圖/123RF
文/本報綜合報導
近年來,以大型語言模型(Large Language Models)為代表的人工智慧快速發展,ChatGPT、Gemini、Claude、DeepSeek等已能流暢運用數種主要語言,協助完成翻譯、創作、程式設計與知識查詢。然而,當使用地方方言、少數民族語言或瀕危語言與AI對話時,回答品質往往明顯下降,甚至無法理解語意。這不代表AI刻意忽略方言,而是目前的發展模式、資料取得、運算成本與全球語言生態等,共同形成這項限制。
● 方言缺乏足夠文本
AI並不像人類透過生活經驗學會語言,而是透過大量文字資料,逐步建立詞彙、語法、語意與推理能力。一種語言若要被AI充分掌握,通常需要龐大的數位語料,包括新聞、書籍、百科、學術論文、各類文件及網站內容等。大型語言模型的核心是「資料學習」,然而,多數方言正好缺乏這些條件。
AI發展大多遵循「使用人口效應」,科技公司投入資源時,通常會優先支援全球使用人口最多、需求最大的語言。例如,英語、中文等擁有大量使用者、市場需求,因此投入開發的成本較容易獲得回報。相反地,使用人口較少的方言,由於市場規模有限,企業較難投入大量人力蒐集語料、整合資料、建立語音模型及持續更新。
● 方言沒有統一標準
許多官方語言具有相對固定的拼寫、文法與詞彙規範,例如現代標準漢語、英語、日語等,都有長期建立的教育體系與辭典;相較之下,許多方言則有高度地域差異。以台灣為例,台語在不同地區可能有不同發音;客語又分為四縣、海陸、大埔、饒平、詔安等腔調;不少原住民族語也依部落產生變化。
其他國家也有類似情況,例如義大利方言、德國方言、阿拉伯語方言等,都存在明顯差異。AI模型傾向學習較一致的規則,而方言往往具有高度變異性,同一個意思可能有數種說法,同一個詞又可能因地區不同而改變發音與用法,因而增加模型建立語言規律的難度。
● 社會認知數位落差
另一個重要原因,在於社會長期對方言的態度。過去許多國家曾推行「說共同語言」政策,方言在教育、媒體與正式場合的使用受到限制,導致許多人逐漸改用官方語言。當AI開始蒐集網路資料時,所接觸到的是官方語言,而非方言。
再者,AI是否能真正理解所有方言?從技術角度而言,並非完全不可能,但仍面臨幾項挑戰。首先,需要大量且合法取得的語料,包括文字、錄音、影音及不同年齡層的自然對話。此外,AI還必須理解方言背後的文化脈絡。
因此,未來真正值得努力的方向,不是要求AI放棄主流語言,而是在發展共同語言的同時,善用AI保存地方語言與文化資產。讓科技服務文化,而非取代文化;讓AI不只理解世界主要的語言,也能逐漸聽見那些承載地方記憶、歷史情感與人類多元文明的聲音。