Which Nigerian-Pidgin does Generative AI speak?: Issues about Representativeness and Bias for Multilingual and Low Resource Languages

Naija是尼日利亚皮钦语，大约有1.2亿人在尼日利亚使用，是一种混合语言（例如英语、葡萄牙语和土著语言）。虽然直到最近它主要是一种口语，但目前有两种书面文体（BBC和维基百科）的Naija。通过统计分析和机器翻译实验，我们证明这两种文体并不代表彼此（即在词序和词汇方面存在语言差异），生成式人工智能只基于BBC文体的Naija运作。换句话说，维基百科文体的Naija在生成式人工智能中并没有代表性。

这篇论文旨在解决Naija语言中两种不同书写风格（BBC和Wikipedia）之间的差异问题，以及这些差异对于生成式人工智能的影响。

通过统计分析和机器翻译实验，论文证明了这两种不同书写风格之间存在语言差异，而生成式人工智能只能基于BBC风格的Naija进行操作。

论文使用了统计分析和机器翻译实验来验证Naija语言中两种书写风格之间的差异，并且提出了生成式人工智能只能基于BBC风格的Naija进行操作的结论。实验数据集包括BBC和Wikipedia的Naija语料库。论文的结论对于Naija语言的自然语言处理有重要意义。

在Naija语言的自然语言处理领域，还有一些相关研究，例如《Naija Lang: A New Language for African Literature》和《Naija Lang: A corpus for Machine Translation》等。