中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

隨著大語言模型技術(shù)的不斷發(fā)展，解決語言表示和效率的不平衡問題變得至關(guān)重要。但實(shí)際上，AI自身也有偏見。

“ en-US ”一直是美式英語的語言標(biāo)識(shí)符，在ChatGPT橫空出世之后，有了新的含義：英語/美國(guó)作為大語言模型（Large Language Model）的超級(jí)指令語言和超級(jí)大國(guó)，逐漸在新一輪AI競(jìng)爭(zhēng)中領(lǐng)先世界其他語種和國(guó)家。

在長(zhǎng)期使用ChatGPT和其他大語言模型的過程中，我一直想探索這些模型對(duì)世界其他語種支持的邊界。

比如說：

1.為什么ChatGPT能在各個(gè)語種中自由切換，支持自如？

2.到底ChatGPT支持多少種語言？

3.ChatGPT對(duì)中文的支持和英文一樣好嗎？

4.在大語言模型中，是不是有一些“二等公民”和“一等公民”？

分析的結(jié)果令人瞠目結(jié)舌。

美國(guó)人訓(xùn)練出來的模型對(duì)美式英文有壓倒性的支持，而世界上幾千種語言其實(shí)能支持的好也就不過十來種。

這也解釋了為什么每個(gè)國(guó)家或者語種都需要自己的大語言模型，才能在新一輪人工智能的工業(yè)革命中跟上其他國(guó)家前進(jìn)的步伐。

這篇文章結(jié)合了我的實(shí)踐經(jīng)驗(yàn)和定量分析，最終得出以下結(jié)論：

1.大語言模型可以兼容Unicode中的所有161種語言。

2.英語占GPT-3訓(xùn)練數(shù)據(jù)的90%以上。

3.英語是大語言模型最有效的提示語言——它比西班牙語有效1.3倍、比法語有效1.5倍、比CJK（中文、日語、韓語）有效2倍。

4.大約10種高資源語言得到了大語言模型的充分支持。

5.Unicode中其他150種語言資源匱乏，代表性不足。

6.全球有近7,000種語言缺乏大語言模型支持。

01 你講的語言是高資源還是低資源

傳統(tǒng)自然語言處理（NLP, Natural Language Processing）研究會(huì)把語言分類成高資源（high resource）語言和低資源（low resource）語言。前者涵蓋約20種語言，包括英語、中文、西班牙語、法語、德語、日語、俄語、葡萄牙語、阿拉伯語、印地語、意大利語、韓語、荷蘭語、土耳其語、波斯語、瑞典語、波蘭語、印度尼西亞語、越南語、希伯來語。

這些高資源語言有著豐富的語言資源，例如廣泛的文本、用于機(jī)器翻譯的平行語料庫、綜合詞匯詞典、句法注釋和用于監(jiān)督學(xué)習(xí)的標(biāo)記語料庫。

也有一些高資源語言，如荷蘭語，可能沒有大量的使用者，但有著強(qiáng)大的語言研究學(xué)者和成果，產(chǎn)出了重要的語言語料庫和工具，于是也成了高資源語言。

相反，某些低資源語言，例如尼日利亞皮欽語（Nigerian Pidgin），有超過 1 億人使用，但缺乏大量的研究和開發(fā)，使其處于低資源狀態(tài)。學(xué)術(shù)界一直苦于低資源語種的投資不足。

如果一個(gè)語言有足夠多的人使用還好，至少還能世代流傳下去。有些低資源語種，本來使用者就不多，又缺乏足夠的研究，使得它們也逐漸變成了“瀕危語種”。

以ChatGPT為代表的大語言模型的出現(xiàn)，仿佛給世界語言帶來了一束光。

大家發(fā)現(xiàn)，不需要訓(xùn)練專門的機(jī)器翻譯系統(tǒng)，ChatGPT也能在不同語種之間自由翻譯和轉(zhuǎn)換。用ChatGPT做翻譯，或者使用其他語言去給ChatGPT發(fā)指令，往往給非英語說話人留下深刻的第一印象。

很多人對(duì)語言智能的認(rèn)知還停留在金山詞霸階段 —— 有個(gè)多語種的電子詞典可以做雙語種互相翻譯?？墒侨绻羞@么個(gè)ChatGPT神器，可以接受我用母語輸入，并能夠用我看得懂的語言智能地做出回答，可真是太神奇了。

