L'infrastruttura dell'IA fallisce i parlanti bengalesi: barriere strutturali negli strumenti linguistici

Uno studio recente pubblicato su arXiv (2608.12278) evidenzia gli svantaggi sistematici affrontati dai parlanti di lingue meno rappresentate nell'infrastruttura dell'IA, con il bengalese come punto focale. Sebbene il bengalese sia parlato da quasi il 4% della popolazione mondiale, costituisce meno dello 0,5% dei contenuti online. La ricerca scopre quattro fallimenti interconnessi: un divario significativo nella presenza web, una disparità di 67:1 nei token di addestramento tra inglese e bengalese in set di dati multilingue chiave, sfide legate alla scrittura alfasillabica del bengalese e ostacoli nella distribuzione per aree con scarsa connettività. Queste sfide strutturali emergono già prima dell'addestramento del modello, complicando il potenziale dell'IA di migliorare l'istruzione e il supporto linguistico nelle comunità svantaggiate. L'articolo sottolinea l'importanza di pratiche inclusive nell'IA che diano priorità alla diversità linguistica.