{"id":8441,"date":"2025-06-17T07:33:47","date_gmt":"2025-06-17T07:33:47","guid":{"rendered":"http:\/\/architeles.eu\/ethics\/?p=8441"},"modified":"2025-06-18T11:24:44","modified_gmt":"2025-06-18T11:24:44","slug":"identyfikacja-stronniczosci-biasow-niescislosci-oraz-bledow-w-duzych-modelach-jezykowych-w-jezykach-nie-opartych-na-alfabecie-lacinskim-np-chinskim-japonskim-arabskim-czy-hindi-identyfikacja-2","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2025\/06\/17\/identyfikacja-stronniczosci-biasow-niescislosci-oraz-bledow-w-duzych-modelach-jezykowych-w-jezykach-nie-opartych-na-alfabecie-lacinskim-np-chinskim-japonskim-arabskim-czy-hindi-identyfikacja-2\/","title":{"rendered":"Identyfikacja stronniczo\u015bci (bias\u00f3w), nie\u015bcis\u0142o\u015bci oraz b\u0142\u0119d\u00f3w w du\u017cych modelach j\u0119zykowych w j\u0119zykach nie opartych na alfabecie \u0142aci\u0144skim (np. chi\u0144skim, japo\u0144skim, arabskim czy hindi). Identyfikacja kulturowych bias\u00f3w, strategie dzia\u0142ania z wykorzystaniem narz\u0119dzi AI dla os\u00f3b niepos\u0142uguj\u0105cych si\u0119 tymi j\u0119zykami"},"content":{"rendered":"<h2>Czy naprawd\u0119 wiesz, co AI rozumie, gdy m\u00f3wisz po arabsku albo japo\u0144sku?<\/h2>\n<p>Sztuczna inteligencja ma ambicj\u0119 \u201erozumie\u0107\u201d ka\u017cdy j\u0119zyk. Ale co si\u0119 stanie, gdy wpiszesz pytanie po arabsku albo japo\u0144sku, a model odpowie&#8230; kompletnie nie na temat? Problem nie polega tylko na tym, \u017ce AI si\u0119 myli \u2013 ale na tym, \u017ce my nie mamy jak zweryfikowa\u0107, czy ono rozumie pytanie tak, jak my je zadali\u015bmy.<\/p>\n<p>Wi\u0119kszo\u015b\u0107 du\u017cych modeli j\u0119zykowych \u2013 GPT, PaLM, Claude \u2013 by\u0142a trenowana g\u0142\u00f3wnie na tre\u015bciach angloj\u0119zycznych. W przegl\u0105dzie danych treningowych GPT-3 oszacowano, \u017ce ponad 90% tekst\u00f3w pochodzi\u0142o z j\u0119zyk\u00f3w opartych na alfabecie \u0142aci\u0144skim \u2013 g\u0142\u00f3wnie z angielskiego.<!--more--><\/p>\n<p>To prowadzi do sytuacji, w kt\u00f3rej j\u0119zyki nie\u0142aci\u0144skie \u2013 chi\u0144ski, japo\u0144ski, arabski, hindi \u2013 s\u0105 reprezentowane znacznie s\u0142abiej, przez co modele:<\/p>\n<ul>\n<li>gorzej rozumiej\u0105 pytania,<\/li>\n<li>cz\u0119\u015bciej halucynuj\u0105 odpowiedzi,<\/li>\n<li>mog\u0105 nie\u015bwiadomie powiela\u0107 kulturowe uproszczenia.<\/li>\n<\/ul>\n<blockquote><p>&#8222;English is the most efficient language for prompting LLMs\u20141.3x more efficient than Spanish, 1.5x more efficient than French, and 2x more efficient than CJK (Chinese, Japanese, Korean) languages.&#8221; &#8211; Xuchen Yao, The Superpower of \u201cen\u2011US\u201d: \u201cen\u201d vs. the under\u2011represented languages, LinkedIn (2024)<\/p><\/blockquote>\n<p><img decoding=\"async\" class=\"wp-image-8340 size-large aligncenter\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_1_1-1024x683.png\" alt=\"\" width=\"600\" height=\"400\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_1_1-1024x683.png 1024w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_1_1-300x200.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_1_1-768x512.png 768w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_1_1-75x50.png 75w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_1_1.png 1536w\" sizes=\"(max-width: 600px) 100vw, 600px\" \/><\/p>\n<h2>Dlaczego AI gorzej rozumie j\u0119zyki nie\u0142aci\u0144skie?<\/h2>\n<p data-start=\"274\" data-end=\"530\">Wyobra\u017a sobie, \u017ce piszesz do AI pytanie po chi\u0144sku. Model grzecznie odpowiada, ale\u2026 masz wra\u017cenie, \u017ce kompletnie nie zrozumia\u0142, o co pytasz. Zamiast wyja\u015bnienia dostajesz og\u00f3lnik, b\u0142\u0105d logiczny albo \u2013 co gorsza \u2013 absurdaln\u0105 odpowied\u017a. Co tu posz\u0142o nie tak?<\/p>\n<h3 data-start=\"532\" data-end=\"582\">AI nie zna wszystkich j\u0119zyk\u00f3w r\u00f3wnie dobrze<\/h3>\n<p data-start=\"584\" data-end=\"937\">Modele j\u0119zykowe takie jak GPT, Gemini czy Claude ucz\u0105 si\u0119 na ogromnych zbiorach danych z internetu: forach, artyku\u0142ach, blogach, ksi\u0105\u017ckach. Problem w tym, \u017ce <strong data-start=\"742\" data-end=\"785\">wi\u0119kszo\u015b\u0107 tych danych jest po angielsku<\/strong> \u2013 lub w innych j\u0119zykach \u0142aci\u0144skich. J\u0119zyki takie jak chi\u0144ski, japo\u0144ski, arabski czy hindi stanowi\u0105 tylko niewielki procent ca\u0142ego zestawu treningowego.