Quỹ Gates lập liên minh mở rộng dữ liệu ngôn ngữ cho AI -

Quỹ Gates đang tập hợp Anthropic, Google, OpenAI Foundation và hàng chục tổ chức khác để mở rộng khả năng hỗ trợ các ngôn ngữ hiện còn ít được AI hỗ trợ.
Theo thông báo công bố ngày 21-9, liên minh có 60 đối tác, gồm các phòng thí nghiệm phát triển AI tiên tiến, doanh nghiệp, tổ chức từ thiện và những đơn vị đang tìm cách đưa thêm ngôn ngữ vào các công cụ AI.
Mục tiêu của liên minh là phối hợp các sáng kiến đang có để xây dựng thêm dữ liệu về ngôn ngữ và giọng nói, qua đó giúp hơn 3 tỷ người tiếp cận các công cụ AI trong vòng 5 năm.
Mark Suzman, CEO Quỹ Gates, cho rằng công việc này cần được tiếp tục “hết tốc lực”, trong bối cảnh một số công ty AI lớn đang kêu gọi ngành công nghệ giảm tốc độ phát triển các mô hình tiên tiến.
Theo ông Suzman, chính phủ cần quản lý những tác động của AI đối với an ninh mạng và sự phát triển của trẻ em, đồng thời bảo đảm các ứng dụng AI phục vụ y tế, giáo dục và các mục tiêu nhân đạo có thể đến được với những cộng đồng nghèo hiện chưa được hưởng lợi từ công nghệ này.
“Ngay cả khi AI bị đóng băng ngay lúc này — điều tôi không cho rằng sẽ xảy ra — chúng ta vẫn muốn xây dựng những bộ dữ liệu ngôn ngữ này và làm cho chúng có thể sử dụng được với các công cụ đang có,” Suzman nói với AP.
Sáng kiến được đưa ra sau báo cáo Goalkeepers công bố tuần trước, trong đó Quỹ Gates cam kết 1 tỷ USD cho các chương trình ứng dụng AI nhằm cải thiện chăm sóc sức khỏe, phát triển công cụ giáo dục và hỗ trợ các hộ nông dân nhỏ trên toàn thế giới.
Báo cáo cảnh báo việc thiếu dữ liệu ngôn ngữ phù hợp có thể khiến AI hiểu sai những câu nói có ý nghĩa quan trọng trong thực tế. Chẳng hạn, câu nói của một phụ nữ mang thai ở Malawi rằng “vỡ ối” có thể bị dịch sai thành nghĩa đen là cô ấy “vứt nước đi”.
E.M. Lewis-Jong, CEO Mozilla Data Collective, cho rằng một phần nguyên nhân nằm ở cách các hệ thống AI hiện nay được huấn luyện. Nhiều hệ thống sử dụng lượng lớn dữ liệu ngôn ngữ được thu thập từ internet, nhưng internet không phản ánh đầy đủ sự đa dạng về ngôn ngữ và văn hóa trên thế giới.
Công ty của Lewis-Jong được Mozilla Foundation ươm tạo và hiện là công ty con của tổ chức phi lợi nhuận Mozilla.org. Nền tảng này cho phép các cộng đồng tự đưa dữ liệu văn hóa và ngôn ngữ của mình vào hệ thống theo những điều kiện do họ quyết định, thay vì để dữ liệu bị thu thập từ internet mà không có sự đồng ý rõ ràng.
“Internet không phải là một không gian đại diện cho toàn bộ xã hội,” bà nói. “Tại sao lại nghĩ rằng có thể tạo ra một hệ thống đa dạng và đại diện về văn hóa từ một nguồn dữ liệu được huấn luyện chủ yếu trên Reddit?”
Suzman cho biết cơ chế hoạt động của liên minh vẫn đang được hoàn thiện. Một ban thư ký sẽ theo dõi cam kết của từng thành viên, trong khi Quỹ Gates có thể thúc đẩy các đối tác bổ sung dữ liệu ở những lĩnh vực còn thiếu.
Google, một thành viên của liên minh, đang tài trợ cho Project Vaani, chương trình thu thập hơn 150.000 giờ dữ liệu âm thanh tại tất cả các huyện của Ấn Độ.
Chương trình cho thấy một vấn đề khác của AI: ngay cả khi một ngôn ngữ đã được hỗ trợ, dữ liệu thu thập được vẫn có thể chưa đủ để phản ánh các phương ngữ và cách phát âm khác nhau.
James Manyika, Phó chủ tịch cấp cao của Google, cho biết công ty đang phối hợp với các đối tác địa phương để ghi âm giọng nói trực tiếp tại thực địa.
Anthropic, công ty trước đó kêu gọi ngành AI phối hợp để giảm tốc độ phát triển các công nghệ tiên tiến, cũng tham gia liên minh. Công ty đã hợp tác với Quỹ Gates trong các chương trình thúc đẩy phát triển vaccine và bổ sung dữ liệu về cây trồng địa phương cho bộ dữ liệu của chatbot.
Elizabeth Kelly, người phụ trách triển khai AI vì lợi ích xã hội tại Anthropic, thừa nhận các sản phẩm của công ty “đặc biệt tụt hậu ở nhiều ngôn ngữ châu Phi”.
“Chúng tôi nhận thức rất rõ rằng sẽ không thể đạt được những lợi ích mà mình mong muốn, từ cải thiện kết quả điều trị cho bệnh nhân đến nâng cao khả năng đọc, viết và tính toán của học sinh trên toàn thế giới, nếu không giải quyết đúng vấn đề ngôn ngữ,” bà nói.