AI大模型的語言不平等：英語最便宜，其它語言要貴得多

　　7 月 31 日消息，用戶所使用的語言對于大型語言模型(LLM)的費用有很大的影響，可能造成英語使用者和其它語言使用者之間的人工智能鴻溝。最近的一項研究顯示，由于 OpenAI 等服務所采用的服務器成本衡量和計費的方式，英語輸入和輸出的費用要比其他語言低得多，其中簡體中文的費用大約是英語的兩倍，西班牙語是英語的 1.5 倍，而緬甸的撣語則是英語的 15 倍。

　　注意到，推特用戶 Dylan Patel(@dlan522p)分享了一張照片，展示了牛津大學進行的一項研究，該研究發(fā)現(xiàn)，讓一個 LLM 處理一句緬甸語句子需要 198 個詞元(tokens)，而同樣的句子用英語寫只需要 17 個詞元。詞元代表了通過 API(如 OpenAI 的 ChatGPT 或 Anthropic 的 Claude 2)訪問 LLM 所需的計算力成本，這意味著緬甸語句子使用這種服務的成本比英語句子高出 11 倍。

　　詞元化模型(即人工智能公司將用戶輸入轉換為計算成本的方式)意味著，除了英語之外的其他語言使用和訓練模型要貴得多。這是因為像中文這樣的語言有著不同、更復雜的結構(無論是從語法還是字符數量上)，導致它們需要更高的詞元化率。例如，根據 OpenAI 的 GPT3 分詞器 ，“你的愛意(your affection)”的詞元，在英語中只需要兩個詞元，但在簡體中文中需要八個詞元。盡管簡體中文文本只有 4 個字符(你的愛意)，而英文有 14 個字符。