盖茨基金会联合 Anthropic、Google 等组建联盟，旨在构建更具代表性的人工智能语言数据集
2026 年 9 月 21 日，盖茨基金会宣布启动一项新的合作伙伴关系，召集包括 Anthropic、Google、OpenAI 基金会及其他数十个组织在内的共 60 家机构。该联盟由前沿人工智能实验室、科技公司、慈善机构等组成，致力于扩大人工智能工具中可用的语言数据规模，以应对全球不平等问题。
根据周一发布的公告，通过协调现有的各项努力，该联盟的目标是在五年内使超过 30 亿人受益。盖茨基金会首席执行官兼董事会成员马克·苏兹曼（Mark Suzman）表示，这项工作必须“全速前进”。他指出，政府应在监管网络安全和儿童发展影响的同时，将人工智能的人道主义应用扩展到目前被排除在外的贫困社区。
“即使人工智能现在被冻结——尽管我不期望也不要求这样做——我们也希望利用现有可用的工具来构建这些语言集并使其可用，”苏兹曼在接受美联社采访时说道。
这一合作举措紧随上周发布的“守门人”报告之后。在该报告中，基金会承诺投入 10 亿美元用于以人工智能为重点的项目，旨在改善健康结果、升级教育工具，并为世界各地的小农户提供信息支持。报告警告称，缺乏代表性的语言数据可能导致模型出现严重误译，例如将一名马拉维孕妇所说的“水已经破裂”错误翻译。
Mozilla 数据集团首席执行官 E.M 指出，许多人工智能工具的“原罪”在于其训练数据主要取自互联网。作为非营利组织 Mozilla.org 的子公司，Mozilla 数据集团正在开发一个数据共享平台，旨在帮助社区根据自身条件上传文化和语言数据集，而非在未获明确同意的情况下从网络抓取数据。
“互联网不是一个具有代表性的空间，”E.M 质问道，“为什么你会认为从一个主要在 Reddit 上训练出来的系统中，能得到具备文化多样性和代表性的结果？”
苏兹曼透露，联盟的具体治理细节仍在敲定中。盖茨基金会可能会鼓励合作伙伴在必要时填补更大的空白。
作为联盟成员之一，谷歌一直在资助一项名为 Project Vaani 的工作，旨在收集印度每个地区超过 150,000 小时的音频数据。谷歌高级副总裁 James Manyika 表示，该项目凸显了收集语言内部方言语音数据的必要性。为实现这一目标，谷歌正与当地合作伙伴合作，在现场录制语音。
Anthropic 此前曾发表文章呼吁整个行业合作以减缓技术进步的潜在风险，该公司已与基金会合作加快疫苗开发，并加强其聊天机器人的本地作物数据集建设。Anthropic 实用部署主管艾丽莎白·凯利（Elizabeth Kelly）承认，该公司的产品“特别落后于许多非洲语言”。
“我们非常清楚，除非我们能够正确地理解这些语言，否则我们无法实现我们希望看到的任何好处，”凯利表示。
