fazla yatırım yapmayı tercih etmektedir.

Yazı sistemleri ve dilbilim altyapısının eksikliği

Veri eksikliğinin yanı sıra, Afrika'nın 23 yazı sisteminden sadece üçü—Latin, Arap ve Ge'Ez—yapay zeka modellerinde mevcuttur. Bu durum, yazı sistemi olmayan veya standartlaştırılmamış dillerde sorun yaratmaktadır. Ruanda'nın dili olan Kinyarwanda'da, ülkenin adını yazmanın üç yaygın yolu bulunmaktadır: uRwanda, Urwanda ve u Rwanda. Yazım kuralları olmadan, en temel metin işleme bile zorlaşmaktadır. Çoğu Afrika dili sözlükler veya gramer çalışmaları aracılığıyla kodlanmamıştır, bu da yapay zeka geliştiricilerinin karşılaştığı temel zorlukların başında gelmektedir.

Güney Afrika ve Zimbabve'de konuşulan Isindebele dilinin yazılı kaynakları bulmak o kadar zor olmuştur ki, araştırmacılar istemlerini yazmaya yardımcı olması için keçi çobanları için bir hükümet kılavuzuna başvurmak zorunda kalmışlardır. Bu örnek, bazı dillerin yazılı kaynak bulmanın ne kadar güç olduğunu göstermektedir.

African Next Voices: Çözüm arayışı

Bu sorunları çözmek için, Vukosi Marivate, Güney Afrika, Kenya ve Nijerya'da 18 dilin kayıtlarını yapan African Next Voices projesine liderlik etmiştir. İki yıl boyunca, üç ekip farklı yaş ve konumlardan insanlardan 9.000 saatlik kayıt toplamış ve kıta genelindeki yapay zeka geliştiricilerinin modelleri eğitmek için kullanabileceği bir veri seti oluşturmuştur. Araştırmacılar bazen ana dil konuşanlarına okumak için metinler vermiş, ancak çoğunlukla onlara bir istem verip yanıtlarını kaydetmiş ve daha sonra yazıya dökülmüştür.

African Next Voices projesi, ChatGPT veya Gemini gibi binlerce konuyu ayrıntılı olarak kapsayabilen büyük bir dil modelini eğitmek için yeterli veri toplamadı. Ancak Marivate, kayıtlarını sağlık ve tarım gibi en önemli olduğu düşünülen belirli konulara odakladıklarını belirtmektedir. Bu yaklaşım, uzmanlaşmış modeller oluşturmaya yönelik bir stratejidir.