<\/p>\n<p data-start=\"939\" data-end=\"960\">To oznacza, \u017ce model:<\/p>\n<ul data-start=\"961\" data-end=\"1143\">\n<li data-start=\"961\" data-end=\"1009\">\n<p data-start=\"963\" data-end=\"1009\"><strong data-start=\"963\" data-end=\"1009\">rzadziej \u201ewidzi\u201d przyk\u0142ady z tych j\u0119zyk\u00f3w,<\/strong><\/p>\n<\/li>\n<li data-start=\"1010\" data-end=\"1082\">\n<p data-start=\"1012\" data-end=\"1082\"><strong data-start=\"1012\" data-end=\"1082\">ma trudno\u015bci z rozpoznaniem kontekstu kulturowego, idiom\u00f3w, stylu,<\/strong><\/p>\n<\/li>\n<li data-start=\"1083\" data-end=\"1143\">\n<p data-start=\"1085\" data-end=\"1143\">i <strong data-start=\"1087\" data-end=\"1143\">cz\u0119\u015bciej pope\u0142nia b\u0142\u0119dy lub \u201ehalucynuje\u201d odpowiedzi.<\/strong><\/p>\n<\/li>\n<\/ul>\n<h3 data-start=\"1145\" data-end=\"1191\">Nie tylko j\u0119zyk \u2013 tak\u017ce pismo si\u0119 liczy<\/h3>\n<p data-start=\"1193\" data-end=\"1253\">W przeciwie\u0144stwie do alfabetu \u0142aci\u0144skiego, j\u0119zyki takie jak:<\/p>\n<ul data-start=\"1254\" data-end=\"1530\">\n<li data-start=\"1254\" data-end=\"1307\">\n<p data-start=\"1256\" data-end=\"1307\"><strong data-start=\"1256\" data-end=\"1267\">chi\u0144ski<\/strong> u\u017cywaj\u0105 tysi\u0119cy znak\u00f3w logograficznych,<\/p>\n<\/li>\n<li data-start=\"1308\" data-end=\"1382\">\n<p data-start=\"1310\" data-end=\"1382\"><strong data-start=\"1310\" data-end=\"1322\">japo\u0144ski<\/strong> \u0142\u0105czy trzy r\u00f3\u017cne systemy pisma (hiragana, katakana, kanji),<\/p>\n<\/li>\n<li data-start=\"1383\" data-end=\"1458\">\n<p data-start=\"1385\" data-end=\"1458\"><strong data-start=\"1385\" data-end=\"1396\">arabski<\/strong> zapisuje tekst od prawej do lewej i cz\u0119sto pomija samog\u0142oski,<\/p>\n<\/li>\n<li data-start=\"1459\" data-end=\"1530\">\n<p data-start=\"1461\" data-end=\"1530\"><strong data-start=\"1461\" data-end=\"1470\">hindi<\/strong> opiera si\u0119 na pi\u015bmie dewanagari, z zupe\u0142nie inn\u0105 struktur\u0105.<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"1532\" data-end=\"1755\">Dla AI to ogromne wyzwanie. Tokenizacja, czyli spos\u00f3b \u201eci\u0119cia\u201d tekstu na fragmenty rozumiane przez model, cz\u0119sto <strong data-start=\"1645\" data-end=\"1676\">rozbija s\u0142owa nieprawid\u0142owo<\/strong>, przez co znaczenie zdania si\u0119 gubi jeszcze zanim model zacznie je analizowa\u0107.<\/p>\n<h3 data-start=\"1757\" data-end=\"1801\">Przyk\u0142ad: jedno zdanie, wiele pomy\u0142ek<\/h3>\n<p data-start=\"1803\" data-end=\"1922\">Przyk\u0142ad pytania po arabsku:<br data-start=\"1831\" data-end=\"1834\" \/><strong data-start=\"1834\" data-end=\"1865\">&#8222;\u0645\u0627 \u0647\u0648 \u0623\u0635\u0644 \u0643\u0644\u0645\u0629 \u062f\u064a\u0645\u0642\u0631\u0627\u0637\u064a\u0629\u061f&#8221;<\/strong> (Jaki jest \u017ar\u00f3d\u0142os\u0142\u00f3w s\u0142owa \u201edemokracja\u201d?)<br data-start=\"1908\" data-end=\"1911\" \/>Model mo\u017ce:<\/p>\n<ul data-start=\"1923\" data-end=\"2090\">\n<li data-start=\"1923\" data-end=\"1974\">\n<p data-start=\"1925\" data-end=\"1974\">odpowiedzie\u0107 poprawnie (np. \u017ce pochodzi z greki),<\/p>\n<\/li>\n<li data-start=\"1975\" data-end=\"2090\">\n<p data-start=\"1977\" data-end=\"2090\"><strong data-start=\"1977\" data-end=\"2025\">albo mylnie po\u0142\u0105czy\u0107 s\u0142owo z innym korzeniem<\/strong>, np. \u201eshura\u201d \u2013 arabskim odpowiednikiem rady doradczej w islamie.<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"2092\" data-end=\"2210\">To nie musi by\u0107 z\u0142o\u015bliwo\u015b\u0107 \u2013 to po prostu <strong data-start=\"2134\" data-end=\"2210\">brak danych, b\u0142\u0119dna tokenizacja albo pomieszanie kontekst\u00f3w kulturowych.<\/strong><\/p>\n<h3 data-start=\"2212\" data-end=\"2240\">Statystyki nie k\u0142ami\u0105<\/h3>\n<p data-start=\"2242\" data-end=\"2536\">Wed\u0142ug bada\u0144 benchmarkowych (np. MMLU, XGLUE), skuteczno\u015b\u0107 modeli w rozumieniu i generowaniu tekstu po chi\u0144sku czy arabsku jest <strong data-start=\"2370\" data-end=\"2395\">nawet o 20\u201330% ni\u017csza<\/strong> ni\u017c w przypadku angielskiego. To przek\u0142ada si\u0119 na gorsz\u0105 jako\u015b\u0107 t\u0142umacze\u0144, b\u0142\u0119dne odpowiedzi na pytania, a czasem wr\u0119cz \u201ewymy\u015blanie fakt\u00f3w\u201d.<\/p>\n<p><img decoding=\"async\" class=\"wp-image-8347 size-full aligncenter\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_2_1-1.png\" alt=\"\" width=\"600\" height=\"400\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_2_1-1.png 600w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_2_1-1-300x200.