Моделите на генеративна вештачка интелигенција се значително помалку енергетски ефикасни при обработка на јазици што не користат латинично писмо, а истовремено често даваат и помалку точни одговори.
Користењето вештачка интелигенција на мајчиниот јазик може да биде значително поскапо и енергетски позахтевно отколку на англискиот. Истражување на научници од Универзитетот во Мичиген покажало дека големите јазични модели (LLM) за генерирање текст на некои јазици трошат и до 180 пати повеќе енергија отколку за споредлива задача на англиски јазик. Истовремено, токму на јазиците што бараат повеќе енергија моделите често постигнуваат и помала точност.
Разликите се особено изразени кај јазиците што не користат латинично писмо и за кои има помалку дигитални содржини достапни за тренирање на моделите. На пример, генерирањето одговор на хинди бара просечно 7,9 пати повеќе енергија, а на бенгалски дури 15,3 пати повеќе отколку на англиски. Кај повеќето западноевропски јазици разликата е значително помала и главно не надминува двојна потрошувачка.
Според процените на истражувачите, околу 5,2 милијарди луѓе живеат во јазични заедници чии припадници при генерирање текст на мајчиниот јазик може да трошат повеќе од двојно повеќе енергија отколку говорниците на англискиот јазик.
Повеќе токени, поголема потрошувачка
Истражувачите споредиле три модели со отворен код: „Qwen 3“ на „Alibaba“, „Gemma 3“ на „Google“ и „Llama 3.1“ на „Meta“. Тие ги тестирале со задачи за разбирање прочитан текст, математички проблеми и кориснички прашања. За мерење на потрошувачката на енергија ја користеле рамката „ML.Energy“, развиена на Универзитетот во Мичиген.
Се покажало дека сите модели трошат најмалку енергија при обработка на текст на англиски јазик. Разликата останала присутна и кај поголемите модели, како и при користење различни компјутерски процесори.
Главната причина за зголемената потрошувачка е бројот на токени што моделите треба да ги обработат и генерираат. Токените се основни единици на текстот што ги користат јазичните модели и можат да претставуваат цели зборови, делови од зборови или поединечни знаци. Затоа, истата содржина на различни јазици не мора да бара ист број токени.
Проблемот е поизразен кај писма како деванагари, кое се користи за хинди, непалски и марати, како и кај бенгалското писмо. Нивните знаци често се создаваат со комбинирање основни знаци и дополнителни графички елементи, што може да ја зголеми сложеноста на нивното компјутерско претставување.
Поголемиот број токени бара повеќе меморија и компјутерски ресурси. Кога достапната меморија е повеќе оптоварена, моделите можат да обработуваат помали групи токени одеднаш, што дополнително ја зголемува потрошувачката на енергија.
Бидејќи многу даватели на услуги за вештачка интелигенција ја наплатуваат употребата според бројот на влезни и излезни токени, разликата може директно да се одрази и врз цената на услугата.
Јазичната нееднаквост како нов дигитален јаз
Проблемот не е само во трошоците. Истражувачите предупредуваат дека јазиците за чија обработка моделите трошат повеќе енергија често имаат и помала точност на одговорите. Така се создава двојна нееднаквост: корисниците на одредени јазици добиваат послаба услуга, а нејзиното обезбедување истовремено е поскапо.
Тоа може да влијае и врз деловните одлуки на компаниите што нудат услуги со вештачка интелигенција. Тие би можеле да имаат помал поттик да ги оптимизираат моделите за јазиците со помал број корисници или со послаба дигитална застапеност.
Авторите на истражувањето предлагаат неколку начини за намалување на разликите. Меѓу нив се развој на јазично специјализирани модели, насочување на прашањата кон модели што се поефикасни за одредени јазици, како и преведување на корисничките прашања на англиски пред нивната обработка, кога може да се обезбеди доволно квалитетен превод.
Дополнително би помогнало собирањето поквалитетни јазични податоци со учество на мајчините говорители, со цел да се подобри тренирањето на моделите за помалку застапените јазици.
Истражувањето, претставено на конференцијата „EMNLP 2026“, предупредува на проблем што би можел да станува сè поважен со ширењето на генеративната вештачка интелигенција. Ако вештачката интелигенција стане составен дел од образованието, јавните услуги и бизнисот, можноста таа ефикасно да се користи на мајчиниот јазик нема да биде само прашање на практичност, туку и на дигитална достапност и еднаквост.
