Ποιοι μένουν εκτός από την Τεχνητή Νοημοσύνη; Η ανισότητα των Μεγάλων Γλωσσικών Μοντέλων – Τι συμβαίνει με τα ελληνικά και τις διαλέκτους στην Ελλαδα

Lead: Την ώρα που τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) εξελίσσονται ραγδαία και υπόσχονται να μετασχηματίσουν την επικοινωνία, την εκπαίδευση και την εργασία, μια μεγάλη μερίδα του παγκόσμιου πληθυσμού κινδυνεύει να μείνει στο περιθώριο. Ο λόγος δεν είναι τεχνολογικός, αλλά γλωσσικός: τα συστήματα Τεχνητής Νοημοσύνης εκπαιδεύονται κυρίως σε αγγλικά και σε λίγες ακόμη «ισχυρές» γλώσσες, αφήνοντας εκτός τις μικρότερες, τις περιφερειακές και τις διαλέκτους. Στην Ελλάδα, το ζήτημα αποκτά ιδιαίτερο βάρος, καθώς τα ελληνικά και οι τοπικές διάλεκτοι διεκδικούν μια θέση σε ένα τεχνολογικό οικοσύστημα που σπάνια τις υπολογίζει.

Ο Ουασίμ Χαμιντούτσε, ερευνητής του AI for Good Lab, μιλώντας στο «Βήμα», περιγράφει τη γλωσσική ανισότητα ως μια από τις πιο υποτιμημένες προκλήσεις της εποχής της Τεχνητής Νοημοσύνης. Τα LLMs μαθαίνουν από τεράστια σώματα κειμένων που συλλέγονται κυρίως από το διαδίκτυο. Εκεί, τα αγγλικά κυριαρχούν, ενώ γλώσσες όπως τα ελληνικά, τα κρητικά, τα ποντιακά ή τα τσακώνικα εκπροσωπούνται ελάχιστα ή καθόλου. Το αποτέλεσμα είναι προβλέψιμο: τα μοντέλα απαντούν με χαμηλότερη ακρίβεια, παραμορφώνουν πολιτισμικές αναφορές και συχνά αγνοούν τοπικές εκφράσεις, παροιμίες και ιστορικά συμφραζόμενα.

Το πρόγραμμα Lingua, στο οποίο αναφέρεται ο Χαμιντούτσε, επιχειρεί να αλλάξει αυτή την εικόνα. Στόχος του είναι να φέρει τις διαλέκτους της Ελλάδας στην Τεχνητή Νοημοσύνη, συλλέγοντας και οργανώνοντας γλωσσικά δεδομένα από τοπικές κοινότητες, ερευνητικά κέντρα και πολιτιστικούς φορείς. Η πρωτοβουλία δεν είναι απλώς τεχνική άσκηση· είναι πράξη διατήρησης της πολιτιστικής κληρονομιάς. Όταν μια διάλεκτος δεν υπάρχει στα δεδομένα, δεν υπάρχει ούτε στις μηχανές. Και όταν μια γλώσσα απουσιάζει από την τεχνολογία, οι ομιλητές της αποκλείονται από τις ευκαιρίες που αυτή δημιουργεί.

Τι πρέπει να γνωρίζετε:

• Τα Μεγάλα Γλωσσικά Μοντέλα εκπαιδεύονται κυρίως σε αγγλικά και σε λίγες ακόμη γλώσσες υψηλής εκπροσώπησης, αφήνοντας εκτός τα ελληνικά και τις διαλέκτους.
• Η έλλειψη δεδομένων οδηγεί σε λιγότερο αξιόπιστα αποτελέσματα, πολιτισμικές παρανοήσεις και αποκλεισμό τοπικών κοινοτήτων από τις ψηφιακές υπηρεσίες.
• Το πρόγραμμα Lingua επιδιώκει να εντάξει τις ελληνικές διαλέκτους στην Τεχνητή Νοημοσύνη, συνδέοντας την τεχνολογία με τη γλωσσική πολυμορφία και την πολιτιστική ταυτότητα.

Γιατί έχει σημασία: Η γλωσσική ανισότητα στην Τεχνητή Νοημοσύνη δεν είναι απλώς τεχνικό ζήτημα· είναι ζήτημα δημοκρατίας, ταυτότητας και ισότιμης πρόσβασης στο μέλλον. Αν τα εργαλεία του αύριο μιλούν μόνο λίγες γλώσσες, τότε οι υπόλοιπες θα σιωπήσουν. Η Ελλάδα, με τον πλούτο των διαλέκτων της, έχει την ευκαιρία να διεκδικήσει μια θέση σε αυτή τη συζήτηση — όχι ως παρατηρητής, αλλά ως συμμέτοχος.