С языками кстати интересная штука Я вообще сторонник того, чтобы все в мире говорили на одном языке, желательно, конечно, на русском английском Но кажется, что благодаря нейронкам будет происходить ровно обратное Текст нейронки уже легко переводят на любой язык практически налету. Аудио/видео пока еще похуже, но можно сказать что это уже решенный вопрос Получается, что в онлайне барьеров уже нет. Уже сейчас вы можете выйти на звонок с китайцем, каждый будет говорить на своем языке, и вы отлично друг друга поймете Вживую пока еще сложнее, но в целом, думаю, уже понятно, что рано или поздно у всех в AirPods будет синхронный перевод с любого языка Получается, через какое-то время мы придем в мир, где каждый может говорить на своем языке и при этом все равно будут друг друга понимать В этом смысле иностранные языки можно и не учить При этом я думаю, что личные тесные связи все равно еще долго будут строиться между людьми, говорящими на одном языке. Поэтому при прочих равных я считаю, что знание языков все равно будет оставаться конкурентным преимуществом в мире еще долго

А на каком языке вы общаетесь с LLM? Я часто вижу разные списки «лайфхаков» по работе с нейросетками. Там есть как полезные, так и не очень. Часто в таких списках есть утверждение, что они становятся умнее, если общаться с ними на английском. Мне стало интересно это проверить по бенчмаркам и я нашёл MuBench, опубликованный летом. Исследователи покрыли 61 язык и задали разным LLMкам 3.9 миллиона запросов. Проверяемые модели на данный момент устарели, но они сейчас обновляются так быстро, что большое исследование нынешних мы получим лишь через ещё полгода. А мелкие исследования не так показательны. Выводы: 1️⃣️️️️ Общая разница небольшая, но она есть. Задачи на английском действительно обрабатываются чуть-чуть лучше 2️⃣️️️️ Если вы носитель языка, на котором в интернете много контента, вообще забейте на разницу Серьезное отставание в общем перформансе есть, например, у индонезийского и хинди. Даже несмотря на то, что носителей этих языков много, контента в интернете они оставили мало. Около 1,36% в выборке Common Crawl. Обучаться было не на чем. Немецкий - аномалия. Он - четвёртый язык по популярности в интернете, после английского, русского и китайского. Да, страны пост-СССР прям много в интернете нащитпостили. Тем не менее, GPT-4o плохо с ним работал. Интересно, как там с нынешними моделями. Но для большинства крупных языков разница составляет единичные пункты в бенчмарках 3️⃣️️️️ Ощутимая разница есть в задачах на общую логику повседневного языка Это видно на втором скриншоте. Страшные слова сверху это названия разных бенчмарков, ориентированных на базовое понимание логики текста. Например, бенчмарк SNLI показывает, насколько модель справляется с поиском логической связи в двух предложениях. Довольно важная штука и LLMки явно справляются с такими задачами лучше на английском. 4️⃣️️️️ Модели, заточенные под конкретные языки, справляются с задачами на них лучше. Но хуже работают с другими языками. Лично я чаще всего использую LLM на английском. Но больше для дополнительной практики языка, чем в погоне за эффективностью. Видимо, другого смысла в этом особо и нет.

Приключения латинского алфавита в разных языках: английский, французский и немецкий Когда-то Mississippi вполне могло выглядеть как Miſsiſsippi, в английском алфавите жили бывшие руны, а знакомое Ye olde вообще не полагалось читать как «йе». Одного латинского набора букв европейским языкам довольно быстро стало мало. Англичане добавляли свои знаки и затем теряли их, французы обзавелись целой системой диакритики, а немцы сохранили ẞ и научились собирать для одного звука конструкции вроде SCHTSCH. Так знакомые 26 букв за века обросли правилами, исключениями и буквами-призраками, часть которых исчезла совсем, а часть до сих пор живёт в современных языках.

Тувинские и якутские клавиатуры добавлены iOS 27 Для новичков в канале — я основательница стартапа Algebras AI, которая автоматизирует локализацию для игр, UGC-контента, b2c-приложений и тд. А проект был вдохновлен работой по сохранению низкоресурсных языков, включая тувинский язык (мой родной). Сохранение языков помогает народам продолжать общаться и создавать больше контента уже в цифровом виде, что усиливает его позицию в мире. Многие языки уже мертвы (не осталось ни единого его носителя), и еще больше сейчас под угрозой исчезновения. А зачем это нужно для цивилизованного мира? У многих народностей есть тысячелетние повествования, сказки, песни и фольклор, которые сохраняют знания о тех временах, и из этих знаний и самой структуры современного языка можно узнать многое о родстве тех или иных культур. То есть фактически сохранение языков помогает восстанавливать историю человечества и дает более глубокие антропологические данные. А зачем нам история и антропология — мы уже понимаем лучше. Что вообще в себя включает сохранение языка через цифровые системы и ИИ? 1. Анализ состояния языка: какие бумажные или плохо оцифрованные ресурсы уже есть (книги, аналоговые сканы, диджитализированные сканы), определение, в каких системах язык не доступен (иногда у языка может даже отсутствовать алфавит в международных системах кодирования) 2. Создание/включение алфавита и главное — клавиатуры в Unicode (опенсорсный международный стандарт для данных (шрифты, инструменты, библиотеки) и программного обеспечения) и другие стандарты: практически все операционные системы, включая iOS, Android, Windows, MacOS, Linux, Chrome, браузеры и другие программы поддерживают эти стандарты и регулярно адаптируются к их обновлениям. Без клавиатур НЕВОЗМОЖНО вообще собрать никакие значные данные. И это сильный боттлнек для сохранения языка. 3. Сбор данных: моноязычные данные - книги, статьи, аудио/видеозаписи и тд. И мультиязычные параллельные данные (словари и просто переводы). Для низкоресурсных языков достаточно около 30-50 тыс параллельных переводов хорошего качества для первых результатов (обучения переводческой модели), и если у языка есть высокоресурсные соседи (например, для тувинского это тюркские языки, включая турецкий, азербайджанский, казахский, узбекский, кыргызский, черкесский и т.д.) — то уже от 100 тыс до 1 млн слов параллельных данных могут. Али, мой со-основатель проекта русско-тувинского ИИ-переводчика, организовывал более десяти лет сбор данных и переводы волонтерами и институтами в Республике Тыва, что стало основой для обучения первой модели. Мы также помогали советом или примером, а иногда и для сбора данных и для других языков постсоветсткого пространства. 4. Обучение моделей: вы можете обучить как шаг 1 переводческую модель на базе открытых весов (NLLB - мы обучили эту модель как первый вариант, TranslateGemma), и уже в будущем нагенерировать больше instruct-данных для обучения своей LLM новому языку. Благодаря данным, собранным под его руководством, тувинский язык был включен сначала в Google Translate и Gemini, и потом в Яндекс Переводчик. Среди государств в 2026 практически все имеют свой язык и клавиатуру на популярных OS и браузерах. А народы, чьи языки не в первом приоритете, уже не имеют таких привилегий, и приходится своими усилиями добиваться репрезентации языков в системах. Али смог довести до релиза клавиатуры для тувинского и саха в iOS 27 (и я думаю в MacOS тоже) — что является огромным достижением и возможностью для тувинцев и якутов собирать больше данных для обучения своих моделей. С чем я поздравляю и его, и наши народы 🙂