一位印度阿姨用泰米爾語問AI："發(fā)燒三天了，吃撲熱息痛夠嗎？"系統(tǒng)先是用英語回了一大段，最后才補上一句"請找會說泰米爾語的醫(yī)生"。她愣是沒看懂。

這不是翻譯故障。這是過去三年Health AI的集體盲區(qū)——14億非英語使用者被默認按下了靜音鍵。

翻譯層的"禮貌性崩潰"

原文里的AI回應(yīng)堪稱經(jīng)典：先用英語分析病情，再建議"重新用英語提問"。

潛臺詞很直白：我假裝聽懂了你，但建議你換個我能懂的方式。

這種"翻譯按鈕后裝"的架構(gòu)，在日常閑聊里還能蒙混。一旦涉及醫(yī)學(xué)——癥狀描述、用藥劑量、檢查項目——語義損耗直接變成安全風(fēng)險。阿姨聽到的"paracetamol may help"和她真正想問的"要不要去醫(yī)院"完全是兩道題。

母語推理 vs 英語內(nèi)核

真正的差距在第二張圖里攤開了。

同一癥狀，母語級AI的回應(yīng)是："發(fā)燒超過三天別只吃撲熱息痛，得查登革熱、傷寒、瘧疾。做血常規(guī)+登革熱NS1檢測，24小時內(nèi)看醫(yī)生。"

沒有翻譯腔。沒有"請用英語重新表述"。用藥名是本地通用說法，時間單位用"24小時"而非"one day"，連檢查項目的縮寫都按印度醫(yī)院的習(xí)慣排列。

這不是語言包的差異，是推理層的差異——模型得先"想"成泰米爾語，而非想成英語再轉(zhuǎn)碼。

22種語言的"無英文化"實驗

GoDavaii的做法是反向操作：不拿英語模型打底，直接讓22種印度語言成為一等公民。泰米爾語、博杰普爾語、馬拉地語、孟加拉語……列表長到能覆蓋印度90%以上的門診對話場景。

關(guān)鍵指標很樸素：用戶能不能用"思考時的語言"完成一次完整的醫(yī)療咨詢閉環(huán)。不是輸入母語、輸出英語，而是輸入母語、獲得母語級的醫(yī)學(xué)邏輯。

團隊現(xiàn)在公開測試，邀請用戶"用家鄉(xiāng)話提問，告訴我們哪里崩了"。這種"找茬式"迭代，本質(zhì)上是在補過去三年Health AI欠下的語言債。

被忽視的"默認設(shè)置"陷阱

英語優(yōu)先的設(shè)計慣性，讓全球AI產(chǎn)品反復(fù)踩同一個坑：先把英語版做扎實，再"適配"其他市場。適配的結(jié)果往往是功能閹割或體驗斷層。

印度市場的特殊性在于——這里沒有單一的"第二語言"。 Hindi不是所有人的Hindi，英語更是少數(shù)人的特權(quán)。Health AI要觸達真正的下沉用戶，必須從"翻譯后裝"轉(zhuǎn)向"母語原生"。

阿姨測試的殘酷之處在于：她不會反饋"體驗不佳"，只會默默關(guān)掉App，繼續(xù)去排三小時的門診隊。沉默的流失比差評更致命。

冷幽默結(jié)尾

最諷刺的是那張系統(tǒng)提示："Are you sure you want to hide this comment?"——連報錯信息都是英語的。

印度阿姨大概會心想：我隱藏的不只是評論，是對整個AI醫(yī)療的信任。畢竟，一個連"發(fā)燒別硬扛"都要我用英語重說的系統(tǒng)，怎么敢托付發(fā)燒的孩子？