尼日利亚AI语言多样性：打破“四大”语言主导现状

快速阅读: Goloka组织因多语言模型项目未包含某些尼日利亚地方语言而受到批评。此类事件凸显了母语对于个人身份和文化归属的重要性，尤其是在数字时代。AI在促进语言多样性和包容性方面具有巨大潜力，但也面临投资集中于主要语言的挑战。

两个月前，一位前同事走进我的办公室，我们的交谈不到20分钟，他就半开玩笑地指责我，在我们数据收集组织Goloka最近收集并开源给Meta用于其多语言模型项目的数据中，未包含他家乡的流行语言（伊比奥语和埃凯特语）。

类似的情景在今年六月的一次会议上再次上演。当时我提到计划将富尔富尔德语纳入首批收集的五种语言之一。一位正在主持会议的导师开玩笑说，我不够政治正确，因为选择了富尔富尔德语而不是卡努里语，而卡努里语正是他的母语。为此，他还戏言要对我罚款。

这两次对话反映了尼日利亚人乃至全球各地的人们对自己母语的深厚感情和重视程度。对于尼日利亚人来说，无论是在国内还是海外，听到自己的母语不仅仅是一种交流方式，它还是一种生活召唤，是心灵沟通的桥梁。

母语承载着记忆、身份和文化归属感。遗憾的是，我们在TikTok、Instagram、X、Meta或YouTube上的大部分数字和公民对话仍然以英语为主（当然，你现在读到的也是英语）。对于数百万民众而言，这意味着在政策讨论、消费者信息、选举话题甚至日常产品选择上被边缘化。

设想一下，如果每条推文、政策文件、产品推广或公民公告都能准确且贴合背景地自动翻译成约鲁巴语、提夫语、伊加拉语、卡努里语、富尔富尔德语、埃多人语、努佩语或伊多马语，这种影响将是深远的。具体而言，这将意味着更透明的治理、更具包容性的市场以及一个没有因语言障碍而失声的公民社会。

人工智能（AI）有潜力打破这一障碍。它不仅在农业、健康和创意产业的初创公司中得到了早期应用，还在简化消费者服务交付及日益增长的公民教育和政策沟通中发挥作用。毋庸置疑，AI正创造新的生产力前沿。然而，更大的、往往被忽视的机会在于语言领域。

但在我们的初步研究中发现了一个挑战：目前对尼日利亚语言AI的投资主要集中在所谓的“四大”语言——约鲁巴语、豪萨语、伊博语和皮钦英语。尽管这些语言覆盖了数千万使用者，但它们也可能强化语言主导地位，使另外5000万至7000万尼日利亚人的声音被淹没，这些人的生活深深植根于其他语言之中。AI可能会无意间成为内部殖民化的下一个工具，让少数几种语言在数字世界中占据主导地位。

到2045年，我们的人才投资能否实现梦想中的未来？

为什么自信是尼日利亚最宝贵的财富

超越石油（无油未来）第二部分

当Dataphyte在2024年制定其AI战略时，我们明确了除了识字、学习和本地化外，语言将成为我们所有AI工作的核心。首先，我们知道这是许多初创公司或社会影响组织不会选择的道路，因为这在短期内到中期被认为缺乏吸引力且资本密集。其次，作为智库，研究和对话已经是我们的强项。第三，我们认识到识字和本地化在跨国界销售方面既容易又具有真正的重要性。

问题不在于训练AI识别提夫语、卡努里语、埃菲克语或伊加拉语是否具有商业可行性。问题在于，尼日利亚和非洲能否承受不这样做所带来的文化和公民成本。这不仅仅是关于短期回报，而是关于文化的复兴。这是一个全面的发展过程，涉及语言保护，保持那些可能在一个世代内消失的社区的语言、习语和韵律。它关乎在政策沟通中创造公平，为企业发展解锁新的消费群体，使海外尼日利亚人能够重新与他们的根建立情感联系。

在Dataphyte，这些信念塑造了我们与Meta的合作关系：我们不仅纳入了约鲁巴语，还增加了富尔富尔德语，并致力于构建十个更多人口众多的尼日利亚语言的数据集。我们称这为非洲必须采取行动的一个概念证明，即建设由社区拥有的语言数据，与全球平台合作将其主流化，并释放随之而来的文化和经济红利。

尼日利亚投资指南

经济分析工具

金融市场分析

尼日利亚电信报告

每日新闻摘要

数据保护软件

商业新闻更新

我们正在深化对自身作为组织的理解，认识到AI不仅是一种生产工具。对于非洲而言，它可以成为语言正义和文化复兴的引擎。我们的语言未来就是我们的数字经济未来，两者不可分割。

我们理解，数字未来只有在非洲语言处于核心地位时才具有相关性。作为一家数据访问和技术机构，我们战略定位为向定义当今和未来非洲的年轻人提供这一公共利益商品。

Joshua Olufemi 是 Dataphyte 和 Goloka Analytics 的创始人，可通过 LinkedIn 和 X 联系。

加入 BusinessDay WhatsApp 频道，以随时了解最新信息