D
Danielle Boyer
@Danielle Boyer : 我是来自苏族尼希纳贝部落的机器人教育家，从小在经济条件不好的环境下长大，这让我对科学和技术教育充满热情。我创立了一个名为STEAM Connection的青年慈善机构，为土著青年提供免费的科学和技术教育。我对使用人工智能来保存土著语言持谨慎态度，因为目前AI模型的训练数据存在不准确性，而且很多AI工具缺乏对语言语境的理解。许多土著语言是基于语境的，例如，在我的语言中，蓝莓派这个词非常长，因为它包含了蓝莓派所有成分的描述。AI难以处理这种语言的复杂性，也无法替代人与人之间的语言交流。此外，很多公司和机构在收集和使用土著语言数据时，缺乏对文化和伦理的尊重，甚至存在盗用数据的情况。我发明了SkoBot机器人，它可以帮助孩子们学习土著语言，但它使用的是一种符合伦理的AI，不会从互联网上提取数据，而是使用我们自己创建的音频记录。SkoBot旨在补充日常语言教育，并鼓励孩子们学习和使用自己的语言。
@Kevin Hurtin : 作为主持人，我引导了与Danielle Boyer的对话，探讨了使用AI技术保存濒危土著语言的可能性和挑战。我首先介绍了乐观主义者的观点，即AI可以填补语言缺失的部分，保存语言的口语元素，并创建能够用土著语言交流的聊天机器人。然后，我与Danielle Boyer深入探讨了她对AI技术的质疑，包括AI训练数据的不准确性、对语言语境理解的不足以及数据盗用的风险。在对话中，我了解到土著语言的保护面临着资金、资源和文化传承等多方面挑战，并且许多土著语言的消失与殖民历史和文化冲击有关。最后，我与Danielle Boyer讨论了她发明的SkoBot机器人，以及该机器人如何通过符合伦理的AI技术，在尊重土著文化和语言的前提下，促进土著语言的学习和传承。
Deep Dive
Exploration of AI's potential in preserving Indigenous languages, discussing both the optimistic possibilities and the challenges involved.
- By 2050, only about 20 Indigenous languages may remain in the United States.
- Generative AI and large language models are being considered for language preservation.
- AI models often lack the cultural context and accuracy needed for Indigenous languages.
- Current AI training data sets may contain inaccuracies regarding Indigenous languages.
- Indigenous languages are context-based, making them challenging for AI to replicate.