当AI智能体忽视语言多样性或优先采用主导语言时,它们可能抹去身份认同、排斥特定群体,并加剧现有的社会和经济不平等。
大多数AI模型主要以英语和正式语言进行训练,导致它们无法理解方言、口音、语码转换和情感细微差别。
世界经济论坛将于2026年在瑞士达沃斯举办年会,会议主题为“对话的精神”,将凸显开放、公正对话日益重要的地位。
我们正身处鸿沟日益扩大的时代。据联合国统计,三分之二的全球人口如今生活在不平等加剧、组织信任度下降的国家。2023年,最富有的1%拥有全球近一半的财富。与此同时,近40%的成年人所拥有的财富不足1%。
谁受益、谁被排除在外之间的差距,正跨越国界、行业和体系不断扩大。但不平等不仅体现在经济层面,也体现在语言层面。
超过60亿人(接近全球人口的80%)以英语以外的语言作为母语或第二语言——这一现实决定了谁能够获得医疗、教育、服务和机会。
每一次对话都承载着深刻的文化意义。
随着世界日益紧密相连、数字化程度不断加深,语言正成为一条无声的分界线,决定着人们是被包容还是被排斥。
这正是AI智能体如今所面临的挑战。作为人与组织之间的第一接触点,智能体肩负着重大责任:帮助人们感受到被看见、被倾听。
我们今天构建的系统将塑造我们明天的联系方式。因此,问题在于:我们应如何设计这些系统,使其理解我们每一个人?
语言即身份
每一次对话都承载着深刻的文化意义。人们的说话方式——例如所选择的语言、运用的隐喻以及语速节奏——所反映的远不止语言习惯。它们揭示了根深蒂固的历史、社会背景和权力关系。
新西兰就是一个鲜明的例子,毛利语深深植根于这片土地之中。河流、山丘和森林的名称记录着祖先的迁徙路线与部落关系,是记忆与地方的活态标记。由于人们仍在学校、媒体和公共生活中使用毛利语,这些含义也持续演变。
抽离这门语言,抹去的不仅是意义,更是归属感。
研究也印证了这一点。大量研究一致表明,语言是身份认同的核心象征。它塑造人们如何看待自己、如何与他人联结,以及文化如何得以延续。
一项研究以中国跨国青年为对象,例如发现,即使在学习其他语言的同时保持母语,也有助于维护其情感健康和社会归属感。换言之,即便在不断变动之中,语言依然能够维系身份认同的完整性。
然而,这种延续正在消退。全球化持续侵蚀语言多样性,并随之侵蚀语言所承载的文化。联合国教科文组织2025年报告呼吁推行多语言教育以保护这种多样性,并强调需要制定灵活且具有文化回应性的语言政策。
因为当我们忽视语言的运作方式时,就有可能疏远相关群体,并加剧我们本想弥合的鸿沟。这正是AI技术所面临的矛盾。
语境是实现公平AI的关键
在设计AI智能体时,许多组织往往将语言视为简单的输入—输出问题:解析词语、映射意图、生成回应。这种做法对简单任务或许可行。但在医疗或金融服务等复杂且风险高的领域,将语言简化可能会抹平其中的微妙之处。
一旦语境丢失,公平也随之丧失。
事实上,研究表明,逐字直译可能丢失高达47%的语境含义,而超过一半的情感细微差别也会丢失。这一挑战远不止于误译。
在全球7000种语言中,大多数大语言模型(LLM)仍主要以英语进行训练,这使系统对对话的理解和回应产生偏差。这些偏差可能造成伤害。
归根结底,当我们只以单一声音为出发点进行构建时,便会加剧不平等
这一点在一次普通的客服通话中就能体现。
假设巴西一位女士收到驱逐通知后,联系了一家金融服务公司的客服中心。她惊慌失措,用当地葡萄牙语的表达和口语化措辞来说明自己的处境。
然而,这个主要以英语和正式欧洲葡萄牙语训练的AI智能体并未察觉其紧迫性。它将她的恳求视为常规咨询,给出标准化回复,并将其案件安排进普通队列。这反映出系统对语言、身份以及“谁算数”所内置的偏见。
AI智能体目前缺乏语境细微差别的理解能力
在医疗等不容许出错的关键领域,后果更为严重。一项2024年针对临床环境中自动语音识别的研究发现,对于带有非母语口音和方言的说话者,系统的表现始终欠佳。
其中包括越南语等声调语言,以及非裔美式白人英语等方言变体。因此,转录错误可能导致误诊、延误治疗以及其他严重后果,尤其是对于本已面临系统性障碍的患者而言。
这些问题揭示了一个根本性事实:大多数AI智能体并非为反映人们的实际说话方式而构建。这些系统难以应对语码转换、方言和口语化表达,原因在于开发机构并未针对此类复杂性进行设计。若无法解决这一问题,AI便无法服务于其本应支持的人群。
要构建更好的AI智能体,就必须从人们所处的实际情境出发。
融入跨文化规范
话虽如此,AI在支持跨文化协作方面蕴藏着巨大潜力。
若运用得当,AI智能体可以充当桥梁:跨语言翻译、留存机构记忆,并使系统以更快、更公平且更富同理心的方式作出回应。但前提是,我们在构建时必须以这些目标为导向。
这一切始于文化智能,因为语言并非中立。人们在对话中带入的是完整的自我:身份、历史、情感和期望。而在多语言或多文化的语境中,这些层面会相互叠加。
要构建真正能够跨文化运作的AI智能体,就必须从一开始便为差异性而设计。这意味着要适应不同语言、地区和应用场景中的不同规范,而非采用千篇一律的行为模式。
例如,在日本的客户支持对话中调整语气,或在尼日利亚将间接措辞理解为礼貌表达。这正是功能性互动与尊重性互动之间的区别所在。
要实现这一目标,您需要:
投资于低资源语言。
与当地语言社群建立合作。
以真实、具有代表性的数据训练系统。
但构建仅是工作的一部分。我们还需要重新思考如何评估AI智能体。诸如词错误率或意图准确率等标准指标,无法全面反映现实世界中的沟通状况。我们需要更完善的评估方法,以判断AI智能体是否理解情感语气、语境和对话节奏。
其回应是否恰当,而不仅仅是正确?
它能否区分紧迫与沮丧?
它是否知道何时应升级处理,何时应保持沉默?
文化智能需要协作
协作不仅对工程师与语言学家之间至关重要,对这些系统所服务的社群同样重要。这意味着要在设计过程中建立反馈机制。因为当人们参与塑造自身所使用的技术时,信任便随之而来。
归根结底,当我们只以单一声音为出发点进行构建时,便会加剧不平等。然而,当我们为众多声音而构建时,便能实现包容,使AI智能体成为桥梁而非壁垒。
论坛如何帮助领导者理解AI并推动负责任的创新协作
人工智能卓越中心汇聚各行业领导者,共同理解人工智能的快速发展及其对经济和社会的影响。该中心支持围绕人工智能应用的机遇、风险及权衡取舍展开知情对话。
通过值得信赖的交流空间和协作性倡议,该中心助力合作伙伴建立共同认知,并携手推进人工智能创新与应用的负责任方法。