于是很多人不禁要問，既然大語言模型這么神奇，是不是這世界上的低資源語言也有救了？

語言學(xué)鼻祖Noam Chomsky畢生致力于發(fā)展一門世界通用語法（Universal Grammar）。他有一段非常出名的比喻：如果外星人來到地球，他們能夠聽懂讀懂地球上的所有語言。因?yàn)樵谒麄兛磥?，地球上每一種語言都遵循同樣的語法，只不過大家說的是不同的“方言”而已。

如果ChatGPT能在多種語言之間切換自如，那它是否破解了這世界通用語法的奧秘？

02 低資源語言在大語言模型

中的代表性仍然不足盡管大語言模型具有變革潛力，但現(xiàn)實(shí)仍然是大語言模型主要迎合英語和少數(shù)其他高資源語言。

對(duì)GPT-3等模型使用的訓(xùn)練語料庫進(jìn)行仔細(xì)檢查后發(fā)現(xiàn)，各語種存在明顯的不平衡：

• 英語占主導(dǎo)地位：GPT-3的訓(xùn)練語料絕大多數(shù)是英語，占數(shù)據(jù)的92.6%?。ChatGPT（基于 GPT-3.5）等后續(xù)模型延續(xù)了這一趨勢(shì)。
• 有限代表的語言(分析僅限于GPT-3語料庫)：
• 只有兩種語言占GPT-3語料庫的1%以上，即法語 (1.8%) 和德語 (1.5%)。
• 另外14種語言落在0.1%到1%的范圍內(nèi)，包括西班牙語、意大利語、葡萄牙語、荷蘭語、俄語、羅馬尼亞語、波蘭語、芬蘭語、丹麥語、瑞典語、日語、挪威語。
• 值得注意的是，像中文和印地語這樣的語言，總共有超過20億人使用，甚至沒有達(dá)到語料庫0.1% 的門檻。
• 訓(xùn)練數(shù)據(jù)集中度：GPT-3訓(xùn)練語料庫中排名前16位的語言有明顯的頭部效應(yīng)：加起來一共占99.24%。
• 單詞覆蓋范圍有限：GPT-3訓(xùn)練語料庫中只有65種語言的單詞數(shù)超過100萬，其中第65種語言是高棉語。雖然在柬埔寨有1700萬人使用高棉語，但它在GPT-3的訓(xùn)練語料庫中只有區(qū)區(qū)100萬個(gè)詞。

ChatGPT對(duì)英語和精選高資源語言的偏向并非OpenAI（ChatGPT的母公司）有意為之；因?yàn)檎Z料大部分來自互聯(lián)網(wǎng)，而互聯(lián)網(wǎng)反映的是一個(gè)國(guó)家和語種的富裕、開放、和活躍程度。

大語言模型在很大程度上忽略了世界上7,000 種現(xiàn)存語言中的大多數(shù)。例如，以下使用人數(shù)眾多的語言貢獻(xiàn)了不到 1％ 的互聯(lián)網(wǎng)文本內(nèi)容，因此很難收集足夠的數(shù)據(jù)來訓(xùn)練一個(gè)專門針對(duì)這門語言的大語言模型：

1.印地語：6.02 億使用者

2.阿拉伯語：2.74億使用者

3.孟加拉語：2.73億使用者

4.烏爾都語：3.21億使用者

語言使用者和可用文本數(shù)據(jù)之間的差異導(dǎo)致了語言多樣性之間的不平衡。這個(gè)問題的源頭更多的是一個(gè)國(guó)家的發(fā)展情況和投資力度，我們會(huì)在下篇博文中詳述。

對(duì)于旨在支持更廣泛語言的大語言模型來說，這也是一個(gè)根本性的挑戰(zhàn)：如果一種語言在網(wǎng)絡(luò)上只有少量文本，那就沒有適合這門語言的大語言模型。如果一種語言在網(wǎng)絡(luò)有大量文本，也需要其代表國(guó)家加大投資力度才能發(fā)展出有本身語言特色的大語言模型。

于是我根據(jù)ChatGPT的支持力度對(duì)世界語言進(jìn)行了分類：

ChatGPT-3.5 對(duì)高資源和低資源語種的支持情況

03 英語是大語言模型

最有效的“編程語言”大語言模型有一個(gè)輸入和輸出的限制，以token數(shù)目表示。如果token數(shù)太少，比如只有區(qū)區(qū)1000個(gè)，那能做的事情就很有限。

