論文の概要: African Languages AI Safety Readiness Report

• arxiv url: http://arxiv.org/abs/2610.27269v1
• Date: Mon, 19 Oct 2026 20:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.497113
• Title: African Languages AI Safety Readiness Report
• Title（参考訳）: アフリカ言語AIの安全準備レポート
• Abstract要約: 本稿では,AIの安全性に関する議論にアフリカ語を取り入れる準備について検討する。 テキストデータを含むAI関連リソースの可用性、国家AIポリシーのサポート、確立されたテキストベンチマークのパフォーマンス、話者人口の4つを考慮に入れている。 これらの要因に基づいて、言語は4つの準備整合性カテゴリに分類される。
• 参考スコア（独自算出の注目度）: 8.724307079010126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the widespread adoption of large language models (LLMs) across languages and domains, AI safety has emerged as a critical global concern. However, due to resource constraints, research and development efforts tend to prioritize a limited number of high-resource languages, leaving many others, especially those spoken in Africa, underrepresented. While existing research on language "resource-ness" has largely examined whether sufficient resources are available to develop language technologies, the question of whether languages are adequately represented in AI safety research has received attention only more recently. This report examines the readiness of African languages for inclusion in AI safety discussions, drawing on existing literature and data. It considers four factors: the availability of AI-relevant resources, including text data; national AI policy support; performance on established text benchmarks; and speaker population. Based on these factors, languages are grouped into four readiness categories: fully ready, mostly ready, emerging, and foundational support needed. This classification is intended to inform the inclusion of African languages in AI safety benchmarks, highlight varying levels of preparedness, and guide strategic investment in data development, policy, and community engagement for underrepresented languages.
• Abstract（参考訳）: 言語やドメインにまたがって大きな言語モデル(LLM)が広く採用されているため、AIの安全性は世界的な重要な懸念事項となっている。 しかし、資源の制約のため、研究と開発は限られた数の高資源言語を優先する傾向にあり、他の多くの言語、特にアフリカで話されている言語は少数派である。 言語「資源性」に関する既存の研究は、言語技術を開発するのに十分な資源があるかどうかを主に検討してきたが、AI安全研究において言語が適切に表現されているかどうかという問題は、最近になって注目されている。 本稿では、既存の文献やデータに基づいて、AIの安全性に関する議論にアフリカ語を取り入れる準備について検討する。 テキストデータを含むAI関連リソースの可用性、国家AIポリシーのサポート、確立されたテキストベンチマークのパフォーマンス、話者人口の4つを考慮に入れている。 これらの要因に基づいて、言語は4つの準備整合性カテゴリに分類される。 この分類は、AI安全ベンチマークにアフリカ言語が組み込まれていることを知らせ、さまざまな準備レベルを強調し、表現されていない言語に対するデータ開発、ポリシー、コミュニティエンゲージメントへの戦略的投資をガイドすることを目的としている。

