Niet elke AI spreekt hindi

Een boerin ergens op het platteland van India maakt een foto van een stervende plant. Ze wil weten wat er mis is, maar spreekt geen Engels. Bij de meeste AI-systemen van vandaag houdt haar vraag daar helaas op.

Precies dat probleem probeert de non-profit Current AI op te lossen, met "publieke AI-infrastructuur": open, gratis en niet in handen van één techbedrijf.

Een offline apparaat in 22 Indiase talen

Het eerste concrete resultaat is Suno Sutra, Hindi voor "luisterkronieken": een zakformaat apparaat dat helemaal offline AI draait, in 22 Indiase talen. Het kwam er in samenwerking met Bhashini, de AI-taaldivisie van de Indiase overheid, gepresenteerd in februari op de India AI Summit. Het apparaat is open source, zodat ontwikkelaars er zelf op kunnen voortbouwen.

"In India zijn er honderden verschillende talen en dialecten, en op dit moment representeert AI ze niet," zei Bdeir tegen TechCrunch.

Dat is geen klein detail. Volgens haar dreigt de helft van alle gesproken talen wereldwijd uit te sterven, en omdat de grote taalmodellen vrijwel allemaal op Engelstalige data zijn getraind, blijft een groot deel van de wereldbevolking, en daarmee hun cultuur, buiten beeld. "Taal is hoe kennis, traditie, herinnering en identiteit van generatie op generatie worden doorgegeven. Als een technologie je taal niet kan spreken, kan die ook je cultuur niet vasthouden," zegt Bdeir.

Wie is de eigenaar van de data?

Current AI werkt als een "publiek-private samenwerking": overheden, bedrijven en filantropische fondsen die samen publieke techniek financieren. De Franse overheid stak er als eerste 100 miljoen dollar in, later aangevuld door onder meer de Ford Foundation, de MacArthur Foundation, Google DeepMind en Salesforce. Opgeteld staat er inmiddels 400 miljoen dollar aan toezeggingen.

Bdeir maakt daarbij een scherp onderscheid met hoe Big Tech multilinguale modellen aanpakt. "Big tech bouwt meertalige modellen om hun markt te vergroten, ongeacht toestemming of context," zegt ze. Een concreet voorbeeld: bij inheemse talen worden missionaris-Bijbelvertalingen trainingsdata voordat gemeenschappen zelf spelregels hebben kunnen vaststellen.

Haar antwoord is een systeem naar het model van het vroege web: verbeteringen komen iedereen ten goede, niemand wordt buitengesloten, en gemeenschappen houden zeggenschap over hun eigen data. "Er is één ding zeker: het zou geen bedrijf in Silicon Valley moeten zijn dat een select groepje van een paar duizend mensen rijker probeert te maken," aldus Bdeir.

Vier eerste projecten

In Kenia bouwt Masakhane AI-datasets in meer dan 50 Afrikaanse talen voor gezondheidszorg, landbouw en onderwijs. In Libanon digitaliseert het Institute for Worldmaking Arabische culturele geschiedenis in databases die gemeenschappen zelf beheren, niet techbedrijven. In de Braziliaanse Amazone bouwt Portal sem Porteiras offline AI-tools samen met inheemse gemeenschappen, met data die binnen het territorium blijft. En in Kenia ontwikkelt de African Internet Rights Alliance audit-tools om AI-systemen op het continent verantwoording af te laten leggen.

AI-geletterdheid zou niet voorbehouden moeten zijn aan wie toevallig Engels spreekt en al met technologie is opgegroeid. Dat is dichterbij huis relevanter dan het lijkt. Ook in Nederland vallen mensen buiten de boot, niet door taal, maar door tempo, vertrouwen of simpelweg geen tijd gehad om het bij te benen. Bij de dojo probeer ik precies dat gat te dichten, op kleine schaal. Current AI probeert het wereldwijd. Andere schaal, zelfde instinct.

Bron: techcrunch.com