這有點(diǎn)像早期的個(gè)人電腦，只有16KB的內(nèi)存，跑不了“大程序”。而如今有一些智能手機(jī)都有了16GB的內(nèi)存，是以前的1000倍。至于一個(gè)token是多少個(gè)英文單詞或者漢字，我們?cè)诤笪慕忉尅?/p>

GPT-3.5-turbo和GPT-4-turbo等語言模型的token長(zhǎng)度一直在增長(zhǎng)。截至 2024年5月， GPT-4-turbo已經(jīng)支持多達(dá)128K個(gè)token 。這里K代表一千（Kilo）。128K也就是12萬8千個(gè)token。如何去優(yōu)雅又節(jié)省地給大語言模型寫提示語已成為一門手藝。

截至2024年5月的GPT Turbo模型及其上下文長(zhǎng)度限制給大語言模型下指令有點(diǎn)像往早期計(jì)算機(jī)里輸入指令，在鍵盤發(fā)明之前，需要在一條穿孔紙帶(punched cards)上一點(diǎn)一點(diǎn)把指令喂給計(jì)算機(jī)。比爾蓋茨和保羅阿蘭最早開始合作編程的時(shí)候就是這么操作計(jì)算機(jī)的。

早期IBM穿孔紙帶：12行80列，大致能輸入80字節(jié)的指令。

GPT-4可以輸入128K字節(jié)的指令那么問題來了：哪種語言能夠用最少的token表達(dá)最多的意思？中文嗎？咱們老祖宗留給我們的瑰寶一向言簡(jiǎn)意賅呀。這是否意味著可以使用中文作為 ChatGPT的指令提示語言？

如果再深入一步，這個(gè)世界上還有比中文更“簡(jiǎn)潔”的語言嗎？

語言簡(jiǎn)潔度排名：

從中文到英語到西班牙語到日語

有很多研究從不同角度探討了如何確定世界上各種語言的簡(jiǎn)潔度。在這里我們引用兩個(gè)研究供大家參考。

翻譯同一文本后的長(zhǎng)短有人對(duì)公共互聯(lián)網(wǎng)上谷歌隱私政策的不同語言翻譯進(jìn)行了評(píng)估。

以下是按字符總數(shù)排名的語言示例：

1.繁體中文：101個(gè)字符

2.簡(jiǎn)體中文：124個(gè)字符

3.日語：215 個(gè)字符

4.英語：345 個(gè)字符

5.西班牙語：376 個(gè)字符

6.法語：417 個(gè)字符

7.越南語：403 個(gè)字符

8.印地語：500 個(gè)字符

這樣可以把各個(gè)語種的信息密度量化：繁體和簡(jiǎn)體中文確實(shí)是非常簡(jiǎn)潔的語言?。ǖ獵hatGPT不這么認(rèn)為。）

最有效的語言是什么？這張表展示了對(duì)谷歌隱私政策片段的不同語言的翻譯。

語速和簡(jiǎn)潔度另一項(xiàng)研究測(cè)量了說話的速度，基本假設(shè)是“不簡(jiǎn)潔的語言要更快的說”。

研究發(fā)現(xiàn)，說西班牙語和日語的人語速很快，而說漢語和越南語的人語速很慢。

如果以越南語的簡(jiǎn)潔度為1，那語言簡(jiǎn)潔度有以下排名：

1.越南語：1

2.中文：0.94

3.英語：0.91

4.西班牙語：0.63

5.日語：0.49

當(dāng)然，這項(xiàng)研究并不一定準(zhǔn)確。因?yàn)橐环N語言的語速快慢也和當(dāng)?shù)厝说纳罟?jié)奏有關(guān)。

結(jié)合這個(gè)排名和上面的表看，這也可以從側(cè)面解釋為什么西班牙語聽起來更快。

基于以上結(jié)果，是不是說我們只要用中文寫大語言模型的指令提示就可以了？根本不是。

04 ChatGPT的詞匯主要是英語

盡管英語形態(tài)復(fù)雜，但由于以下幾個(gè)關(guān)鍵因素，英語仍然是大語言模型最青睞的“編程”語言：

• 詞匯優(yōu)勢(shì)：像ChatGPT這樣的大語言模型主要接受英語文本的訓(xùn)練，具備強(qiáng)大的英語詞匯和并能理解到語言中用詞的細(xì)微差別。
• 提示效率：英語通常也是效率最高的提示語言。
• 文化和語義豐富性：英語在許多領(lǐng)域都是一種通用語，提供了廣泛的文化參考和語義深度。

