2021-ben egy érdekes történetre bukkantam: egy új-zélandi őslakos közösség mesterséges intelligencia segítségével próbálta életre kelteni a maorik te reo Māori nevű nyelvét.
A világ számtalan őslakos népéhez hasonlóan a maorik nemzedékeivel is borzalmasan bánt a gyarmati uralom; 1867-ben iktatták be az anyanyelvi oktatást ellehetetlenítő törvényt, amelynek értelmében kizárólag angolt taníthattak az iskolákban, a saját nyelvüket használó maori gyerekeket megszégyenítették, akár meg is verték.
Az 1900-as években Új-Zéland is gyorsan városiasodott, a maori közösségek feloszlottak és szétszóródtak, ami megnehezítette a kultúra és a nyelv megőrzését. Meredeken zuhant a te reo beszélőinek száma, a korábbi 90 százalék helyett már csak a maori népesség 12 százaléka használta ezt a nyelvet. Mire Új-Zéland százhúsz évvel később visszavonta a szóban forgó törvényt, már nem volt elég te reo-tanár a kihalófélben lévő nyelv felélesztéséhez. Számos más nyelvhez hasonlóan a te reo is majdnem eltűnt a föld színéről.
Nehéz szavakkal átadni egy nyelv kihalásának tragédiáját. Valamennyi nyelv magában hordozza a gazdag történelmet, kultúrát és tudást; az idők során milliók dolgoztak rajta kollektíven, keresték a hangokat és az írásos formákat, hogy a legfinomabb árnyalatokat is megragadhassák a világegyetemről, az életről, az emberiség tapasztalatairól. A nyelv elvesztése globális, egyszersmind személyes tragédia.
https://hvg.hu/hvgkonyvek/20260215_az-mi-birodalmak-felemelkedese-ki-iranyitja-majd-a-jovonket
A nagy nyelvi modellek felgyorsítják a nyelvek kihalását
A világban csak néhány nyelvet beszélnek elég sokan, illetve csak néhány nyelv online dokumentációja elég ahhoz, hogy összegyűlhessenek a modellek működéséhez nélkülözhetetlen adatok. A világ hétezernél is több nyelvének csaknem a fele veszélyeztetett az UNESCO szerint; a nyelvek egyharmada rendelkezik valamilyen mértékű online jelenléttel, kevesebb mint 2 százalékukat támogatja a Google Translate, az OpenAI saját tesztje szerint pedig mindössze tizenöt nyelvet, azaz a nyelvek 0,2 százalékát támogatja 80 százalék feletti pontossággal a GPT-4.
Ahogy e modellek egyre inkább a digitális infrastruktúra részévé válnak, az internet egyre kevésbé lesz hozzáférhető a különböző nyelvi közösségek számára – és ennek következtében az internet adta gazdasági lehetőségeket is egyre kevésbé tudják majd kihasználni –, ami újabb és újabb közösségeket sarkall majd arra, hogy a sajátjuk helyett valamelyik domináns nyelv, például az angol tanulását és használatát részesítsék előnyben.
MI-vel egy nyelv felélesztéséért
A várható egzisztenciális fenyegetés láttán egy őslakos pár, Peter-Lucas Jones és Keoni Mahelona először próbálta ki, hogy segíthet-e az MI a te reo felélesztésében. A maori Jones és a Hawaiin született Mahelona a munkában és az életben is társak. A két férfi akkor találkozott és szeretett egymásba, amikor Mahelona álmot látott: ha Új-Zélandra költözik, megismerkedik egy maori fiúval, akivel megoszthatja az életét. 2012-ben együtt költöztek vissza Wellingtonból Jones szülővárosába, az Aotearoa északi részén fekvő Kaitāiába. Jonest nevezték ki a te reo nyelven szóló állami rádióadó, a Te Hiku Media vezérigazgatójává. Ez az adó egy több médiumot és szervezetet tömörítő hálózat része, melynek célja a te reo feltámasztása.
Új tisztségében Jones felismert egy lehetőséget. A Te Hiku több mint húszévnyi működése során sok régi felvétel került az archívumba a te reót beszélő emberekről. Jones szeretett volna további interjúkat felvenni az idős maorikkal, hogy még a haláluk előtt dokumentálhassa az élettörténetüket és te reo anyanyelvüket. Ezek a felvételek értékes forrást jelentenek a nyelvtanuláshoz, a segítségükkel a te reót beszélők új nemzedékei összekapcsolódhatnak őseik bölcsességével.
Mivel nagy hiány mutatkozott a te reót folyékonyan beszélőkben, az jelentette a legnagyobb nehézséget, hogy konvertálják a hanganyagot a nyelvtanulók kedvéért. 2016-ban, az OpenAI indulásakor Jones megkérte a Te Hiku weboldalát alakítgató Mahelonát, hogy keressen valami megoldást. Mahelonának - aki igazi polihisztor volt - gyorsan eszébe jutott az MI: egy gondosan betanított beszédfelismerő modell segítségével a Te Hiku könnyen átírhatná a néhány interjúalanyból álló hangtárát.
Jóváhagyás, kölcsönösség és függetlenség
Jones és Mahelona jól ismerte a gyarmati kizsákmányolás pusztító hatásait, ezért elhatározták, hogy csakis akkor valósítják meg a projektet, ha a fejlesztés során gondoskodhatnak három összetevőről: a jóváhagyásról, a kölcsönösségről és a maori nép függetlenségéről.
