Intian datan suvereniteetti tekoälyn sensuuria vastaan

Intian on puututtava kasvavaan tekoälyn sensuurin ja tietojen syrjäytymisen uhkaan kehittämällä omia, reilumpia ja kansallisesti suvereeneja data-aineistojaan. Suurten kielimallien (LLM) nopea kehitys voi johtaa siihen, että ne heijastavat ja levittävät vääristyneitä tai sensuroituja tietoja, erityisesti matalan resurssin kielillä ja intialaisista aiheista.

Monet nykyiset LLM-mallit koulutetaan pääasiassa länsimaisilla tai kiinalaisilla datajoukoilla, mikä johtaa länsimaisten tai kiinalaisten näkökulmien hallitsevaan asemaan. Tämä voi johtaa intialaisten kulttuurien, kuten Advaita Vedantan, puutteelliseen tai virheelliseen esittämiseen. Lisäksi tekstistä kuvaksi -mallit ovat toistuvasti esittäneet intialaisia stereotyyppisesti, mikä syventää syrjäytymistä.

Valtioiden harjoittama sensuuri datajoukoissa ja niihin perustuvissa LLM-malleissa muodostaa merkittävän riskin Intian tietoympäristölle ja suvereniteetille. Kun mallit kehittyvät entistä kehittyneemmiksi ja niitä aletaan käyttää kriittisillä aloilla, kuten puolustuksessa ja lainvalvonnassa, sensuroitu data voi vaikuttaa niiden toimintaan ja päätöksentekoon.

Kiina on jo investoinut merkittävästi kansallisten, validoitujen datajoukkojen rakentamiseen, mutta nämä aineistot ovat tiukasti valtion sensuroimia. Vaikka länsimaiset datajoukotkin pyrkivät poistamaan haitallista sisältöä, ne perustuvat laajempaan joukkoon avoimia lähteitä. Intian on luotava omat, monipuoliset ja sensuroimattomat data-aineistonsa varmistaakseen tekoälyn tasapuolisen ja tarkan käytön.