對(duì)于大多數(shù)大語言模型來說，英語是最有效的提示語言，原因來自O(shè)penAI 如何給每種語言編碼的。

一般的規(guī)則是：

1.對(duì)英語原生支持：英語在ChatGPT中被認(rèn)為是“一等公民”并有深度優(yōu)化。

2.Unicode編碼支持：Unicode語言共有161種，使用了字節(jié)對(duì)編碼（byte pair encoding），以確保與ChatGPT處理框架的兼容性。

3.非Unicode無法編碼：遺憾的是，ChatGPT和眾多大語言模型都不支持非 Unicode語言，因?yàn)檫@些語言無法用計(jì)算機(jī)通用的字節(jié)（byte）代表。

您聽說過ChatGPT-3.5詞匯表嗎？它包含100,261個(gè)詞，大部分來自英語。

下面是該詞匯表的節(jié)選：

1.Token舉例

a.token 0 是感嘆號(hào)！

b.第32至57個(gè)token是大寫字母 A … Z

c.token 67853 是單詞后綴 “-ish”

d.token 75459 是“battery”

e.不幸的是，“GPT”這個(gè)詞并不在詞匯表中

2.變體和同義詞

a.英文二月的各種token代表：“February”（token 7552）、“Feb”（token ?13806）、“February”（token 33877）、“Feb”（token 41691）、“feb”（token 78471）“-Feb”（token 94871）。

請(qǐng)注意，有些token帶有空格前綴。

ChatGPT 詞匯概覽ChatGPT詞匯表專門用于英語，以至于它有9個(gè)專用于“Twitter”的token！遺憾的是，其他語言在這個(gè)100K大小的詞匯表中沒有獲得應(yīng)有的token份額。這至少表明英語對(duì)于GPT模型來說是多么占主導(dǎo)地位。

ChatGPT的100,261個(gè)token詞匯表中有9個(gè)token代表Twitter

寫作效率 != 提示效率

ChatGPT對(duì)語言的編碼凸顯在了在token的使用效率上。例如，中文字符“貓”由三個(gè)token（十六進(jìn)制值：xe7、x8c、xab）表示，而英語單詞“cat”則僅需一個(gè)token表示。

Unicode字符如何分解為字節(jié)并轉(zhuǎn)換為ChatGPT token這種標(biāo)記化差異強(qiáng)調(diào)了ChatGPT中寫入效率和提示效率之間的重要區(qū)別。

當(dāng)面臨token限制（例如 GPT-3.5-turbo的 16,385個(gè)token上限）時(shí)，英語成為比中文或韓語更有效的提示語言。各種語言“貓”的token效率比較：

1. 英語：cat （貓）= 1 個(gè)token
2. 中文：貓 = 3 個(gè)token
3. 韓語：???（貓）= 4 個(gè)token

在向ChatGPT表達(dá)“貓”這個(gè)狹義的例子里，英語的效率是中文的3倍，是韓語的 4 倍。

在Unicode的UTF-8編碼中，字符通常為1到4個(gè)字節(jié)，而世界上大多數(shù)語言字符占用2到3個(gè)字節(jié)。因此，非英語語言的標(biāo)記長(zhǎng)度往往平均每個(gè)單詞有2到3個(gè)token，與英語相比，提示效率較低。

考慮到GPT-4-turbo的擴(kuò)展上下文長(zhǎng)度最多支持128,000個(gè)token，語言效率的差異會(huì)變得更加明顯。

128k個(gè)token大概是多少個(gè)單詞？下面是一個(gè)平均值：

• 英語：約 96,000 個(gè)單詞
• 簡(jiǎn)體中文：約54,000個(gè)字符
• 韓語：約 41,000 個(gè)字符

英語在提示詞效率方面是中文的1.8倍，韓語的2.3倍綜上所述，英語是ChatGPT最高效的提示語言，其提示效率是CJK（中、日、韓）語言的約2倍。

兩個(gè)其他語言的例子：克林貢語(Klingon)和爪哇語(Javanese)大語言模型對(duì)一個(gè)語種的支持取決于該語種是否被包含在標(biāo)準(zhǔn)字符編碼系統(tǒng) Unicode中。

