Вештачката интелигенција сè повеќе станува дел од секојдневниот живот, но ново научно истражување открива дека нејзината употреба не е подеднакво ефикасна за сите корисници во светот. Иако истото прашање може да се постави на десетици различни јазици, количината електрична енергија што ја троши AI системот за да одговори може драстично да се разликува. Во одредени случаи, генерирањето текст на еден јазик може да бара дури 180 пати повеќе енергија отколку извршувањето споредлива задача на англиски. До овие сознанија дошле истражувачи од Универзитетот во Мичиген, кои ја анализирале енергетската ефикасност на големите јазични модели при обработка на различни јазици. Резултатите отвораат важно прашање за иднината на технологијата: дали вештачката интелигенција, која треба да биде достапна за сите, всушност создава нова форма на дигитална нееднаквост? Истражувањето покажува дека јазикот на кој комуницираме со AI системите има поголемо влијание врз нивното функционирање отколку што можеби се претпоставуваше. Разликите не се однесуваат само на потрошувачката на електрична енергија, туку и на квалитетот на добиените одговори, брзината на обработка и потенцијалните трошоци за користење на услугите. Особено неповолна положба имаат јазиците што не користат латинично писмо, како и оние за кои постојат помалку дигитални содржини достапни за обучување на моделите. Во такви случаи, вештачката интелигенција често мора да обработи поголем број текстуални единици за да создаде одговор со исто или слично значење. Научниците утврдиле дека при генерирање текст на хинди, потрошувачката на енергија во просек била 7,9 пати поголема отколку на англиски јазик. Кај бенгалскиот јазик разликата била уште поизразена, достигнувајќи просечно 15,3 пати поголема потрошувачка. Кај повеќето западноевропски јазици, разликите биле значително помали и вообичаено не надминувале двојно поголема потрошувачка во споредба со англискиот. Овие резултати укажуваат дека јазичната разновидност претставува сериозен технички предизвик за развивачите на вештачка интелигенција. Иако современите модели можат да комуницираат на голем број јазици, тоа не значи дека сите ги обработуваат со иста ефикасност. За да ја испитаат оваа појава, истражувачите анализирале три големи јазични модели со јавно достапни параметри: Qwen 3 на Alibaba, Gemma 3 на Google и Llama 3.1 на Meta. Моделите биле тестирани на различни задачи, меѓу кои разбирање прочитан текст, решавање математички проблеми и одговарање на кориснички прашања. На овој начин научниците можеле да споредат како се менува потрошувачката на енергија кога слични задачи се извршуваат на различни јазици. За мерењето бил користен ML.Energy, специјализирана алатка развиена на Универзитетот во Мичиген, која овозможува процена на енергетските потреби при извршување задачи со машинско учење. Анализата опфатила 122 јазици, со што истражувачите добиле широка слика за разликите во енергетската ефикасност на современите јазични модели. Резултатите покажале дека кај сите три тестирани модели англискиот јазик бил енергетски најповолен. Оваа предност се задржала и при користење поголеми модели, како и при тестирање на различни видови компјутерски процесори. Тоа укажува дека причината не може да се сведе само на одреден хардвер или на специфичен модел. Разликите се поврзани и со начинот на кој јазичните модели го претставуваат и обработуваат текстот. За да се разбере зошто се појавува толку голема разлика, потребно е да се разгледа начинот на кој функционираат големите јазични модели. Кога човек пишува прашање во ChatGPT или друг сличен систем, компјутерот не го обработува текстот на ист начин како човечкиот мозок. Наместо тоа, текстот се претвора во помали единици наречени токени, кои моделот ги користи при анализата и генерирањето одговор. Еден токен може да претставува цел збор, дел од збор, знак или друга текстуална единица. Бројот на токени зависи од јазикот, структурата на зборовите и начинот на кој конкретниот модел го дели текстот. Токму тука се појавува значајна нееднаквост. Иста реченица, со исто значење и приближно иста должина, може да биде претставена со различен број токени на различни јазици. Ако за една порака на англиски се потребни релативно малку токени, нејзиниот еквивалент на друг јазик може да бара значително повеќе. Тоа значи дека моделот мора да обработи поголем број единици за да ја изврши истата задача. Поголемиот број токени ја зголемува потребата од компјутерски ресурси, меморија и пресметки. Како последица, може да се зголеми времето потребно за генерирање одговор, а со тоа и потрошувачката на електрична енергија. Особено изразени проблеми се забележани кај