AI による気候災害への対応が、言語の壁によって阻まれている問題が指摘されています。豪雨の最中に「Rain no be small o」といった現地語やスラングが交じった警告が SNS で共有されても、標準的な英語に偏って学習された AI はその緊急性を見逃したり、誤解したりする傾向があります。現在の AI システムは主に欧米のテキストで訓練されているため、アフリカや南アジアなどの途上国で見られる「コードスイッチング」と呼ばれる、複数の言語や方言を混ぜた実際のコミュニケーションを理解するのが苦手です。 気候関連の報道がオンライン化している一方、途上国では現地記者が不足しており、地域の声が AI のデータセットに十分反映されていません。例えば、イギリスでは「The council taking the piss（行政がふざけている）」といった皮肉な表現は検知されても、ナイジェリアの「Abeg is it October wey rain dey fall like this（10 月にも雨が降るなんて、気候変動なんて嘘だろ）」といった表現は、単なる不満として処理され、生命の危険を告げる緊迫した叫びとして認識されないことがままあります。この偏りは、AI が過去のデータパターンに基づいて動作するため、標準的な英語から外れた表現を適切に解釈できず、結果として災害時の対応が遅れたり、誤った判断を下したりするリスクを生んでいます。 この課題を解決するには、AI を地域の表現や文化的文脈を理解するように再訓練する必要があります。単に言葉を翻訳するだけでなく、スラングや感情のニュアンスを捉え、実際のオンライン投稿をテストデータとして取り込むことが不可欠です。自動化されたシステムが大量の情報を処理できるのはメリットですが、人の安全がかかっている場面では、人間の判断を常にシステムのプロセスに組み込む「ヒューマン・イン・ザ・ループ」の手法が重要です。気候災害に対して AI が真に役立つ存在となるためには、西洋中心的な視点ではなく、多様な言語文化を尊重するトレーニングが急務です。そうすることで、遠く離れた地域の住民からの警告や助けの要請を正確に理解し、迅速な避難誘導や救助活動につなげることができます。専門家は、AI が単なる技術ツールではなく、地域の声を正しく拾い上げるパートナーとなるよう設計し直すことを強く求めています。