هزینه پنهان هوش مصنوعی برای زبان‌های غیرانگلیسی

نشان دادند مدل‌های هوش مصنوعی مولد برای تولید متن در زبان‌های غیرانگلیسی بین ۱.۴ تا ۱۸۰ برابر انرژی بیشتری مصرف می‌کنند و در بسیاری از موارد، دقت پایین‌تری نیز دارند. این مطالعه که روی ۱۲۲ زبان و پنج مدل مختلف انجام شده، یکی از جامع‌ترین ارزیابی‌های نابرابری زبانی در هوش مصنوعی محسوب می‌شود .

دو برابر جریمه برای زبان مادری

نایهاو دنگ، نویسنده اول این مطالعه از آزمایشگاه هوش مصنوعی دانشگاه میشیگان، می‌گوید: زبان‌هایی که معمولاً انرژی بیشتری مصرف می‌کنند، تمایل دارند دقت پایین‌تری نیز در خروجی مدل داشته باشند. او این وضعیت را «جریمه دوگانه» می‌نامد که می‌تواند برخی کاربران را از دسترسی به هوش مصنوعی محروم کند و شرکت‌ها را نسبت به ارائه مدل در برخی زبان‌ها بی‌میل سازد .

بر اساس اندازه‌گیری‌های این تیم و داده‌های جمعیتی موجود در Ethnologue، حدود ۵.۲ میلیارد نفر در جهان برای تولید متن در زبان مادری خود، باید بیش از دو برابر انرژی مصرف کنند .

اعداد تکان‌دهنده

برای یک مجموعه پرسش یکسان، مصرف انرژی از ۱۷.۶ کیلوژول برای انگلیسی تا ۳۱۴۷ کیلوژول برای پشتو متغیر است؛ یعنی ۱۷۹ برابر بیشتر. برای هندی به‌طور میانگین ۷.۹ برابر و برای بنگالی ۱۵.۳ برابر بیشتر از انگلیسی است. حتی زبان‌های اروپایی مانند آلمانی و فرانسوی نیز تا دو برابر بیشتر از انگلیسی انرژی مصرف می‌کنند .

بیشترین شکاف در زبان‌هایی دیده می‌شود که از خط لاتین استفاده نمی‌کنند و محتوای دیجیتال کمتری برای آموزش مدل دارند .

چرا این اتفاق می‌افتد؟

مشکل اصلی، توکنایزیشن است. توکن، واحد پایه داده در هوش مصنوعی است که می‌تواند یک کلمه کامل، یک بخش از کلمه یا یک کاراکتر باشد. مدل‌ها متن را قبل از پردازش به توکن تبدیل می‌کنند و سپس توکن‌های خروجی را به زبان انسانی برمی‌گردانند .

توکنایزرهایی که عمدتاً روی داده‌های لاتین آموزش دیده‌اند، خط‌های پیچیده‌ای مانند دواناگاری (هندی، نپالی، مراتی) و بنگالی را به قطعات بیشتری می‌شکنند. در این خط‌ها، کاراکترهای پایه تغییر شکل می‌دهند و با حرکات ترکیب می‌شوند تا میلیون‌ها کاراکتر منحصربه‌فرد تولید کنند .

عامل دوم، طول پاسخ است. برای زبان‌های کم‌منبع، مدل‌ها پاسخ‌های بسیار طولانی‌تری تولید می‌کنند؛ گاهی تا ۲۰ تا ۲۵ برابر بیشتر از انگلیسی از نظر تعداد توکن خروجی. این دو عامل با هم ترکیب می‌شوند: توکن‌های بیشتر حافظه بیشتری اشغال می‌کنند، مدل باید دسته‌های کوچک‌تری را پردازش کند و بهره‌وری GPU کاهش می‌یابد .

ارتباط با قیمت‌گذاری

از آنجا که بسیاری از ارائه‌دهندگان خدمات هوش مصنوعی بر اساس تعداد توکن قیمت‌گذاری می‌کنند، کاربران زبان‌های غیرانگلیسی به‌طور غیرمستقیم هزینه بیشتری برای همان خدمات پرداخت می‌کنند. این نابرابری می‌تواند دسترسی به هوش مصنوعی را برای بخش بزرگی از جمعیت جهان دشوارتر کند .

راه‌حل‌های پیشنهادی

محققان دو راهکار اصلی پیشنهاد می‌کنند: نخست، آموزش مدل‌های اختصاصی برای زبان‌های مختلف و مسیریابی خودکار پرسش‌ها به مدل مناسب. دوم، ترجمه پرسش‌ها به انگلیسی قبل از پردازش، به شرطی که ترجمه قابل اعتماد باشد .

رادا میهالچیا، سرپرست آزمایشگاه هوش مصنوعی دانشگاه میشیگان، تأکید می‌کند: «توسعه‌دهندگان هوش مصنوعی باید منابع بیشتری برای زبان‌هایی با شکاف انرژی و هزینه ایجاد کنند»، از جمله با جلب مشارکت خود گویشوران در تولید داده‌های آموزشی .

تحلیل ICTNews

این مطالعه یک واقعیت ناخوشایند را آشکار می‌کند: هوش مصنوعی، آن‌قدر که ادعا می‌شود «برای همه» نیست. زیرساخت این فناوری حول محور انگلیسی ساخته شده و کاربران سایر زبان‌ها، هزینه آن را نه فقط با پول، بلکه با انرژی و کیفیت پایین‌تر می‌پردازند.

راه‌حل ترجمه به انگلیسی نیز اگرچه در کوتاه‌مدت کارساز است، اما یک راه‌حل «استعماری» محسوب می‌شود: به جای اینکه مدل‌ها زبان‌های دیگر را بفهمند، کاربران مجبور می‌شوند زبان خود را رها کنند. راه‌حل پایدار، سرمایه‌گذاری روی مدل‌ها و توکنایزرهای چندزبانه است؛ کاری که تاکنون تنها برای زبان‌های پرمنبع مانند چینی و ژاپنی انجام شده است.

نوشتههزینه پنهان هوش مصنوعی برای زبان‌های غیرانگلیسیاولین بار درآی سی تی نیوز | مرجع اخبار فناوری اطلاعات و ارتباطات ایران. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.