Decolonizing Linguistic Policies in Automated Speech Recognition: A Framework for Cross-Culturally Competent Speech AI
Dit artikel betoogt dat tekortkomingen in automatische spraakherkenning voor talen met weinig middelen en inheemse talen manifestaties zijn van koloniale taalpolitiek, en stelt een dekoloniaal kader voor met een "Drie Schades"-taxonomie en een participatief governancemodel om cross-cultureel competente spraak-AI te bereiken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een enorme, futuristische bibliotheek binnenloopt waar de boeken niet alleen in de schappen staan, maar ook tegen je praten. Dit is de wereld van Automatic Speech Recognition (ASR), de technologie die ervoor zorgt dat je telefoon, slimme speaker of computer begrijpt wat je zegt. Maar hier komt de crux: voor een lange tijd was deze technologie als een bibliothecaris die slechts één specifiek Engels dialect spreekt en erg in de war raakt als je met een accent spreekt, straattaal gebruikt of tussen talen schakelt.
Om te begrijpen waarom dit gebeurt, moeten we kijken naar een paar grote ideeën. Denk eerst aan linguïstisch kapitaal als een soort valuta. In de echte wereld worden sommige talen of accenten behandeld als "rijk" en waardevol (zoals standaard Amerikaans-Engels), terwijl andere als "arm" of minder belangrijk worden beschouwd. Ten tweede is er het idee van raciolinguïstische ideologie, wat in feep basis het gewoonte is om iemands intelligentie of geloofwaardigheid te beoordelen op basis van hoe iemand klinkt, in plaats van wat diegene daadwerkelijk zegt. Ten slotte vraagt decolonial computing ons om te kijken naar hoe technologie vaak oude, onrechtvaardige machtsstructuren kopieert — zoals kolonialisme — waarbij de manier van spreken van de ene groep als de "juiste" manier wordt opgelegd en iedereen een ander wordt verteld zich aan te passen om erbij te horen. Wanneer we deze ideeën combineren, zien we dat wanneer een computer een spreker niet begrijpt, dit niet slechts een foutje is; het is een beleidsbeslissing die zegt: "Jouw stem doet er minder toe dan die van iemand anders."
Dit artikel, geschreven door een team van onderzoekers van universiteiten in de VS en Canada, betoogt dat deze fouten geen toevallige bugs zijn. In plaats daarvan zijn ze het resultaat van linguïstische beleidsregels die in de software zijn ingebouwd. De auteurs suggereren dat de manier waarop deze systemen worden ontworpen, getest en gebruikt, fungeert als een reeks onzichtbare regels die beslissen welke stemmen "leesbaar" zijn voor machines en welke stemmen worden genegeerd. Ze stellen voor dat we moeten stoppen met deze fouten te behandelen als eenvoudige wiskundige problemen en ze moeten gaan zien als sociale problemen die echte mensen raken.
De onderzoekers introduceren een nieuwe manier om naar deze fouten te kijken, de 3M Taxonomie: Misrecognition (Misverkenning), Misalignment (Misuitlijning) en Mistrust (Wantrouwen).
- Misrecognition is het voor de hand liggende deel: de computer hoort "kat" terwijl je "bak" zei, of geeft simpelweg op en zegt: "Ik begrijp het niet."
- Misalignment is subtieler. De computer krijgt misschien de woorden goed, maar mist de betekenis. Bijvoorbeeld, als je een beleefde uitdrukking of een lokale idioom gebruikt, kan de computer de woorden letterlijk vertalen maar de respectvolle of humoristische intentie missen, waardoor je onbeleefd of verward overkomt.
- Mistrust is het gevoel dat je krijgt wanneer je beseft dat het systeem niet voor jou is gebouwd. Als je jezelf vijf keer moet herhalen, of als je het gevoel hebt dat het apparaat je bespiedt, begin je het systeem niet meer te vertrouwen. Dit is niet alleen een ongeduldige gebruiker; het is een rationele reactie op een systeem dat je telkens weer in de steek laat.
Het artikel suggereert dat de huidige manier waarop deze systemen worden getest, gebrekkig is. De meeste bedrijven gebruiken simpelweg een score genaamd Word Error Rate (WER), die telt hoeveel woorden er fout waren. Maar de auteurs beargumenteren dat dit alsok een gedicht beoordelen enkel op spelling; het mist het ritme, de emotie en de culturele context. Ze wijzen erop dat voor talen met tonen (waarbij de toonhoogte van je stem de betekenis van een woord verandert) of klikgeluiden, een eenvoudige woordentelling nutteloos is. Een computer kan het "woord" wel goed krijgen, maar de toon veranderen, waardoor een compliment in een belediging verandert.
Om dit op te lossen, stelt het team een Participatory Framework (Participatief Kader) voor. In plaats van ingenieurs in een laboratorium die beslissen hoe "correct" taalgebruik klinkt, zeggen zij dat de mensen die deze talen daadwerkelijk spreken, de co-ontwerpers moeten zijn. Stel je voor dat de gemeenschap die een specifiek dialect spreekt, de kans krijgt om de testvragen te schrijven, te bepalen wat als een fout wordt beschouwd, en zelfs kan zeggen: "Eigenlijk willen we niet dat deze computer naar ons luistert vanwege de privacy." Het artikel schetst een vierstapslus:
- Participatory Auditing (Participatieve Audit): Laat de gemeenschap het systeem testen en de 3M-fouten vinden.
- Community Co-Design (Co-ontwerp door de Gemeenschap): Laat de gemeenschap helpen bij het opstellen van de regels voor hoe het systeem zich moet gedragen.
- Equitable Deployment (Eerlijke Implementatie): Zorg ervoor dat het systeem alleen wordt gebruikt op manieren die veilig en eerlijk zijn voor die specifieel groep.
- Feedback Integration (Integratie van Feedback): Creëer een manier voor gebruikers om problemen te melden en bedrijven te dwingen ze op te lossen, in plaats van ze te negeren.
De auteurs benadrukken dat ze geen magische oplossing of een nieuwe computerchip presenteren die alles oplost. Ze beweren niet dat we het probleem al hebben opgelost. In plaats daarvan bieden ze een framework en een checklist aan voor hoe men kan beginnen met het oplossen ervan. Ze suggereren dat zolang we niet veranderen wie de beslissingen neemt en hoe we succes meten, deze systemen de oude ongelijkheden zullen blijven versterken. Ze betogen dat ware culturele competentie betekent weten wanneer je niet moet luisteren, respecteren dat sommige gemeenschappen hun stem misschien privé willen houden, en begrijpen dat "low-resource" talen niet van nature arm zijn, maar zo zijn gemaakt door de geschiedenis.
Kortom, dit artikel is een oproep tot actie. Het vertelt ons dat als we willen dat spraak-AI echt nuttig is voor iedereen, we moeten stoppen met taal te behandelen als louter data die verwerkt moet worden, en het moeten gaan behandelen als iets levends en cultureels dat toebehoort aan de mensen die het spreken. Het suggereert dat de weg vooruit niet alleen betere algoritmen zijn, maar betere relaties tussen de makers van de technologie en de gemeenschappen die zij beogen te dienen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.