![]()
![]()
非洲AI创业者正另辟蹊径:不追随硅谷的算力竞赛,转而发展低算力、专用型小模型,以适应当地语言复杂、数据稀缺、网络不稳的现实。近日,英国《经济学家》杂志撰文,剖析适合非洲的AI发展路径。
原文 :《非洲AI发展的本土化探索》
编译 |胡雨辰、杨勇
图片 |网络
非洲的人工智能是什么模样?尼日利亚企业家奥卢巴约·阿德坎姆比一口气列出若干设想:既通英语,也通非洲诸语;既能处理文字,也能应对语音;而且身量轻巧——只有这样,在芯片稀缺、网络时断时续的地方,它才能顽强生长。与之相对,硅谷的前沿实验室正在用英语文本占压倒性多数的数据集训练巨无霸式的模型。“眼下全球AI的这套玩法,完全不适合非洲,”他说。
正因如此,两年前,在电信业打拼多年的阿德坎姆比与人联合创办了伊奎利兹人工智能(Equalyz AI)公司。这家初创企业开发了一系列工具,能用英语和四种尼日利亚语言为新手妈妈提供健康建议,帮商贩记账,为银行处理客户来电。类似的创业公司,正在非洲大陆各地破土而出。
鉴于前沿模型日益普及,这类企业看似显得有些多余。微软估计,劳动年龄人口中,使用过生成式人工智能的埃塞俄比亚人占8%,刚果人占9%,南非人占23%。OpenAI表示,ChatGPT在非洲的用户增速快于其他任何地区,只是基数很低。中国模型也颇受欢迎。
![]()
然而,即便是最优秀的大语言模型,面对非洲语言也频频失灵,在基准测试中的得分,通常比英语低10至30个百分点。它们不擅长处理方言和“语码转换”,即说话者在英语与母语之间来回切换的情形。对较小语种而言,其训练材料有相当一部分竟是《圣经》经文。莱桑人工智能公司(Lesan AI)为非洲之角地区语言做机器翻译与语音识别,其技术专家阿斯梅拉什·特卡·哈德古认为,现有模型面对日常口语基本“失灵”,阿姆哈拉语、提格里尼亚语这类采用非拉丁字母的语言尤其如此;而在几种主要语言上,进步则快得多。
根本症结在于数据匮乏。通用网络爬虫数据库(Common Crawl)是一个用于训练人工智能模型的数据库,今年7月抓取了8.72亿个英文网页,而阿姆哈拉语网页只有8万个。放眼非洲各语言,只有斯瓦希里语的语料在其中的占比高于威尔士语。
用于语音识别的高质量音频同样稀缺。为此,在谷歌、盖茨基金会等机构支持下,非洲研究人员正在录制人们的说话方式。卢旺达数字乌穆甘达(Digital Umuganda)公司的奥达斯·尼永库鲁表示,他的公司正努力在年龄、性别和方言上实现样本均衡。
目前,非洲研究人员正在用新数据集微调“开放权重”模型(即训练参数公开),这比从零构建更省算力。肯尼亚非政府组织蓝花楹健康组织(Jacaranda Health)便用斯瓦希里语训练了Meta的Llama 2,使其能为孕产妇健康提供建议。不过即便经过微调,这类模型在通用任务上的表现往往仍不及专有模型。
![]()
非洲创新的另一条路子,是面向特定任务的所谓“小语言模型”。这类模型参数最多只有数十亿,而前沿大语言模型的参数规模可达数万亿。南非实验室莱拉帕人工智能实验室(Lelapa AI)把拥有4亿个参数的模型命名为因库巴小语言模型(Inkuba LM)。较小的模型可在本地运行,甚至离线运行,敏感数据因此得以留在非洲大陆。伊奎利兹人工智能公司已为尼日利亚北部卡诺州政府开发了一款本地模型,让官员能查询文件、调取会议录音。“如果想要主权,就把模型做小,”阿德坎姆比建议道。
这一切,勾勒出一种多少有些反主流的AI愿景——重节制而轻规模,重语境而轻无所不知。它未必能抵挡硅谷席卷一切的雄心,但至少眼下,非洲研究者已找到自己的一方天地。
文章为社会科学报“思想工坊”融媒体原创出品,原载于社会科学报第2025期第7版,未经允许禁止转载,文中内容仅代表作者观点,不代表本报立场。
本期责编:狄书一
![]()
《社会科学报》2027年征订
点击下方图片网上订报↓↓↓
![]()
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.