АНУ-ын Мичиганы их сургуулийн судлаачид хиймэл оюуны загваруудын эрчим хүчний хэрэглээ тухайн хэрэглэгчийн ашиглаж буй хэлнээс хамааран ихээхэн ялгаатай байдгийг тогтоожээ. Судалгаагаар зарим хэлээр текст боловсруулах, хариулт үүсгэхэд англи хэлтэй харьцуулахад 1.4-180 дахин их эрчим хүч шаардагдаж байж. Тухайлбал, хинди хэлээр хариулт боловсруулахад 7.9 дахин, бенгал хэлээр боловсруулахад 15.3 дахин их эрчим хүч зарцуулсан байна.
Судлаачид Alibaba компанийн Qwen 3, Google-ийн Gemma 3, Meta-ийн Llama 3.1 гэсэн гурван нээлттэй AI загварыг ашиглан олон хэл дээрх уншиж ойлгох, математикийн бодлого бодох, асуултад хариулах зэрэг даалгаврыг гүйцэтгүүлжээ. Үр дүнд нь туршсан бүх загвар англи хэл дээр дунджаар хамгийн бага эрчим хүч зарцуулсан байна. Түүнчлэн эрчим хүчний хэрэглээ өндөртэй хэлнүүдэд AI-ын хариултын нарийвчлал харьцангуй бага байх хандлага ажиглагджээ.
Энэ ялгааны нэг гол шалтгаан нь AI текстийг боловсруулахдаа ашигладаг токен хэмээх нэгжтэй холбоотой ажэ. AI загварууд үг, өгүүлбэрийг токен болгон хувааж боловсруулдаг бөгөөд зарим хэлний бичвэр ижил утгатай англи бичвэрээс олон токен шаардаж болдог. Ингэснээр тооцооллын ачаалал, санах ойн хэрэглээ нэмэгдэж, улмаар эрчим хүчний зарцуулалт өсдөг байна. Ялангуяа латин бус бичиг үсэгтэй, сургалтын цахим өгөгдөл харьцангуй багатай хэлнүүдэд энэ асуудал илүү тод илэрчээ.
Судлаачдын тооцоолсноор дэлхий даяар 5.2 тэрбум орчим хүн төрөлх хэлээрээ AI ашиглахад англи хэлтэй харьцуулахад хэд дахин их эрчим хүч шаарддаг нөхцөлд байна. Энэ нь технологийн хүртээмж, үйлчилгээний өртөг, хэлний тэгш байдлын асуудлыг хөндөж байгаа юм. Харин монгол хэлээр хиймэл оюуныг ашиглахад яг хэд дахин их эрчим хүч зарцуулдгийг тус судалгаанаас шууд дүгнээгүй боловч хиймэл оюуныг олон хэлд илүү үр ашигтай ажиллуулах, хэл тус бүрийн сургалтын өгөгдлийг нэмэгдүүлэх шаардлагатайг судлаачид онцолжээ.