如果Unicode缺少了某種語言，那大語言模型也不會(huì)支持這種語言。

以下是Unicode不支持的語言示例：●唐薩語——印度和緬甸唐薩族使用的語言。●托托語——印度西孟加拉邦托托部落所使用語言?！癜⒁僚Z – 日本阿伊努人使用，對(duì)片假名區(qū)中的一些字符的支持有限?！馪ahawh Hmong 文——一種用于書寫苗語的文字，創(chuàng)建于20世紀(jì)中葉?！馛hakma——印度和孟加拉國(guó)的Chakma人使用?！馣pelle——利比里亞和幾內(nèi)亞的Kpelle人使用?！裢咭琳Z——利比里亞瓦伊語使用的音節(jié)文?！癜退_瓦語——一種用于書寫利比里亞巴薩語的文字?？肆重曊Z(Klingon)克林貢語是《星際迷航》宇宙中的一種人造語言，但Unicode中卻沒有這種語言。因此，由于缺乏Unicode支持，ChatGPT等大語言模型無法讀取或處理克林貢語腳本。如果人類在ChatGPT基礎(chǔ)上實(shí)現(xiàn)了通用人工智能（AGI），那在馬斯克發(fā)往火星的飛船上聽到了克林貢語是理解不了的。

克林貢文字不屬于 Unicode，因此不受大語言模型支持爪哇語(Javanese)印度尼西亞爪哇島有6800萬人口使用爪哇語，它與編程語言Java有著獨(dú)特的歷史聯(lián)系。盡管Java在推動(dòng)Unicode在編程語言中的采用方面發(fā)揮著關(guān)鍵作用，但爪哇語言本身直到2009年才得到Unicode的正式支持（Unicode 5.2版）。這種延遲的納入凸顯了非西方語言在獲得 Unicode 等全球標(biāo)準(zhǔn)認(rèn)可方面所面臨的挑戰(zhàn)。截至Unicode15.1版，該版本涵蓋了161種文字和近15萬個(gè)字符，而全球共有7,000余種語言。展望未來，確保Unicode和相關(guān)標(biāo)準(zhǔn)中包含多種語言對(duì)于促進(jìn)語言多樣性和在大語言模型 等新興技術(shù)中提供全面的語言支持至關(guān)重要。

5

甚至美國(guó)參議員也認(rèn)識(shí)到“en”

與其他語言的不平衡2023年5月16日，美國(guó)參議員Padilla在與OpenAI首席執(zhí)行官山姆·奧特曼Sam Altman舉行的參議院人工智能聽證會(huì)上表達(dá)了他的擔(dān)憂（視頻1:49:38，文字記錄）：參議員亞歷克斯·帕迪拉：“現(xiàn)在，隨著語言模型變得越來越普遍，我想確保重點(diǎn)關(guān)注確保不同人口群體的公平待遇。我的理解是，大多數(shù)評(píng)估和減輕公平性損害的研究都集中在英語上，而非英語語言受到的關(guān)注或投資相對(duì)較少。我們以前也見過這個(gè)問題。我會(huì)告訴你我為什么提出這個(gè)問題。例如，社交媒體公司沒有對(duì)其非英語語言的內(nèi)容審核、工具和資源進(jìn)行充分投資。我分享這一點(diǎn)不僅是出于對(duì)非美國(guó)用戶的擔(dān)憂，而且許多美國(guó)用戶在交流時(shí)更喜歡英語以外的語言。因此，我非常擔(dān)心社交媒體在人工智能工具和應(yīng)用程序中重蹈覆轍。問 Altman先生和Montgomery女士，OpenAI和IBM如何確保他們?cè)诖笮驼Z言模型中的語言和文化包容性，是否是您產(chǎn)品開發(fā)的重點(diǎn)領(lǐng)域”（令人遺憾的是，參議員帕迪拉（Padilla）從他想要緩和非英語語言的立場(chǎng)出發(fā)，因此詢問ChatGPT對(duì)其他語言的支持。）山姆·奧特曼：我們認(rèn)為這非常重要。其中一個(gè)例子是，我們與冰島政府合作，以確保他們的語言被納入我們的模型中。冰島語是一種使用人數(shù)較少的語言，與互聯(lián)網(wǎng)上許多代表性語言相比，使用人數(shù)較少。我們已經(jīng)進(jìn)行過許多類似的對(duì)話。我期待與許多資源較少的語言建立類似的合作伙伴關(guān)系，將它們納入我們的模型。GPT-4與我們之前的模型不同，之前的模型擅長(zhǎng)英語，而對(duì)其他語言則不太擅長(zhǎng)。現(xiàn)在，GPT-4在大量語言方面表現(xiàn)相當(dāng)不錯(cuò)。你可以在按使用者數(shù)量排名的列表中往后看，仍然可以獲得良好的表現(xiàn)。但對(duì)于這些非常小眾的語言，我們很高興能與定制合作伙伴將該語言納入我們的模型運(yùn)行中。你問到的問題中關(guān)于價(jià)值觀和確保文化被納入其中的部分，我們同樣關(guān)注這一點(diǎn)。（您聽說過 OpenAI 在日本開設(shè)辦事處的消息嗎？也許這是定制合作伙伴關(guān)系的一部分。）

