由于缺乏母语编辑者和大量使用不可靠的机器翻译，像格陵兰语这样的小语种维基百科版本充斥着大量错误。这些有问题的文本反过来又污染了人工智能翻译模型的训练数据，形成了一个“垃圾进，垃圾出”的恶性循环。这个循环不仅威胁着这些弱势语言的数字生存，还直接导致了格陵兰语维基百科的最终关闭。
格陵兰语维基百科的幻象
四年前，当肯尼思·韦尔（Kenneth Wehr）接管格陵兰语维基百科时，他做的第一件事就是删除几乎所有内容。他认为，这是拯救它的唯一方法。尽管该版本已存在近20年，拥有约1500篇文章，但它实际上是一个幻象。
- 问题根源： 几乎所有文章都是由根本不会说格陵兰语的人发布的。韦尔估计，可能只有一两位格陵兰语母语者曾经贡献过内容。
- 机器翻译的泛滥： 更糟糕的是，大量文章是使用机器翻译直接复制粘贴的，充满了低级错误。
- 错误的类型：
- 语法混乱，句子不通。
- 出现毫无意义的词语或随机字母组合。
- 严重的事实错误，例如一篇文章声称加拿大只有41名居民。
韦尔抱怨道：“对那些作者来说，这可能看起来像格陵兰语，但他们根本无从判断。人工智能翻译器在处理格陵兰语方面表现得非常糟糕。”
一个全球性的问题：语言的末日循环
格陵兰语的困境并非个例。维基百科拥有超过340种语言版本，许多小语种版本都面临着被自动翻译内容淹没的风险。
- 非洲语言： 志愿者估计，在四个非洲语言的维基百科版本中，有 40% 到 60% 的文章是未经校对的机器翻译。
- 因纽特语： 超过三分之二的页面包含机器翻译的内容。
这引发了一个恶性循环。人工智能系统（如谷歌翻译和ChatGPT）通过抓取互联网上的海量文本来学习语言。对于小语种来说，维基百科往往是最大的，甚至是唯一的在线语言数据来源。
计算机科学家凯文·斯坎内尔指出：“这些模型建立在原始数据之上。它们会从零开始学习一种语言的一切。没有其他输入，没有语法书，没有词典，只有输入的文本。”
这个循环可以被简单概括为：垃圾进，垃圾出。错误的维基百科页面毒害了AI模型，导致AI翻译质量更差；人们又用这些更差的工具制造出更多错误的维基百科页面，进一步污染数据源。
AI时代的“维基百科劫持者”
虽然机器人程序在维基百科中一直扮演着修复链接、纠正拼写等有益角色，但人工智能翻译工具却带来了新的破坏力。一些用户，被称为“维基百科劫持者”，正在利用这些工具大规模制造低质量内容。
- 动机： 这些用户的动机各不相同，有些是天真的青少年，有些则是善意地认为自己在“帮助”少数族裔社区。
- 破坏力升级： 以前他们只能依赖词典，现在“他们用谷歌翻译武装了自己”，可以制造出更长、看起来更可信的错误内容。
AI翻译在处理小语种时尤其不可靠，因为在线源文本很少，而且许多语言（如格陵兰语）的语法结构（粘着语）不适合当前主流的机器翻译系统。
对语言社区的真实伤害
这种现象的后果远不止于线上。它直接伤害了正在努力保护自己语言和文化的社区。
- 尼日利亚的富尔富尔德语： 农业规划师阿卜杜勒卡迪尔·阿卜杜勒卡迪尔每天花三小时修正错误。他担心，一篇关于农作物的错误翻译文章可能会“轻易地伤害到”依赖这些信息的偏远地区农民。
- 尼日利亚的伊博语： 翻译家露西·伊瓦拉表示，“伤害已经造成了”。低劣的翻译会让母语者感到沮丧，最终放弃自己的语言版本，回到英语维基百科。
- 夏威夷语： 夏威夷大学助理教授诺亚·哈利利奥·所罗门报告说，夏威夷语维基百科上约35%的词语无法理解。
他痛苦地表示：“如果这就是将存在于网上的夏威夷语，那它带来的伤害将比任何东西都大。这提醒我们，我们的文化和语言曾无数次被盗用。”
更严重的是，这些被污染的AI模型正被用来制作错误百出的语言学习书籍，并在亚马逊等平台销售，给语言学习者制造了一个“雷区”。
希望与时间的赛跑
尽管问题严峻，但仍有成功的案例。芬兰的伊纳里萨米语维基百科就是一个典范。
- 质量优先： 他们不关心数量，只关心质量。每一篇文章都由流利的母语者进行校对。
- 成为语言的宝库： 维基百科被用作书面语的存储库，甚至被整合进学校课程，帮助创造和规范新词汇。
- 积极的循环： 通过持续输入高质量的内容，他们希望未来的人工智能模型能够从中学习，产出更好的结果。
伊纳里萨米语言协会成员法布里奇奥·布雷乔里奥利说：“我们的最终目标是确保伊纳里萨米语能够生存下去。”
格陵兰语的最终结局
然而，并非所有语言都像伊纳里萨米语一样幸运。韦尔为重振格陵兰语维基百科付出了多年努力，但收效甚微，因为“格陵兰没有人对此感兴趣”。
最终，他请求关闭格陵兰语维基百科。维基百科语言委员会批准了这一请求，理由之一就是人工智能工具“频繁产生可能歪曲该语言的无意义内容”。
尽管维基百科页面被关闭，但损害可能已经无法挽回。至今，无论是谷歌翻译还是ChatGPT，都无法用正确的格陵兰语从1数到10。