Ez azt jelentette, hogy már a projekt indulása előtt engedélyt kérnek a maori közösségtől, megkérdezik, hogy egyáltalán szeretnének-e ilyesmit; a képzéshez szükséges adatok összegyűjtése érdekében csak olyanok közreműködését kérik, akik pontosan értik az adatgyűjtés célját, és hajlandók részt venni a folyamatban; a modell előnyeinek teljes kiaknázása érdekében meghallgatják, hogy a közösség szerint mely erőforrások lennének a leghasznosabbak a nyelvtanuláshoz; ha pedig megszerezték az erőforrásokat, saját Nvidia GPU-kat és szervereket vásárolnak, hogy a modellek betanítása ne függjön a technológiai óriásvállalatok felhőitől.
Ennél is fontosabb, hogy a Te Hiku olyan folyamatot dolgoz ki, amelyben az általa gyűjtött adatok a jövőben is hasznos erőforrások lehetnek, de nem használhatók fel projektekhez, ha a közösség nem egyezik bele, ha kizsákmányolással vagy ártalommal járhat, esetleg más formában sérti a jogaikat. A kaitiakitanga – gyámság – maori elve alapján az adatok a Te Hiku tulajdonában maradnak, nem kerülnek ki ingyen az online térbe, a Te Hiku csak olyan szervezetek számára engedélyezi a felhasználásukat, amelyek tiszteletben tartják a maorik értékrendjét, és csak a közösség beleegyezésével és a közösség hasznára váló projektekhez dolgoznak az adatokkal.
„Az adat a gyarmatosítás utolsó bástyája” – mondta Mahelona, amikor beszélgettünk. A régi birodalmak kisajátították az őslakos közösségek földterületeit, amikor pedig a közösségek vissza akarták kapni a jogos tulajdonukat, kényszerítették őket, hogy szigorú feltételek mellett visszavásárolják. „Az MI csak egy újabb kísérlet a területszerzésre. A technológiai mamutcégek nagyjából ingyen jutnak az adatainkhoz – elkészítik a segítségükkel, amit csak akarnak, mindegy is, milyen céllal –, aztán az egészet a visszájára fordítják, és eladják nekünk szolgáltatásként.”
Jones és Mahelona kompromisszumok nélkül csinálták végig a projektet. Egyszer még oktatási kampányt is indítottak, hogy a maorik megismerhessék az MI-t. A Te Hiku tíz napon belül háromszáztíz órányi jó minőségű, konvertált hanganyagra tett szert, nagyjából huszonötezer ember kétszázezer körüli felvétele alapján. Az MI-kutatók többsége még csak nem is hallott ilyen széles körű összefogásról – ez is bizonyítja, hogy a Te Hiku módszere bizalmat és lelkesedést keltett a közösségben. Az ott élők boldogan adományozták az adatokat, hiszen megértették és jóváhagyták a projektet, és bízhattak benne.
A háromszáztíz órányi anyag elegendő volt ahhoz, hogy létrehozzák az első, 86 százalékos pontosságú te reo beszédfelismerő modellt. Míg az OpenAI mindenre képes MI-modellek fejlesztésére törekszik – és ehhez óhatatlanul a lehető legtöbb adatra van szüksége –, a Te Hiku csak egy kisebb, specializált modellt tervezett, amely egyetlen területen jeleskedik.
Karen Hao és könyve
Shoko Takayasu / HVG Könyvek
Van más út is a birodalomépítésen kívül
Amikor a Te Hiku tevékenységéről írtam, a ChatGPT még nem vált az MI-fejlesztés uralkodó paradigmájává, a megjelenésével azonban egyik pillanatról a másikra a szemétdombon végezte a jóváhagyás, a kölcsönösség és a függetlenség. Az azóta eltelt években még fontosabbnak és nélkülözhetetlenebbnek érzem a Te Hiku radikális megközelítését.
Elutasítom azt a veszélyes elképzelést, hogy az MI csak akkor biztosíthatja a benne rejlő előnyöket, ha a fejlesztéséhez szükséges technológia érdekében teljes mértékben feláldozzuk a magánélethez való jogunkat, a cselekvőképességünket és a méltóságunkat, beleértve a munkánk és a művészetünk értékét is a birodalmakra jellemző központosítás oltárán.
A Te Hiku példája mutatja, hogy nem ez az egyetlen út az üdvösséghez. Az MI és a fejlesztése egészen másképpen is működhet. A modellek lehetnek kicsik és feladatspecifikusak is, nincs szükség elképesztő mennyiségű, áttekinthetetlen adatra a betanításhoz, ennek következtében pedig érvényét veszti a kizsákmányoló munkaügyi gyakorlat, ahogy a szuperszámítógépek előállításához szükséges, mindent felemésztő kizsigerelés is.
Az MI fejlesztése közösségi irányítással is történhet, közös megegyezéssel, tiszteletben tartva a helyi közeget és történelmet, az alkalmazása felemelheti és megerősítheti a marginalizált közösségeket, az irányítása pedig tömegek bevonásával, demokratikusan is folyhat.
A fenti cikk Karen Hao Az AI birodalma című könyvének szerkesztett részlete. A szerző több mint 250 emberrel készített mélyinterjú segítségével és a Sam Altman által vezetett OpenAI cégóriás példáján keresztül teljes képet nyújt a mesterséges intelligencia világáról. A könyvet itt rendelheti meg kedvezménnyel.