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_2_1-1-75x50.png 75w\" sizes=\"(max-width: 600px) 100vw, 600px\" \/><\/p>\n<h2>Kiedy AI powtarza stereotypy, nawet je\u015bli nie rozumie j\u0119zyka<\/h2>\n<p data-start=\"294\" data-end=\"540\">Nawet je\u015bli AI nie rozumie jakiego\u015b j\u0119zyka perfekcyjnie, to i tak&#8230; <strong data-start=\"363\" data-end=\"378\">co\u015b odpowie<\/strong>. I to \u201eco\u015b\u201d mo\u017ce nie tylko by\u0107 b\u0142\u0119dne \u2014 mo\u017ce by\u0107 r\u00f3wnie\u017c <strong data-start=\"436\" data-end=\"486\">stronnicze, upraszczaj\u0105ce albo wr\u0119cz obra\u017aliwe<\/strong>. I w\u0142a\u015bnie tu pojawia si\u0119 problem bias\u00f3w kulturowych.<\/p>\n<h3 data-start=\"542\" data-end=\"589\">Kultura w danych, kt\u00f3rych AI nie rozumie<\/h3>\n<p data-start=\"591\" data-end=\"798\">Modele j\u0119zykowe ucz\u0105 si\u0119 ze wszystkiego, co znajd\u0105 w internecie. Ale internet nie jest neutralny \u2014 to mieszanina blog\u00f3w, artyku\u0142\u00f3w, tweet\u00f3w, mem\u00f3w i for\u00f3w z dominacj\u0105 zachodniego punktu widzenia. Dlatego AI:<\/p>\n<ul data-start=\"799\" data-end=\"989\">\n<li data-start=\"799\" data-end=\"869\">\n<p data-start=\"801\" data-end=\"869\"><strong data-start=\"801\" data-end=\"866\">lepiej rozpoznaje realia kultury ameryka\u0144skiej ni\u017c hinduskiej<\/strong>,<\/p>\n<\/li>\n<li data-start=\"870\" data-end=\"931\">\n<p data-start=\"872\" data-end=\"931\"><strong data-start=\"872\" data-end=\"928\">cz\u0119\u015bciej podsuwa anglosaskie przyk\u0142ady i odniesienia<\/strong>,<\/p>\n<\/li>\n<li data-start=\"932\" data-end=\"989\">\n<p data-start=\"934\" data-end=\"989\"><strong data-start=\"934\" data-end=\"989\">a w razie w\u0105tpliwo\u015bci \u2014 opiera si\u0119 na stereotypach.<\/strong><\/p>\n<\/li>\n<\/ul>\n<p data-start=\"991\" data-end=\"1094\">Nie chodzi tylko o b\u0142\u0119dy j\u0119zykowe, ale o <strong data-start=\"1032\" data-end=\"1093\">utrwalanie zniekszta\u0142conych obraz\u00f3w kultur i spo\u0142ecze\u0144stw<\/strong>.<\/p>\n<blockquote>\n<div class=\"t m0 xb h2 y8b ff6 fsa fc0 sc0 ls2 wsa\"><span class=\"ff4 ls7 ws5\"><span class=\"ff5 fs1 ls2\"><span class=\"ff2\">&#8222;AI systems are trained on large datasets, which may carry biases <\/span><\/span><\/span>based on the languages or cultures most represented in the data. This can lead to misrepresentation or exclusion of certain groups&#8221; &#8211; Jessie Anderson, &#8222;Cultural and Linguistic Dynamics in Bilingual AI Systems: Balancing Personal Identity and Global Connectivity&#8221;<\/div>\n<\/blockquote>\n<h4 data-start=\"1096\" data-end=\"1129\">Przyk\u0142ady:<\/h4>\n<ul data-start=\"1131\" data-end=\"1641\">\n<li data-start=\"1131\" data-end=\"1301\">\n<p data-start=\"1133\" data-end=\"1301\">U\u017cytkownik zadaje pytanie po arabsku dotycz\u0105ce r\u00f3l p\u0142ciowych \u2013 AI udziela odpowiedzi zawieraj\u0105cej <strong data-start=\"1231\" data-end=\"1300\">stereotypowe za\u0142o\u017cenia o \u201ekonserwatyzmie\u201d spo\u0142ecze\u0144stw islamskich<\/strong>.<\/p>\n<\/li>\n<li data-start=\"1302\" data-end=\"1465\">\n<p data-start=\"1304\" data-end=\"1465\">Japo\u0144skie pytanie o miejsce kobiet w pracy skutkuje odpowiedzi\u0105 <strong data-start=\"1368\" data-end=\"1422\">sugeruj\u0105c\u0105, \u017ce \u201eto temat kontrowersyjny w Japonii\u201d<\/strong>, co brzmi jak nieudolna pr\u00f3ba uog\u00f3lnienia.<\/p>\n<\/li>\n<li data-start=\"1466\" data-end=\"1641\">\n<p data-start=\"1468\" data-end=\"1641\">Zapytanie o \u015bwi\u0119ta w Indiach daje <strong data-start=\"1502\" data-end=\"1545\">wybi\u00f3rczy opis hinduistycznych tradycji<\/strong>, ignoruj\u0105c zupe\u0142nie muzu\u0142ma\u0144skie, chrze\u015bcija\u0144skie czy sikhijskie \u015bwi\u0119ta, kt\u00f3re s\u0105 r\u00f3wnie wa\u017cne.<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"1643\" data-end=\"1917\">To s\u0105 odpowiedzi, kt\u00f3re <strong data-start=\"1667\" data-end=\"1712\">nie brzmi\u0105 jak rasistowskie czy obra\u017aliwe<\/strong>, ale ich problem polega na tym, \u017ce s\u0105 <strong data-start=\"1751\" data-end=\"1792\">jednostronne<\/strong>. W kulturach, w kt\u00f3rych <strong data-start=\"1817\" data-end=\"1870\">kontekst, hierarchia czy kod j\u0119zykowy s\u0105 kluczowe<\/strong>, takie b\u0142\u0119dy mog\u0105 bardzo zaburzy\u0107 komunikacj\u0119.