印度语言多样性与人工智能：谁来决定哪些语言走向数字化

印度拥有非凡的语言多样性——数百种语言被数百万人使用。然而随着人工智能重塑传播和信息获取，大多数语言面临根本性挑战：它们缺乏AI学习所需的数字数据。

数据问题

大型语言模型主要在互联网文本上训练，而互联网内容被英语、普通话和少数其他主要语言所主导。对于印度较小的语言——许多有着丰富的文学传统但网络存在有限——这造成了可见度差距。

AI作为潜在均衡器

一些研究人员看到了机遇：通过为代表性不足的印度语言创建数据集，AI可能成为语言保护的工具。然而批评者警告，决定哪些语言获得投资和数据资源的权力主要掌握在科技巨头手中。