网络漏洞
通过父亲治疗舌部肿瘤时传统疗法与现代医学之间的冲突，揭示了一个更深层的问题：生成式人工智能（GenAI）正在加剧全球知识的单一化。由于其训练数据严重偏向西方和英语内容，GenAI边缘化了大量本土语言和传统知识，这些知识承载着应对气候变化等全球性挑战的关键智慧。文章论证，失去这种知识多样性会削弱人类的集体适应能力，并呼吁在发展AI时，必须尊重并融合多元知识体系，避免技术进步最终导致文化霸权和智慧的流失。
个人经历引发的反思
几年前，我父亲被诊断出舌部有肿瘤。我的家庭在医疗决策上很有趣：姐姐是受过西医训练的医生，而父母则笃信传统疗法。在医院医生和我姐姐强烈建议手术时，我的父母却因担心影响父亲说话而反对。
作为家庭的“调解专家”，我像所有优秀的千禧一代一样，求助于互联网。经过数天研究，我站在了姐姐这边，支持手术。然而，父亲最终用各种借口逃避了手术，并偷偷服用他信赖的草药。几个月后，肿瘤竟然缩小并最终消失了。这件事让我开始反思：我是否太快地否定了传统知识，而轻易地接受了数字信息源的权威？
我逐渐意识到，我曾深信不疑、似乎无所不知的互联网，实际上存在巨大的知识空白——在人工智能时代，情况将变得更糟。
数字世界中的知识鸿沟
我在康奈尔大学的研究让我看清，数字世界如何反映并放大知识领域的权力失衡。生成式人工智能（GenAI）正成为许多人了解世界的主要方式，但它们远非中立。
- 训练数据的偏见：GenAI的训练数据主要来自现有的数字化内容，而早期互联网由英语和西方机构主导，导致大量人类知识和经验未能被数字化。
- 主流认识论的特权：最流行的AI模型优先考虑西方和机构化的知识体系，同时边缘化其他认知方式，尤其是那些以口头传统、身体实践和“低资源”语言（如印地语、斯瓦希里语）承载的知识。
- 知识多样性的危机：通过放大这种不平衡，GenAI可能导致数百年演化而来的理解体系被抹去，使后代与那些未被编码但至关重要的人类智慧脱节。
语言：不止是工具，更是知识的宝库
要理解数据偏见为何重要，我们必须认识到语言本身就是知识的载体。每种语言都承载着独特的经验和智慧，包括：
- 塑造社群的仪式和习俗
- 对特定景观和自然系统的深刻理解
- 精神和哲学的世界观
- 独特的治疗传统和复杂的社会纽带
当AI系统缺乏对某种语言的充分接触时，它们对人类经验的理解就会出现盲点。
数据揭示了惊人的不平等。例如，印地语是全球第三大语言，使用者占世界人口的7.5%，但在一个大型公开数据源 Common Crawl 中，其内容占比仅为 0.2%。我的母语泰米尔语，全球有超过8600万使用者，数据占比仅为 0.04%。
相比之下，英语使用者约占全球人口的20%，却以指数级的优势主导着数字空间。世界上约 97% 的语言被归类为“低资源”语言，这意味着它们在AI技术中被严重忽视。
被边缘化的本土智慧：具体的损失
这种知识的缺失并非抽象概念，它直接影响我们对现实世界的理解。
- 本地生态知识：一位环保主义者朋友曾告诉我，一个社群与其生态的联系，体现在他们为本地植物命名的丰富程度上。研究发现，北美、亚马逊西北部和新几内亚超过75%的药用植物知识仅存在于某一种当地语言中。当语言被边缘化时，这些植物知识也随之消失。
- 本土建筑知识：印度一个致力于复兴自然建筑技术的组织发现，许多本土建筑方法依赖于从本地植物中提取的生物聚合物。这些知识大多通过口头传承，仅由少数长者掌握。当他们去世后，这些知识便永远消失了。
知识霸权的根源
意大利哲学家安东尼奥·葛兰西的文化霸权理论有助于我们理解某些知识如何占据主导地位。权力不仅通过武力维持，也通过塑造文化规范和日常信仰来实现。
源于西方传统的认识论逐渐被视为客观和普适的标准，而学校、科研机构和国际组织等则巩固了这种主导地位。一个典型的例子是热带地区的高层玻璃幕墙建筑。
玻璃建筑最初为寒冷、光线不足的气候设计，但在阳光强烈的热带地区，它反而导致室内严重过热，需要消耗大量能源来降温。尽管如此，它却成为全球城市现代化的标志，无论气候或文化背景如何。
这些建筑提醒我们知识同质化的危险。同样，在印度班加罗尔，曾经由专门社群管理的精妙湖泊水系被现代化、中心化的系统取代，导致城市如今既会遭遇严重内涝，又会面临用水短缺。这些本土的水管理智慧同样未被记录，也缺席于AI系统。
AI如何加速知识的单一化
GenAI不仅反映了现有的知识偏见，其技术设计本身还会进一步放大这种偏见。
- 不均衡的内部表征：在训练数据中出现更频繁、更突出的概念，在模型内部会被更强力地编码。
- 模式放大（Mode Amplification）：大型语言模型（LLM）倾向于过度生成最常见的答案，而不是按比例反映训练数据中的分布。例如，如果数据中60%的人喜欢披萨，30%喜欢意面，10%喜欢印度香饭，模型在回答时可能会远超60%的概率推荐披萨，而印度香饭则可能被完全忽略。
- 人类反馈强化学习（RLHF）：通过人类偏好进行微调，不可避免地将创作者的价值观嵌入模型中。
- 商业压力：AI模型被优化以服务于最有利可图的用户群体（如说英语的专业人士），导致它们擅长处理西方企业文化中的任务，却对其他文化背景显得笨拙。
这种机制创造了一个反馈循环：AI根据互联网数据进行训练，然后用其生成的内容填充互联网，新的AI又在这些被放大了主流观点的数据上训练，导致小众和边缘知识逐渐“知识崩溃”（knowledge collapse）。
全球性的代价与未来的抉择
我们常常认为本土知识的丧失只是当地社群的悲剧，但实际上，这种损失是全球性的。生态系统的逻辑告诉我们，每个局部元素都对维持全球平衡至关重要。
黄石公园的狼群被消灭后，鹿群数量激增，过度啃食植被，导致河流侵蚀、生态系统退化。当狼群被重新引入后，整个系统才开始自我修复。
这个例子表明，一个系统的健康依赖于其所有组成部分。人类知识体系也是如此。无论是野火烟雾、水污染还是气温上升，都无视国界。我们都身处一个共享的生态系统中，局部的创伤最终会成为全球的痛楚。
气候危机暴露了我们主流知识范式的裂痕。我们是否能在迈向技术未来的同时，以真诚的好奇心去接触那些被我们忽视的知识体系？还是说，我们将继续抹杀其他理解世界的方式，直到我们不得不争相殖民火星，因为我们从未学会倾听那些懂得如何在地球上可持续生活的人？
或许我们最需要的智能，是那种能够超越等级观念、认识到所有知识都具有价值的能力。我不知道我父亲的草药是否真的有效，但我正在学习，承认“我不知道”，或许才是最诚实的开始。