小语种恐被AI时代边缘化？多国专家呼吁：语言模型不能只服务大语种！

“巴别鱼”是英国作家道格拉斯·亚当斯在1979年出版的科幻小说《银河系漫游指南》中创造的虚构生物——这种外形呈黄色水蛭状、寄生在宿主耳道内的神奇生物能够突破语言障碍，实现跨物种的语言交流。

翻译机的出现已经打破了人类语言的隔阂，让人们能够自由交流。然而进入AI时代，由于大部分的通用大模型对低资源语言的支持严重不足，使得小语种国家仍面临被时代边缘化的风险。

在今年的上海世界人工智能大会（WAIC）的一场高级别高水平多语言基座大模型国际学术研讨会上，来自近20个国家的约30位语言专家和人工智能专家就如何弥合AI语言模型的鸿沟，实现普惠AI技术进行深入探讨。

专家认为，如果语言被技术遗忘，那么使用这个语言的群体也会被时代遗忘；而只有当小语种国家的孩子也能够用自己的母语向AI提问时，AI平权才真正实现了。

塞尔维亚语是流行在东欧巴尔干半岛前南斯拉夫诸国的一种语言。然而，该语言的使用率远低于同一地区的斯洛文尼亚语。塞尔维亚诺维萨德大学技术科学学院主任Vlado Delić教授指出，塞尔维亚语在通用模型中token占比不足0.1%！

“语言模型不能只服务大语种，每种语言都应拥有体现其文化身份的大模型。”Delić表示。他还称，这对于人工智能在医疗、法律等关键领域的普及非常重要，必须构建符合本国语言特点和文化语境的国家级大模型。

匈牙利语具有极度复杂的词缀组合及自由语序，这为大语言模型token的划分等带来独特挑战。对此，匈牙利语言学研究中心总干事Gábor Prószéky教授强调，数据质量优于数据体量，是构建可信大语言模型的关键。他希望能与中国AI同行合作，构建语言模型的评估框架，实现从训练、语料建设到实际应用的完整闭环。

以色列人类语言技术协会（IAHLT）创始人兼董事Avner Algom以希伯来语为例称，希伯来语虽是世界上唯一被成功复兴为现代口语的古老语言，但在自然语言处理领域仍属低资源语言。

Algom强调：“语言服务不能只为大语种设计，小语种也应拥有技术平权。”IAHLT基于开源模型，已训练出双语大模型（希伯来语+英语），并部署于教育、客服、医疗等场景。通过政府财政激励机制，联合产业界解决数据获取合法性、训练成本和落地门槛问题。

科大讯飞研究院院长刘聪在研讨会上表示，科大讯飞最新升级的星火大模型X1已经可以支持超过130语种，希望与来自全球的机构合作，构建全方位的多语言大模型和应用，为世界提供“中国方案”，破解全球多语言大模型技术难题。