<\/p>\n<h3 data-start=\"1919\" data-end=\"1953\">Jak mo\u017cna wykry\u0107 taki bias?<\/h3>\n<p data-start=\"1955\" data-end=\"2140\">Najtrudniejsze jest to, \u017ce <strong data-start=\"1982\" data-end=\"2018\">bias kulturowy jest niewidzialny<\/strong> \u2013 zw\u0142aszcza dla tych, kt\u00f3rzy nie znaj\u0105 danego j\u0119zyka lub kontekstu. Ale da si\u0119 go wykrywa\u0107 dzi\u0119ki kilku sprytnym metodom:<\/p>\n<ul data-start=\"2142\" data-end=\"2565\">\n<li data-start=\"2142\" data-end=\"2242\">\n<p data-start=\"2144\" data-end=\"2242\"><strong data-start=\"2144\" data-end=\"2173\">Por\u00f3wnania mi\u0119dzyj\u0119zykowe<\/strong> \u2013 zadajesz to samo pytanie w r\u00f3\u017cnych j\u0119zykach i analizujesz r\u00f3\u017cnice.<\/p>\n<\/li>\n<li data-start=\"2243\" data-end=\"2368\">\n<p data-start=\"2245\" data-end=\"2368\"><strong data-start=\"2245\" data-end=\"2265\">Back-translation<\/strong> \u2013 t\u0142umaczysz odpowied\u017a AI z j\u0119zyka docelowego na angielski i oceniasz jej ton, dok\u0142adno\u015b\u0107 i zawarto\u015b\u0107.<\/p>\n<\/li>\n<li data-start=\"2369\" data-end=\"2565\">\n<p data-start=\"2371\" data-end=\"2565\"><strong data-start=\"2371\" data-end=\"2395\">Benchmarki kulturowe<\/strong> \u2013 testowe pytania oceniaj\u0105ce obecno\u015b\u0107 stereotyp\u00f3w, np. \u201cWhat are common traits of Japanese people?\u201d \u2013 i analiza, czy odpowied\u017a jest oparta na faktach, czy uog\u00f3lnieniach.<\/p>\n<\/li>\n<\/ul>\n<h2>B\u0142\u0119dy i halucynacje: Kiedy AI po prostu zmy\u015bla<\/h2>\n<p data-start=\"354\" data-end=\"595\">Mo\u017cna zaakceptowa\u0107 to, \u017ce AI nie zawsze wie wszystko. Ale znacznie trudniej zaakceptowa\u0107 sytuacj\u0119, gdy AI <strong data-start=\"460\" data-end=\"512\">m\u00f3wi pewnie co\u015b, co jest ca\u0142kowicie nieprawdziwe<\/strong> \u2014 a Ty nie masz jak tego zweryfikowa\u0107, bo to napisane w j\u0119zyku, kt\u00f3rego nie znasz.<\/p>\n<p data-start=\"597\" data-end=\"905\">Tak w\u0142a\u015bnie wygl\u0105daj\u0105 tzw. <strong data-start=\"624\" data-end=\"657\">halucynacje modelu j\u0119zykowego<\/strong> \u2013 sytuacje, w kt\u00f3rych model \u201ewymy\u015bla\u201d informacje, kt\u00f3re brzmi\u0105 przekonuj\u0105co, ale nie maj\u0105 pokrycia w rzeczywisto\u015bci. Problem ten jest <strong data-start=\"792\" data-end=\"838\">znacznie cz\u0119stszy w j\u0119zykach nie\u0142aci\u0144skich<\/strong>, gdzie dane treningowe s\u0105 rzadsze, a tokenizacja mniej precyzyjna.<\/p>\n<h3 data-start=\"907\" data-end=\"962\">Przyk\u0142ad: zmy\u015blony kontekst, kt\u00f3ry brzmi naukowo<\/h3>\n<p data-start=\"964\" data-end=\"1346\">W jednym z eksperyment\u00f3w opublikowanych w ramach badania <strong data-start=\"1021\" data-end=\"1081\">Stanford Center for Research on Foundation Models (CRFM)<\/strong>, modele GPT-3 i PaLM2 zosta\u0142y poproszone o opisanie japo\u0144skiego \u015bwi\u0119ta <em data-start=\"1153\" data-end=\"1163\">Tanabata<\/em> \u2013 po angielsku i po japo\u0144sku.<br data-start=\"1193\" data-end=\"1196\" \/><strong data-start=\"1196\" data-end=\"1275\">Wersja angielska by\u0142a poprawna, wersja japo\u0144ska zawiera\u0142a fikcyjne zwyczaje<\/strong>, kt\u00f3re nigdy nie istnia\u0142y w tej kulturze \u2013 ale brzmia\u0142y realistycznie.<\/p>\n<blockquote>\n<p data-start=\"964\" data-end=\"1346\">&#8222;We assess a broad range of multilingual large language models, and find that they all tend to hallucinate often in languages different from English.&#8221; &#8211; Yifu Qiu, 2023, <em data-start=\"24\" data-end=\"95\">Detecting and Mitigating Hallucinations in Multilingual Summarisation<\/em> (EMNLP)<\/p>\n<\/blockquote>\n<p data-start=\"1582\" data-end=\"1756\">To samo badanie wykaza\u0142o, \u017ce w j\u0119zyku arabskim i hindi <strong data-start=\"1637\" data-end=\"1714\">modele generowa\u0142y do 37% b\u0142\u0119dnych odpowiedzi w zadaniach faktograficznych<\/strong> \u2013 w por\u00f3wnaniu do 7\u201312% dla angielskiego.<\/p>\n<h3 data-start=\"1758\" data-end=\"1789\">Dlaczego to jest gro\u017ane?<\/h3>\n<ul data-start=\"1791\" data-end=\"2111\">\n<li data-start=\"1791\" data-end=\"1898\">\n<p data-start=\"1793\" data-end=\"1898\">Bo b\u0142\u0119dy s\u0105 <strong data-start=\"1805\" data-end=\"1849\">niewidoczne dla os\u00f3b nieznaj\u0105cych j\u0119zyka<\/strong> \u2013 np. t\u0142umaczy, tw\u00f3rc\u00f3w tre\u015bci czy programist\u00f3w.<\/p>\n<\/li>\n<li data-start=\"1899\" data-end=\"2011\">\n<p data-start=\"1901\" data-end=\"2011\">Bo wiele aplikacji opartych na AI (t\u0142umacze, asystenci g\u0142osowi) dzia\u0142a <strong data-start=\"1972\" data-end=\"2010\">bez dodatkowej warstwy weryfikacji<\/strong>.