近日，科学家在深入研究中揭示了数据驱动型大模型主要面临的三个关键问题，并着重指出了发展多语言 AI 的紧迫性。
据了解，第一个问题是语言迁移问题。当前大模型的训练数据主要集中于以英文为核心的通用文本数据，而现有的具备一定多语言能力的大模型，也主要侧重于高资源语种，所能支持的语种数量十分有限。这意味着在处理其他语种的任务时，模型的表现可能不尽如人意，无法满足全球多语言交流和应用的需求。
数据的质量和多样性也是大模型面临的重要挑战。高质量语言数据的枯竭，可能减缓训练进展。互联网上的所有高质量文本数据或将被悉数采撷，而机器学习所依赖的高质量语言数据集，其枯竭的时间点甚至可能提前。这一“数据墙”的预言，无疑在 AI 行业内投下了一片阴影，成为制约其快速发展的重大瓶颈。
面对这些问题，发展多语言 AI 变得尤为紧迫。多语言 AI 的发展不仅能够打破语言障碍，促进全球范围内的信息交流和知识共享，还能为各种应用场景提供更广泛、更精准的服务。要实现这一目标并非易事，需要在技术创新、数据采集和处理、模型优化等方面进行深入探索和持续投入。
未来，我们期待科研人员能够攻克这些难题，推动多语言 AI 的快速发展，为人类带来更加便捷、高效的语言交互体验。