одредени писма што имаат посложена графичка структура. Меѓу нив е деванагари, кое се користи за хинди, непалски и марати, како и бенгалското писмо. Кај овие писма, одредени знаци се формираат преку комбинации од основни симболи и дополнителни графички елементи. Во зависност од начинот на кој моделот го претставува текстот, тоа може да придонесе за поголем број токени. Сепак, самото користење нелатинично писмо не значи дека секој јазик автоматски ќе има иста енергетска неефикасност. Важни се и количината на податоци со кои моделот бил обучуван, неговата внатрешна структура и начинот на кој е оптимизиран за конкретниот јазик. Дополнителен проблем се појавува кога зголемениот број токени ја оптоварува расположливата меморија. Во такви ситуации, системот може да обработува помали групи податоци истовремено, што дополнително ја намалува ефикасноста. На прв поглед, овие разлики можеби изгледаат како технички детали што се важни само за инженерите. Но нивните последици можат да бидат многу пошироки, особено кога вештачката интелигенција се користи во голем обем. Доколку милиони корисници секојдневно поставуваат прашања на јазици што бараат значително повеќе компјутерски ресурси, вкупната потрошувачка на енергија може да биде многу поголема отколку при извршување споредливи задачи на англиски. Ова има значење и за компаниите што развиваат AI услуги, бидејќи работата на големите јазични модели бара значителна инфраструктура. Центрите за податоци трошат електрична енергија не само за пресметките, туку и за ладење и одржување на опремата. Со растот на бројот на корисници, енергетската ефикасност станува сè поважен економски фактор. Дури и релативно малите разлики во потрошувачката можат да создадат значителни дополнителни трошоци кога се пресметуваат на милиони или милијарди барања. Но проблемот не се однесува само на електричната енергија. Бројот на токени директно влијае и врз начинот на кој се наплаќаат голем број услуги за вештачка интелигенција. Многу компании што нудат пристап до AI модели преку програмски интерфејси ја пресметуваат цената според бројот на влезни и излезни токени. Поради тоа, обработката на исто количество информации на различни јазици може да резултира со различни трошоци. За индивидуален корисник со фиксна месечна претплата, оваа разлика можеби нема веднаш да биде видлива. Но за компании што развиваат апликации, автоматизирани услуги или дигитални платформи за голем број корисници, бројот на токени може директно да влијае врз финансиската исплатливост. На пример, организација што развива AI асистент за корисници на повеќе јазици може да има различни оперативни трошоци во зависност од јазичната структура на својата публика. Ова отвора нови прашања за глобалната достапност на технологијата. Ако обезбедувањето услуга на одредени јазици е значително поскапо, компаниите би можеле да имаат помал економски интерес да инвестираат во нивната поддршка. Последиците би биле особено неповолни за јазиците со помал број говорници и за оние што се слабо застапени во дигиталните извори на информации. Истражувачите проценуваат дека околу 5,2 милијарди луѓе припаѓаат на јазични заедници кај кои генерирањето текст на мајчиниот јазик може да бара повеќе од двојно поголема потрошувачка на енергија отколку на англиски. Оваа проценка покажува дека проблемот не е ограничен на неколку мали јазични групи. Напротив, тој потенцијално засега огромен дел од светското население. Уште позагрижувачко е што зголемената потрошувачка на енергија често е придружена со послаб квалитет на одговорите. Според резултатите од истражувањето, моделите неретко постигнуваат пониска точност токму на јазиците за кои им се потребни повеќе компјутерски ресурси. Тоа создава двоен недостаток за корисниците. Од една страна, обработката на нивниот јазик бара повеќе енергија и потенцијално создава поголеми трошоци. Од друга страна, тие можат да добијат помалку прецизни или помалку сигурни информации. Ваквата ситуација е особено значајна ако се земе предвид дека вештачката интелигенција сè почесто се користи за учење, професионално усовршување, истражување и деловно одлучување. Ако одредени јазични заедници добиваат систематски послаби резултати, тоа може дополнително да ги продлабочи постојните разлики во пристапот до квалитетни дигитални услуги. Традиционално, дигиталниот јаз се поврзуваше со достапноста на интернет, цената на компјутерите и нивото на дигитална писменост. Но развојот на генеративната вештачка интелигенција воведува нова димензија на нееднаквоста – јазикот на кој корисникот комуницира со технологијата. Дури и кога две лица имаат пристап до истиот AI модел, нивното искуство може да биде