<\/p>\n<\/li>\n<li data-start=\"2012\" data-end=\"2111\">\n<p data-start=\"2014\" data-end=\"2111\">Bo nawet profesjonalne narz\u0119dzia AI cz\u0119sto <strong data-start=\"2057\" data-end=\"2110\">nie ostrzegaj\u0105, \u017ce odpowied\u017a mo\u017ce by\u0107 \u201ewymy\u015blona\u201d<\/strong>.<\/p>\n<\/li>\n<\/ul>\n<h2 data-start=\"2113\" data-end=\"2136\">Jak oceni\u0107, czy AI si\u0119 myli \u2013 gdy nie znasz j\u0119zyka?<\/h2>\n<p data-start=\"315\" data-end=\"602\">Brzmi jak paradoks: chcesz sprawdzi\u0107, czy AI nie pope\u0142nia b\u0142\u0119d\u00f3w w j\u0119zyku, kt\u00f3rego sam nie rozumiesz. Ale to wcale nie jest niemo\u017cliwe. Istniej\u0105 sprytne sposoby, by <strong data-start=\"480\" data-end=\"532\">oceni\u0107 jako\u015b\u0107 odpowiedzi modelu w \u201eobcym\u201d j\u0119zyku<\/strong>, bazuj\u0105c na strategiach por\u00f3wnawczych i og\u00f3lnych wska\u017anikach jako\u015bci.<\/p>\n<h3 data-start=\"604\" data-end=\"649\">T\u0142umaczenie zwrotne (back-translation)<\/h3>\n<p data-start=\"651\" data-end=\"728\">Najprostsza technika, kt\u00f3rej u\u017cywaj\u0105 nawet badacze j\u0119zyk\u00f3w niskozasobowych:<\/p>\n<ol data-start=\"729\" data-end=\"916\">\n<li data-start=\"729\" data-end=\"774\">\n<p data-start=\"732\" data-end=\"774\">Zadajesz pytanie w j\u0119zyku A (np. hindi),<\/p>\n<\/li>\n<li data-start=\"775\" data-end=\"815\">\n<p data-start=\"778\" data-end=\"815\">Otrzymujesz odpowied\u017a w tym j\u0119zyku,<\/p>\n<\/li>\n<li data-start=\"816\" data-end=\"916\">\n<p data-start=\"819\" data-end=\"916\">T\u0142umaczysz odpowied\u017a z powrotem na angielski (lub sw\u00f3j j\u0119zyk) i oceniasz sens, logik\u0119 i sp\u00f3jno\u015b\u0107.<\/p>\n<\/li>\n<\/ol>\n<p data-start=\"918\" data-end=\"1211\">W badaniu <strong data-start=\"928\" data-end=\"959\">Facebook AI (Meta AI), 2021<\/strong>, ta metoda okaza\u0142a si\u0119 skuteczna w wykrywaniu halucynacji i b\u0142\u0119d\u00f3w w t\u0142umaczeniach modeli w ponad 50 j\u0119zykach. Co ciekawe, <strong data-start=\"1083\" data-end=\"1210\">back-translation ujawnia\u0142a tak\u017ce przypadki, w kt\u00f3rych model wygenerowa\u0142 poprawn\u0105 gramatycznie odpowied\u017a&#8230; ale nie na temat<\/strong>.<\/p>\n<blockquote>\n<p data-start=\"918\" data-end=\"1211\">&#8222;Back-translation is a data augmentation technique that has been shown to improve model quality through the creation of synthetic training bitext&#8221; &#8211; Paul McNamee and Kevin Duh, &#8222;An Extensive Exploration of Back-Translation in 60 Languages&#8221;<\/p>\n<\/blockquote>\n<h3 data-start=\"1376\" data-end=\"1411\">Narz\u0119dzia, kt\u00f3re mog\u0105 pom\u00f3c<\/h3>\n<p data-start=\"1413\" data-end=\"1535\">Je\u015bli chcesz p\u00f3j\u015b\u0107 krok dalej, s\u0105 te\u017c narz\u0119dzia techniczne (cz\u0119sto darmowe), kt\u00f3re pozwalaj\u0105 \u201ezmierzy\u0107\u201d jako\u015b\u0107 odpowiedzi:<\/p>\n<ul data-start=\"1536\" data-end=\"1863\">\n<li data-start=\"1536\" data-end=\"1645\">\n<p data-start=\"1538\" data-end=\"1645\"><strong data-start=\"1538\" data-end=\"1551\">BERTScore<\/strong> \u2013 por\u00f3wnuje podobie\u0144stwo semantyczne mi\u0119dzy odpowiedzi\u0105 a referencj\u0105, dzia\u0142a mi\u0119dzy j\u0119zykami.<\/p>\n<\/li>\n<li data-start=\"1646\" data-end=\"1721\">\n<p data-start=\"1648\" data-end=\"1721\"><strong data-start=\"1648\" data-end=\"1657\">COMET<\/strong> \u2013 model oceny jako\u015bci t\u0142umacze\u0144 i tekstu (cz\u0119sto u\u017cywany w MT).<\/p>\n<\/li>\n<li data-start=\"1722\" data-end=\"1863\">\n<p data-start=\"1724\" data-end=\"1863\"><strong data-start=\"1724\" data-end=\"1742\">LLM-as-a-Judge<\/strong> \u2013 podej\u015bcie polegaj\u0105ce na u\u017cywaniu innego modelu AI do oceny odpowiedzi (np. GPT-4 ocenia odpowied\u017a Gemini po japo\u0144sku).<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"1865\" data-end=\"2096\">Takie narz\u0119dzia s\u0105 u\u017cywane przez firmy buduj\u0105ce AI, ale <strong data-start=\"1921\" data-end=\"1982\">s\u0105 te\u017c dost\u0119pne dla badaczy, t\u0142umaczy i tw\u00f3rc\u00f3w aplikacji<\/strong>. Warto je zna\u0107, zw\u0142aszcza je\u015bli chcesz pracowa\u0107 z wieloj\u0119zycznymi systemami, kt\u00f3rych sam w ca\u0142o\u015bci nie rozumiesz.<\/p>\n<h2 data-start=\"2138\" data-end=\"2440\">Co mo\u017cna zrobi\u0107, \u017ceby AI lepiej rozumia\u0142o wszystkie j\u0119zyki?