KI-Systeme verstanden afrikanische Sprachen oft nicht, und hochwertige, permissiv lizenzierte Sprachkorpora waren der Hauptengpass. Google und seine afrikanischen Partner mussten sich zudem mit Dialektunterschieden, orthografischen Standards und ungleichen Aufnahmeumgebungen auseinandersetzen.
Die Partner machten lokales Eigentum zur Designentscheidung. Nach drei Jahren Arbeit startete Google WAXAL, einen Datensatz, der 21 afrikanische Sprachen abdeckt, während die afrikanischen Organisationen, die die Daten sammelten, das Eigentum behielten. Eine permissive Lizenz hielt den Datensatz für den kommerziellen Einsatz offen, und linguistische Fachbereiche von Universitäten sowie tragbare Aufnahmeboxen halfen, die technischen Probleme zu lösen.
Der Start brachte mehr als 11.000 Stunden Sprache aus fast 2 Millionen Aufnahmen hervor, darunter etwa 1.250 Stunden transkribierter Sprache und mehr als 20 Stunden Studioaudio. Die University of Ghana nutzte ihn bereits für Forschung zur Müttergesundheit und verwandelte lokale Institutionen von Datensammlern in KI-Infrastrukturzentren.
WAXAL startete mit über 11.000 Stunden aus fast 2 Millionen Aufnahmen; afrikanische Institutionen besitzen die Daten und nutzen sie bereits für Forschung zur Müttergesundheit.
Systeme für afrikanische Sprachen waren fehleranfällig, weil die Trainingsdaten knapp und schwer zu lizenzieren waren.
Lokales Eigentum adressierte Souveränität und Vertrauen und ließ zugleich die Menschen, die die Daten sammelten, die Kontrolle darüber behalten.
Eine permissive Lizenz ermöglichte afrikanischen Unternehmern, Produkte zu entwickeln und zu kommerzialisieren, ohne Zwischenhändler aus dem Silicon Valley.
Universitätslinguisten und lokal entwickeltes Aufnahmegerät machten eine dialektsensible, saubere Sprachaufnahme möglich.
Wenn einem Ökosystem vertrauenswürdige lokale Daten fehlen, sollte man Beitragenden Eigentum und eine permissive Lizenz geben; Governance kann Infrastruktur, kommerzielle Nutzung und Akzeptanz zugleich freisetzen.
Google erklärte, sechs weitere Sprachen seien bereits in Vorbereitung, was die geplante Gesamtzahl auf 27 bringe, während Dialektabdeckung und fehlende Yoruba-Diakritika weiterhin ungelöste Qualitätsprobleme blieben. Microsofts Paza-Projekt zeigte, dass gemeinschaftsgeführte Infrastruktur für afrikanische Sprachen zu einem wettbewerbsintensiven Feld wurde, doch das unmittelbare Ergebnis von WAXAL war ein lokal eigener Datensatz, der bereits Forschung und künftige Produkte unterstützt.
DEN BELEGEN FOLGEN
Die Quellen
- Google launches WAXAL: A new era for African AI sovereignty Rest of World · restofworld.org ·