人工智能在应对气候灾害时正面临严峻的语言障碍。在洪水等紧急情况下，社交媒体上充斥着混合了当地俚语、方言及非标准语法的信息。例如，尼日利亚民众会用皮钦语发出紧急求救，而人工智能系统往往因训练数据多基于西方标准英语，无法准确识别这些表达中的紧迫性，导致重要预警被误判为普通闲聊或完全遗漏。 这种局限性源于语言学家所称的“语码转换”现象，即人们在日常交流中灵活混合多种语言元素。目前，主流 AI 模型主要在北美和欧洲的文本上训练，形成了带有“文化指纹”的隐性偏见。这些系统倾向于推崇西方的表达习惯，忽视了发展中国家非英语中心语境下的真实沟通方式。当 AI 无法理解当地特有的措辞和情绪时，可能会低估灾害风险，进而危及民众生命和财产安全。 在发展中国家，气候新闻报道相对匮乏，线上社区成为信息传递的关键渠道。然而，若 AI 无法读懂这些来自边缘群体的声音，全球气候信息的传播和理解将存在巨大盲区。要解决这一问题，必须改进 AI 系统的训练数据，使其涵盖更多元化的地区表达，并学会结合文化语境而非仅依赖字面意思进行判断。 专家建议，AI 系统在发布前需在真实的社交媒体帖子上进行测试，以确保能捕捉到紧急情况下的细微差别。同时，在涉及生命安全的场景中，必须保留人类专家的最终判断权。只有当人工智能能够准确解读日常生活中复杂的语言 nuances，才能真正发挥其在洪水、热浪等气候危机中的辅助作用，确保救援预警及时、准确地传达给需要帮助的人。