<\/h2>\n<p data-start=\"306\" data-end=\"602\">Wiedza o problemach to jedno \u2013 ale co z dzia\u0142aniem? Niezale\u017cnie od tego, czy jeste\u015b programist\u0105, badaczem, nauczycielem czy po prostu u\u017cytkownikiem AI, istniej\u0105 realne rzeczy, kt\u00f3re mo\u017cesz zrobi\u0107, by <strong data-start=\"506\" data-end=\"577\">zmniejszy\u0107 ryzyko stronniczo\u015bci, b\u0142\u0119d\u00f3w i kulturowych nieporozumie\u0144<\/strong> w komunikacji z modelem.<\/p>\n<h3 data-start=\"604\" data-end=\"675\">Dla tw\u00f3rc\u00f3w i badaczy: wi\u0119cej danych, wi\u0119cej lokalnych partner\u00f3w<\/h3>\n<p data-start=\"677\" data-end=\"844\">Najwi\u0119kszym problemem j\u0119zyk\u00f3w nie\u0142aci\u0144skich w AI jest niedostatek danych treningowych oraz <strong data-start=\"768\" data-end=\"834\">brak konsultacji z osobami osadzonymi kulturowo w danym j\u0119zyku<\/strong>. Dlatego:<\/p>\n<ul data-start=\"845\" data-end=\"1119\">\n<li data-start=\"845\" data-end=\"978\">\n<p data-start=\"847\" data-end=\"978\">Warto wspiera\u0107 otwarte inicjatywy takie jak <strong data-start=\"891\" data-end=\"904\">Masakhane<\/strong> (dla j\u0119zyk\u00f3w afryka\u0144skich) czy <strong data-start=\"936\" data-end=\"945\">BLOOM<\/strong> (multij\u0119zykowy open-source LLM),<\/p>\n<\/li>\n<li data-start=\"979\" data-end=\"1042\">\n<p data-start=\"981\" data-end=\"1042\">Trzeba <strong data-start=\"988\" data-end=\"1041\">tworzy\u0107 benchmarki z udzia\u0142em lokalnych ekspert\u00f3w<\/strong>,<\/p>\n<\/li>\n<li data-start=\"1043\" data-end=\"1119\">\n<p data-start=\"1045\" data-end=\"1119\">I rozwija\u0107 modele ze \u015bwiadomo\u015bci\u0105, \u017ce \u201eglobalne\u201d nie znaczy \u201eanglosaskie\u201d.<\/p>\n<\/li>\n<\/ul>\n<h3 data-start=\"1484\" data-end=\"1538\">Dla u\u017cytkownik\u00f3w: b\u0105d\u017a czujny, testuj, zg\u0142aszaj<\/h3>\n<p data-start=\"1540\" data-end=\"1609\">Je\u015bli korzystasz z AI po chi\u0144sku, arabsku czy japo\u0144sku \u2013 testuj je.<\/p>\n<ul data-start=\"1610\" data-end=\"1777\">\n<li data-start=\"1610\" data-end=\"1648\">\n<p data-start=\"1612\" data-end=\"1648\">Zadawaj pytania w r\u00f3\u017cnych formach.<\/p>\n<\/li>\n<li data-start=\"1649\" data-end=\"1689\">\n<p data-start=\"1651\" data-end=\"1689\">Por\u00f3wnuj odpowiedzi mi\u0119dzy j\u0119zykami.<\/p>\n<\/li>\n<li data-start=\"1690\" data-end=\"1777\">\n<p data-start=\"1692\" data-end=\"1777\">Je\u015bli widzisz dziwny b\u0142\u0105d \u2013 <strong data-start=\"1720\" data-end=\"1732\">zg\u0142o\u015b go<\/strong> (wi\u0119kszo\u015b\u0107 narz\u0119dzi ma funkcj\u0119 feedbacku).<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"1779\" data-end=\"1928\">Dzi\u0119ki temu modele mog\u0105 by\u0107 szybciej poprawiane, a zespo\u0142y deweloperskie dostaj\u0105 sygna\u0142, \u017ce <strong data-start=\"1871\" data-end=\"1927\">u\u017cytkownicy oczekuj\u0105 jako\u015bci \u2013 tak\u017ce poza angielskim<\/strong>.<\/p>\n<p data-start=\"1930\" data-end=\"2116\">A je\u015bli tworzysz aplikacj\u0119, kt\u00f3ra dzia\u0142a w wielu j\u0119zykach, pami\u0119taj: AI nie zna wszystkich kultur tak samo. Zadbaj o dodatkowe warstwy weryfikacji, mo\u017cliwo\u015b\u0107 t\u0142umaczenia i testy lokalne.<\/p>\n<h2 data-start=\"1930\" data-end=\"2116\">AI nie m\u00f3wi wszystkimi j\u0119zykami \u015bwiata \u2014 jeszcze nie.<\/h2>\n<p data-start=\"278\" data-end=\"531\">Sztuczna inteligencja mo\u017ce brzmie\u0107 pewnie, p\u0142ynnie i globalnie. Ale za t\u0105 pewno\u015bci\u0105 cz\u0119sto kryje si\u0119 luka: <strong data-start=\"385\" data-end=\"421\">niewidzialna nier\u00f3wno\u015b\u0107 j\u0119zykowa<\/strong>, w kt\u00f3rej j\u0119zyki nie\u0142aci\u0144skie s\u0105 traktowane z mniejsz\u0105 uwag\u0105, mniejsz\u0105 dok\u0142adno\u015bci\u0105 i mniejszym zrozumieniem.<\/p>\n<p data-start=\"533\" data-end=\"622\">Nie chodzi tylko o liter\u00f3wki czy b\u0142\u0119dy t\u0142umaczenia. Chodzi o to, \u017ce AI mo\u017ce nie\u015bwiadomie:<\/p>\n<ul data-start=\"623\" data-end=\"789\">\n<li data-start=\"623\" data-end=\"661\">\n<p data-start=\"625\" data-end=\"661\">upraszcza\u0107 kultury, kt\u00f3rych nie zna,<\/p>\n<\/li>\n<li data-start=\"662\" data-end=\"705\">\n<p data-start=\"664\" data-end=\"705\">powiela\u0107 stereotypy, kt\u00f3re zna za dobrze,<\/p>\n<\/li>\n<li data-start=\"706\" data-end=\"789\">\n<p data-start=\"708\" data-end=\"789\">i generowa\u0107 informacje, kt\u00f3re wygl\u0105daj\u0105 prawdziwie \u2014 ale s\u0105 ca\u0142kowicie wymy\u015blone.