различно само затоа што поставуваат прашања на различни јазици. Ова прашање е важно и за земјите со помали јазични пазари, вклучително и Македонија. Македонскиот јазик користи кирилично писмо и располага со значително помал обем дигитални содржини во споредба со англискиот. Сепак, во објавените информации за истражувањето не се наведени конкретни резултати за потрошувачката на енергија при обработка на македонскиот јазик. Поради тоа, не може со сигурност да се тврди колкава е разликата во однос на англискиот или дали таа е споредлива со резултатите за хинди и бенгалски. Она што може да се заклучи е дека јазичната застапеност и начинот на обработка на текстот имаат важно влијание врз ефикасноста на моделите. За помалите јазични заедници, ова претставува дополнителна причина да се инвестира во квалитетни дигитални јазични ресурси. Истражувачите предлагаат неколку можни насоки за намалување на разликите. Една од нив е развој на модели што се специјализирани за одредени јазици или јазични групи. Наместо еден модел да се користи за сите задачи, системите би можеле да ги насочуваат барањата кон модели што се поефикасни за конкретниот јазик. Таквиот пристап потенцијално би овозможил подобро искористување на компјутерските ресурси и повисок квалитет на одговорите, особено кај јазиците што се послабо застапени во постојните системи. Друга можност е одредени барања прво да се преведуваат на англиски, потоа да се обработуваат, а конечниот одговор повторно да се преведува на јазикот на корисникот. Но ваквото решение има свои ограничувања. Преводот може да доведе до губење на дел од значењето, особено кај стручни термини, локални изрази и прашања што зависат од културниот или јазичниот контекст. Дополнително, самиот процес на преведување бара компјутерски ресурси. Затоа, ваквиот пристап би бил корисен само кога вкупната потрошувачка и квалитетот на одговорите навистина покажуваат подобрување. Една од најважните долгорочни мерки е обезбедувањето повеќе квалитетни податоци за обучување на моделите на различни јазици. За таа цел, истражувачите ја нагласуваат потребата од вклучување на луѓе што ги зборуваат тие јазици како мајчини. Нивното учество може да помогне во создавање попрецизни јазични ресурси и подобро препознавање на граматичките, лексичките и културните особености. Ова е особено важно бидејќи квалитетот на вештачката интелигенција не зависи само од големината на моделот. Подеднакво значајни се разновидноста и квалитетот на податоците со кои тој бил обучуван. Истражувањето беше претставено на научната конференција EMNLP 2026, посветена на обработката на природниот јазик и развојот на современи јазични технологии. Неговите резултати укажуваат на проблем што веројатно ќе добива сè поголемо значење со ширењето на генеративната вештачка интелигенција. Доколку AI системите станат составен дел од образованието, здравството, јавната администрација и деловните услуги, можноста за нивно ефикасно користење на мајчиниот јазик ќе биде многу повеќе од прашање на удобност. Таа ќе влијае врз пристапот до информации, трошоците за дигитални услуги и можноста различни општества рамноправно да ги користат придобивките од технолошкиот напредок. Во исто време, резултатите покажуваат дека идниот развој на вештачката интелигенција не треба да се оценува само според брзината, бројот на параметри или способноста за решавање сложени задачи. Енергетската ефикасност, јазичната разновидност и квалитетот на одговорите ќе стануваат сè поважни критериуми за процена на вистинската корисност на овие системи. Англискиот јазик засега има значителна предност во голем дел од современите AI технологии, но тоа не значи дека таквата состојба мора да остане непроменета. Со подобри јазични податоци, посоодветни модели и поефикасни начини на обработка, разликите потенцијално можат да се намалат. Најважната порака од истражувањето е дека дигиталната еднаквост во ерата на вештачката интелигенција не подразбира само сите да имаат пристап до истата технологија. Таа подразбира технологијата да биде доволно квалитетна, достапна и ефикасна без оглед на јазикот на кој луѓето размислуваат, учат и комуницираат. Во спротивно, светот ризикува да создаде нова поделба во која користењето на сопствениот мајчин јазик ќе значи поголеми трошоци и послаби резултати, додека најголемите придобивки од вештачката интелигенција ќе останат концентрирани кај јазиците што веќе доминираат во дигиталниот простор. Навигација на напис Германија развива конкурент на американскиот Palantir – Европа сака сопствена вештачка интелигенција за воени операции Крај на една ера? Легендарните телефони Nokia би можеле да исчезнат од пазарот по 2029 година