6

總結(jié)回顧C(jī)hatGPT等大語言模型(LLM)中對(duì)語言表征和效率的探索，我們得出了幾個(gè)關(guān)鍵結(jié)論：1.英語占主導(dǎo)地位：英語仍然是提示大語言模型（如 ChatGPT）的最有效語言，因?yàn)樗谀Ｐ驮~匯表中具有廣泛的token覆蓋率。這種主導(dǎo)地位凸顯了在提示工程中利用英語的實(shí)際優(yōu)勢(shì)。2.token效率：大語言模型中的token化過程揭示了不同語言之間效率的顯著差異。英語提示通常需要較少的token，而亞洲語言需要多個(gè)token來表達(dá)同樣的意思，從而影響整體提示效率。英語是ChatGPT最高效的提示語言，其提示效率是CJK （中、日、韓）語言的約2倍。3. Unicode 和語言支持：大語言模型對(duì)Unicode進(jìn)行語言編碼的依賴凸顯了標(biāo)準(zhǔn)化在實(shí)現(xiàn)語言包容性方面的重要性。Unicode中沒有的語言（如克林貢語）在獲得大語言模型支持方面面臨巨大障礙。4.語言多樣性的挑戰(zhàn)：Unicode覆蓋的161種文字與世界7000種語言之間仍然存在巨大差距。Unicode中語言的代表性有限，這對(duì)保存和理解語言多樣性提出了挑戰(zhàn)。5.未來前景：隨著大語言模型技術(shù)的不斷發(fā)展，解決語言表示和效率的不平衡問題變得至關(guān)重要。努力增強(qiáng)Unicode的包容性并擴(kuò)大大語言模型架構(gòu)內(nèi)的語言支持對(duì)于促進(jìn)語言平等和文化保護(hù)至關(guān)重要?？傊?，應(yīng)對(duì)大語言模型課程中語言效率和語言表達(dá)的復(fù)雜性，既是推進(jìn)語言多樣性和包容性語言技術(shù)的挑戰(zhàn)，也是每個(gè)語種的機(jī)遇。每一個(gè)單一語種或者多語種的國(guó)家，都應(yīng)該把大語言模型當(dāng)作一個(gè)戰(zhàn)略資源，在提示效率和兼容性上研制出對(duì)本國(guó)語言支持最好的人工智能。當(dāng)今的現(xiàn)狀是，以token計(jì)算，ChatGPT-3.5對(duì)英文提示詞和輸出的支持效率是中文的近兩倍。當(dāng)未來的人機(jī)交互語言從編程語言變成每天說的語言時(shí)，中文這么言簡(jiǎn)意賅的語言應(yīng)該享有對(duì)其支持更好更高效的大語言模型。寫完此文，不由感嘆，這世界上的語言本來各有特色，并無“貧富貴賤”之分。可是當(dāng)語言成為大語言模型的指令，成為人工智能桂冠上的明珠后，每個(gè)國(guó)家，每個(gè)語種，要重新審視自己的語言戰(zhàn)略。應(yīng)該聚集全世界說同一種語言的國(guó)家與民族的力量，大力發(fā)展最能代表自己的語言人工智能。