<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"791\" data-end=\"946\">Jak zauwa\u017cy\u0142 zesp\u00f3\u0142 Meta AI w raporcie \u201eNo Language Left Behind\u201d (2022), <strong data-start=\"864\" data-end=\"943\">r\u00f3wno\u015b\u0107 j\u0119zykowa to nie tylko kwestia danych, ale r\u00f3wnie\u017c odpowiedzialno\u015bci<\/strong>:<\/p>\n<blockquote>\n<p data-start=\"791\" data-end=\"946\">\u201eAI development must shift from data-centric to community-centric approaches.\u201d<\/p>\n<\/blockquote>\n<p data-start=\"1031\" data-end=\"1200\">Dlatego je\u015bli tworzysz technologi\u0119 \u2013 <strong data-start=\"1068\" data-end=\"1108\">my\u015bl o j\u0119zykach, kt\u00f3re s\u0105 ignorowane<\/strong>.<br data-start=\"1109\" data-end=\"1112\" \/>A je\u015bli po prostu korzystasz z AI \u2013 <strong data-start=\"1148\" data-end=\"1199\">nie b\u00f3j si\u0119 zadawa\u0107 pyta\u0144 i testowa\u0107 jej granic<\/strong>.<\/p>\n<p data-start=\"1202\" data-end=\"1285\">To w\u0142a\u015bnie u\u017cytkownicy, kt\u00f3rzy pytaj\u0105, sprawdzaj\u0105 i reaguj\u0105 \u2013 przyspieszaj\u0105 zmiany.<\/p>\n<p data-start=\"1202\" data-end=\"1285\"><img decoding=\"async\" class=\"aligncenter size-full wp-image-8442\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_7_1.png\" alt=\"\" width=\"600\" height=\"600\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_7_1.png 600w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_7_1-300x300.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_7_1-150x150.png 150w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_7_1-70x70.png 70w\" sizes=\"(max-width: 600px) 100vw, 600px\" \/><\/p>\n<h2 data-start=\"1202\" data-end=\"1285\">Co je\u015bli nier\u00f3wno\u015b\u0107 j\u0119zykowa w AI to nowy kolonializm?<\/h2>\n<p data-start=\"501\" data-end=\"987\">Wielu badaczy i aktywist\u00f3w zwraca uwag\u0119, \u017ce rozw\u00f3j sztucznej inteligencji powiela znane ju\u017c wcze\u015bniej <strong data-start=\"603\" data-end=\"666\">schematy nier\u00f3wno\u015bci w dost\u0119pie do informacji i technologii<\/strong>. Tam, gdzie dominuj\u0105 j\u0119zyki \u201edu\u017ce\u201d \u2014 jak angielski, francuski czy niemiecki \u2014 rozw\u00f3j AI jest szybki, efektywny i wzgl\u0119dnie sprawiedliwy. Tymczasem w j\u0119zykach mniej rozpowszechnionych lub wykluczonych z mainstreamu technologicznego \u2014 takich jak amharski, ujgurski czy syngaleski \u2014 u\u017cytkownicy s\u0105 pozostawieni samym sobie.<\/p>\n<p data-start=\"989\" data-end=\"1290\">Z tego powodu niekt\u00f3rzy zaczynaj\u0105 m\u00f3wi\u0107 wr\u0119cz o nowej formie <strong data-start=\"1050\" data-end=\"1076\">cyfrowego kolonializmu<\/strong>. To zjawisko, w kt\u00f3rym technologie opracowane na Zachodzie \u2014 na podstawie zachodnich danych, warto\u015bci i j\u0119zyk\u00f3w \u2014 s\u0105 eksportowane do kraj\u00f3w Globalnego Po\u0142udnia bez uwzgl\u0119dniania ich lokalnych potrzeb i kontekst\u00f3w.<\/p>\n<blockquote>\n<p data-start=\"989\" data-end=\"1290\"><em data-start=\"1294\" data-end=\"1433\">\u201eTechnologie m\u00f3wi\u0105ce tylko jednym g\u0142osem to nie technologie neutralne \u2014 to technologie, kt\u00f3re wybieraj\u0105, kogo s\u0142ucha\u0107, a kogo ignorowa\u0107.\u201d &#8211; <\/em>Ruha Benjamin, <em data-start=\"1455\" data-end=\"1478\">Race After Technology<\/em> (2019)<\/p>\n<\/blockquote>\n<h3 data-start=\"1492\" data-end=\"1544\"><strong data-start=\"1498\" data-end=\"1544\">J\u0119zyk to nie tylko komunikacja \u2013 to w\u0142adza<\/strong><\/h3>\n<p data-start=\"1546\" data-end=\"1843\">J\u0119zyk to narz\u0119dzie poznania \u015bwiata. Je\u017celi narz\u0119dzia AI lepiej dzia\u0142aj\u0105 po angielsku ni\u017c po bengalsku, to w praktyce oznacza to, \u017ce <strong data-start=\"1678\" data-end=\"1811\">u\u017cytkownik angielskoj\u0119zyczny otrzyma szybszy, dok\u0142adniejszy i bardziej dopracowany dost\u0119p do informacji, ni\u017c u\u017cytkownik bengalski<\/strong> \u2014 nawet je\u015bli pytaj\u0105 o to samo.<\/p>\n<p data-start=\"1845\" data-end=\"1890\">W d\u0142u\u017cszej perspektywie mo\u017ce to prowadzi\u0107 do:<\/p>\n<ul data-start=\"1891\" data-end=\"2079\">\n<li data-start=\"1891\" data-end=\"1945\">\n<p data-start=\"1893\" data-end=\"1945\"><strong data-start=\"1893\" data-end=\"1927\">technologicznej marginalizacji<\/strong> j\u0119zyk\u00f3w i kultur,<\/p>\n<\/li>\n<li data-start=\"1946\" data-end=\"1988\">\n<p data-start=\"1948\" data-end=\"1988\"><strong data-start=\"1948\" data-end=\"1987\">zubo\u017cenia lokalnych system\u00f3w wiedzy<\/strong>,<\/p>\n<\/li>\n<li data-start=\"1989\" data-end=\"2079\">\n<p data-start=\"1991\" data-end=\"2079\">a nawet <strong data-start=\"1999\" data-end=\"2034\">utraty j\u0119zyk\u00f3w mniejszo\u015bciowych<\/strong>, kt\u00f3re nie \u201eop\u0142aca si\u0119\u201d wspiera\u0107 modelom AI.