AI也會講粗口、而且對保護廣東話有重大意義？這背後其實是大型語言模型（Large Language Model）在發揮作用。

語言是文化的重要載體。到目前為止，全球有超過6000種語言或方言，然而一項研究顯示，未來100年內會有1000種語言從地球上消失。語言的消失無疑是對文明的重創，近年來廣東話的保育也被頻繁提起，而大型語言模型有機會幫助廣東話實現電子永生。

然而，搭建廣東話大型語言模型十分困難。數碼港初創公司Votee AI的技術總監陳豪傑Jacky介紹，搭建大型語言模型的語料庫需要三類資料：字典、文本及對話。與網絡上鋪天蓋地的英文不同，廣東話屬於稀缺的語言資源。Jacky舉例，根據維基最新的數據，有250萬篇文章是用英文撰寫，而廣東話寫成的文章卻不到1萬篇；同時，現有的文本多數來自討論區、WhatsApp群組等，質素難以保證，AI經過訓練後反而從中學會了“講粗口”。

此外，廣東話中口語化表達特別多，且常常出現中英夾雜的情況。Jacky觀察到，如今的廣東話潮語中有不少都是用英文字母來表達的，例如“siu4”“sls”等，這會為文本分析帶來不小的難度，即難以區分是英文還是廣東話。

語言不只是文字，還包括了“聽”和“說”。未來，技術成熟的廣東話大型語言模型不僅能夠保存下文字，還能與人交流，甚至教人說廣東話，實現語言和文化的保育及傳播。廣東話保育任重而道遠，大型語言模型的發展也許能開闢出一條新的道路。

V仔放大鏡🔍：為你解碼新聞熱點

【HongKongV】
Instagram: @hongkongv
Threads: @hongkongv
Facebook:香港V
YouTube:香港V
TikTok: @hongkongv

編輯：曹遠