関連論文リスト

• Schützen: Evaluating LLM Safety in Bulgarian and German Contexts [53.865251738592605]
  本稿では、リスク下でのモデル応答性を評価するために設計された、ドイツとブルガリアの安全データセットであるSchtzenを紹介する。 多言語および言語固有のLLMを用いた実験では、安全行動の言語間差が顕著である。
  論文  参考訳（メタデータ） (2026-06-09T18:01:19Z)
• The Multilingual Divide and Its Impact on Global AI Safety [27.639490480528337]
  本稿では、研究者、政策立案者、ガバナンスの専門家に対して、AIの"言語ギャップ"をブリッジする上での重要な課題の概要を提供する。 私たちは、AIの言語ギャップがなぜ存在して成長するのか、そして、グローバルAIの安全性における格差をどのように生み出すのかを分析します。
  論文  参考訳（メタデータ） (2025-05-27T15:37:32Z)
• Automatic Speech Recognition for African Low-Resource Languages: Challenges and Future Directions [4.524096445909663]
  アフリカにおける低資源言語は、研究と実践の双方において、著しく過小評価されている。 本研究では,これらの言語に対するASRシステムの開発に支障をきたす主要な課題について検討する。
  論文  参考訳（メタデータ） (2025-05-16T20:57:39Z)
• Bridging Gaps in Natural Language Processing for Yorùbá: A Systematic Review of a Decade of Progress and Prospects [0.6554326244334868]
  このレビューでは、注釈付きコーパスの不足、事前訓練された言語モデルの可用性の制限、音節複雑性やダイアクリティカル依存といった言語的課題を重要な障害として取り上げている。 この結果から,多言語・モノリンガル資源の増大が明らかとなった。ただし,この分野は,コードスイッチングやデジタル利用のための言語放棄といった社会文化的要因に制約されている。
  論文  参考訳（メタデータ） (2025-02-24T17:41:48Z)
• Generative AI and Large Language Models in Language Preservation: Opportunities and Challenges [0.0]
  Generative AI(GenAI)とLarge Language Models(LLM)は、コーパス生成、転写、翻訳、学習を自動化する新たなフロンティアをアンロックする。 本稿では、言語固有のニーズに対してGenAIアプリケーションを体系的に評価する新しい分析フレームワークを提案する。 コミュニティ主導の音声認識などの成功例を92%の精度で再現するTe Reo M=aori再活性化による有効性を示す。 我々の知見は、GenAIが言語保存に革命をもたらすことは確かだが、介入がコミュニティ中心のデータスチュワードシップ、継続的な評価、透明なリスク管理に厳格に固定されている場合に限られる。
  論文  参考訳（メタデータ） (2025-01-20T14:03:40Z)
• LIMBA: An Open-Source Framework for the Preservation and Valorization of Low-Resource Languages using Generative Models [62.47865866398233]
  この白書は低リソース言語のための言語ツールを生成するためのフレームワークを提案する。 このような言語に対するインテリジェントな応用を妨げるデータ不足に対処することにより、言語多様性の促進に寄与する。
  論文  参考訳（メタデータ） (2024-11-20T16:59:41Z)
• A Survey on Large Language Models with Multilingualism: Recent Advances and New Frontiers [51.8203871494146]
  LLM(Large Language Models)の急速な開発は、自然言語処理における顕著な多言語機能を示している。 LLMのブレークスルーにもかかわらず、多言語シナリオの研究は依然として不十分である。 本調査は,多言語問題に対する研究コミュニティの取り組みを支援することを目的としており,LLMに基づく多言語自然言語処理における中核概念,鍵技術,最新の発展の包括的理解を提供する。
  論文  参考訳（メタデータ） (2024-05-17T17:47:39Z)
• The Ghanaian NLP Landscape: A First Look [9.17372840572907]
  特にガーナ語は絶滅が記録され、いくつかは危険にさらされている。 本研究は、ガーナ語に焦点をあてた自然言語処理(NLP)研究の包括的調査のパイオニアである。
  論文  参考訳（メタデータ） (2024-05-10T21:39:09Z)
• NusaX: Multilingual Parallel Sentiment Dataset for 10 Indonesian Local Languages [100.59889279607432]
  インドネシアにおける言語の資源開発に重点を置いている。 インドネシアのほとんどの言語は絶滅危惧種に分類され、一部は絶滅している。 インドネシアで10の低リソース言語を対象とした,最初の並列リソースを開発した。
  論文  参考訳（メタデータ） (2022-05-31T17:03:50Z)
• Systematic Inequalities in Language Technology Performance across the World's Languages [94.65681336393425]
  本稿では,言語技術のグローバルな有用性を評価するためのフレームワークを紹介する。 本分析では, ユーザ対応技術と言語的NLPタスクの両面において, より深く研究されている。
  論文  参考訳（メタデータ） (2021-10-13T14:03:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。