اگر برای تشخیصهای پزشکی به ترجمهی هوش مصنوعی تکیه میکنید، احتمالاً با خطاهای خطرناکی روبهرو هستید. برای ۱.۴ میلیارد نفر در هند، هوش مصنوعی نباید فقط ترجمه کند، بلکه باید به زبان آنها «فکر» کند.
اکثر ابزارهای سلامت فعلی، مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه خوانده و حالا با همان لحن جواب میدهد — هستند که ابتدا به انگلیسی طراحی شدهاند. همانطور که در تحلیلهای پیشین ما دربارهی هوش مصنوعی حاکمیتی دیدیم، وابستگی به یک زبان واحد، دسترسی به خدمات حیاتی را محدود میکند. در این مدلها، کاربر ابتدا متنی مینویسد، مدل آن را به انگلیسی ترجمه میکند، پاسخ میدهد و دوباره به زبان کاربر برمیگرداند.
به گزارش وبسایت dev.to در ۲ مه ۲۰۲۶، شرکت GoDavaii موتور استدلال بومی خود را برای ۲۲ زبان هندی، از جمله هندی، تامیل، ماراتی و اردو عرضه کرد. این تمرکز بر زبانهای محلی، تداوم استراتژیهایی است که برای تسخیر بازار هند به کار گرفته میشوند؛ همانطور که Wispr Flow نیز با اولویت دادن به زبانهای بومی و ترکیبی، توانست رشد چشمگیری در جذب کاربر داشته باشد. این شرکت لایهی ترجمه را حذف کرده تا از یک مدل استدلالی (Reasoning Model) — شبیه شطرنجبازی که چند حرکت جلوتر را میبیند — استفاده کند. تفاوت این دو رویکرد در خروجیها کاملاً روشن است:
- هوش مصنوعیهای معمولی: برای بیماری با سوزش قفسه سینه، آب پیشنهاد میکنند و میخواهند برای دقت بیشتر، سؤال را به انگلیسی بپرسد.
- مدل GoDavaii: علائم اسیدیته را در زبان بومی تشخیص میدهد و داروهای خاصی مثل Pan-D یا Gelusil را پیشنهاد میکند.
این تغییر، هوش مصنوعی را از یک کالای لوکس برای انگلیسیزبانها به ابزاری کاربردی برای اکثریت جهان تبدیل میکند. به باور تحلیلگران، بومیسازی واقعی دیگر به معنای ترجمهی منوها نیست، بلکه آموزش مدلها برای تفکر به زبان مادری کاربر است.
گام بعدی شما
- اگر در حوزه سلامت دیجیتال فعالیت میکنید، مدلهای استدلالی بومی را جایگزین لایههای ترجمه کنید.
- عملکرد GoDavaii را در گوگل پلی استور بررسی کنید تا تفاوت دقت در زبانهای غیرانگلیسی را ببینید.
- تحولات شرکتهای Health-tech در کشورهای جنوب جهانی را دنبال کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ اثر این مدلها بر نیاز به پردازش لبه را در گزارشهای بعدی بررسی خواهیم کرد.
گفتگو