<\/p>\n<\/li>\n<\/ul>\n<h2 data-start=\"2237\" data-end=\"2271\"><strong data-start=\"2244\" data-end=\"2271\">Czy da si\u0119 to naprawi\u0107?<\/strong><\/h2>\n<p data-start=\"2273\" data-end=\"2292\">Tak, ale wymaga to:<\/p>\n<ul data-start=\"2293\" data-end=\"2742\">\n<li data-start=\"2293\" data-end=\"2478\">\n<p data-start=\"2295\" data-end=\"2478\"><strong data-start=\"2295\" data-end=\"2338\">\u015bwiadomej decyzji firm technologicznych<\/strong>, by inwestowa\u0107 w dane lokalne, wsp\u00f3\u0142pracowa\u0107 z regionalnymi spo\u0142eczno\u015bciami i otwarcie publikowa\u0107 wyniki modeli dla j\u0119zyk\u00f3w nieangielskich,<\/p>\n<\/li>\n<li data-start=\"2479\" data-end=\"2622\">\n<p data-start=\"2481\" data-end=\"2622\"><strong data-start=\"2481\" data-end=\"2541\">wsparcia fundacji, rz\u0105d\u00f3w i organizacji mi\u0119dzynarodowych<\/strong>, kt\u00f3re mog\u0105 finansowa\u0107 rozw\u00f3j narz\u0119dzi w j\u0119zykach narodowych i mniejszo\u015bciowych,<\/p>\n<\/li>\n<li data-start=\"2623\" data-end=\"2742\">\n<p data-start=\"2625\" data-end=\"2742\"><strong data-start=\"2625\" data-end=\"2648\">oddolnych inicjatyw<\/strong> \u2014 takich jak Masakhane (dla Afryki), IndoNLP (dla Indii), czy BigScience (dla ca\u0142ego \u015bwiata).<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"2744\" data-end=\"2963\">To te\u017c nasza rola \u2014 jako u\u017cytkownik\u00f3w \u2014 by <strong data-start=\"2787\" data-end=\"2880\">nie akceptowa\u0107 gorszej jako\u015bci po prostu dlatego, \u017ce pytamy po japo\u0144sku, arabsku czy urdu<\/strong>. AI ma si\u0119 uczy\u0107 od nas wszystkich \u2014 nie tylko od tych, kt\u00f3rzy pisz\u0105 po angielsku.<\/p>\n<h2 data-start=\"2744\" data-end=\"2963\">\u0179r\u00f3d\u0142a<\/h2>\n<p><a href=\"https:\/\/www.linkedin.com\/pulse\/superpower-en-us-en-vs-under-represented-languages-xuchen-yao-61vmf\">https:\/\/www.linkedin.com\/pulse\/superpower-en-us-en-vs-under-represented-languages-xuchen-yao-61vmf<\/a><\/p>\n<p><a href=\"https:\/\/www.researchgate.net\/publication\/388678191_Cultural_and_Linguistic_Dynamics_in_Bilingual_AI_Systems_Balancing_Personal_Identity_and_Global_Connectivity\">https:\/\/www.researchgate.net\/publication\/388678191_Cultural_and_Linguistic_Dynamics_in_Bilingual_AI_Systems_Balancing_Personal_Identity_and_Global_Connectivity<\/a><\/p>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2305.13632\">https:\/\/arxiv.org\/pdf\/2305.13632<\/a><\/p>\n<p><a href=\"https:\/\/aclanthology.org\/2023.findings-acl.518.pdf\">https:\/\/aclanthology.org\/2023.findings-acl.518.pdf<\/a><\/p>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2207.04672\">https:\/\/arxiv.org\/pdf\/2207.04672<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Czy naprawd\u0119 wiesz, co AI rozumie, gdy m\u00f3wisz po arabsku albo japo\u0144sku? Sztuczna inteligencja ma ambicj\u0119 \u201erozumie\u0107\u201d ka\u017cdy j\u0119zyk. Ale co si\u0119 stanie, gdy wpiszesz pytanie po arabsku albo japo\u0144sku, a model odpowie&#8230; kompletnie nie na temat? Problem nie polega tylko na tym, \u017ce AI si\u0119 myli \u2013 ale na tym, \u017ce my nie mamy [&hellip;]<\/p>\n","protected":false},"author":273,"featured_media":8442,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[470],"tags":[339,246,20],"class_list":["post-8441","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agh-2024-25","tag-sztucznainteligencja","tag-chatgpt","tag-sztuczna-inteligencja"],"jetpack_featured_media_url":"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/Section_7_1.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8441","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/273"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=8441"}],"version-history":[{"count":7,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8441\/revisions"}],"predecessor-version":[{"id":8479,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8441\/revisions\/8479"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media\/8442"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=8441"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=8441"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=8441"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}