Cymunedau’n cymryd yr awenau

Ar ddiwedd y blog diwethaf nodwyd ei bod yn bwysig hyfforddi DA ar ddata sydd yn adlewyrchu gwahanol gymunedau ieithyddol a diwylliannol yn ffyddlon er mwyn sicrhau cynhwysiant modelau DA.

Fel rydyn ni wedi trafod eisoes yn y gyfres hon, er mwyn cael digon o ddata i gynnwys ieithoedd fel y Gymraeg o fewn modelau iaith mawr amlieithog, cymerodd cwmnïau fel OpenAI ac Anthropic lawer iawn o ddeunydd oedd ar gael o wefannau a chasgliadau eraill i hyfforddi eu modelau. Y nod oedd sicrhau y gallai’r modelau ddeall a chynhyrchu testun mewn ieithoedd sydd â llai o ddata digidol ar gael, fel y Gymraeg neu’r Swahili, yn ogystal ag ieithoedd byd-eang fel y Saesneg a’r Sbaeneg. Ond os yw’r modelau i adlewyrchu’r cymunedau sy’n siarad yr ieithoedd hyn, rhaid i’r data hyfforddi adlewyrchu’r diwylliant a’i amrywiaeth mewnol hefyd yn hytrach na bod yn ddim ond cyfieithiadau peirianyddol o destunau a luniwyd yn wreiddiol mewn iaith arall.

Wrth gasglu’r data hyfforddi anferth hwn, mae’n werth nodi na wnaeth hyfforddwyr y modelau iaith mawr o reidrwydd ofyn caniatâd gan berchnogion y data na chwaith caniatâd y cymunedau ieithyddol a diwylliannol ehangach esgorodd ar y data. Yr arfer gan amlaf gan y corfforaethau mawr Americanaidd sy’n meddu ar yr adnoddau i hyfforddi’r modelau sy’n arwain yn y maes o ran eu gallu yw pwyso ar yr amddiffyniad Defnydd Teg sydd ar gael iddynt o dan gyfraith America. Mae’r amddiffyniad hwnnw wedi ei brofi mewn ambell lys barn — yn fwyaf nodedig yn achos Bartz v. Anthropic 2025, lle canfu llys America fod hyfforddi ar destunau a gafwyd yn gyfreithlon yn Ddefnydd Teg. Er hynny, nid oes cynsail rhwymol wedi ei osod eto, ac mae’r amddiffyniad yn parhau i gael ei herio gan ddeiliaid hawlfraint ledled y byd.

Ond yn ychwanegol i’r ddadl o ran hawlfraint a thrwyddedu, mae’r cwestiwn i ba raddau y mae angen i gwmnïau neu sefydliadau sicrhau caniatâd yn parhau. Mae rhai cymunedau ieithyddol a diwylliannol wedi croesawu gweld eu hiaith a’u diwylliant yn cael eu cynrychioli o fewn datblygiadau technegol newydd, fel yn achos Islandeg, iaith Gwlad yr Iâ, fydd yn cael ei drafod isod. Yn achos ieithoedd eraill, yn arbennig y rhai sydd wedi dioddef fwy o dan ormes trefedigaethu, mae rhai carfannau amlwg wedi bod yn pwyso am delerau gwahanol cyn bodloni i’w hiaith a’ u diwylliant gael ei ddefnyddio i hyfforddi deallusrwydd artiffisial.

Un enghraifft o hyn yw’r FPIC — Caniatâd Rhydd, Ymlaen Llaw a Gwybodus — fel y’i trafodwyd yng nghyd-destun Ieithoedd Brodorol¹ yn [1,2] sy’n cynnig dewis arall pwysig o ran telerau i’w gosod ar y defnydd o ddata cymunedau ieithyddol a diwylliannol.

Rheolaeth a Chydsyniad Cymunedol

Yn ôl Fforwm parhaol y Cenhedloedd Unedig ar faterion Brodorol:

“[FPIC] must be ensured by companies and developers that use Indigenous Peoples’ data, knowledge, or cultural heritage in AI systems.
Decisions on the development and use of AI are currently led by powerful governments and major tech companies such as Microsoft, Google, and Amazon, with little or no representation of Indigenous Peoples. This exclusion raises serious concerns, including the lack of FPIC for the use of Indigenous data, knowledge, images, or identities in AI systems. The lack of meaningful participation in the development of AI regulations and ethical frameworks, whether in multilateral forums or private spaces led by the tech sector, can significantly undermine efforts that AI development respects and protects the rights of Indigenous Peoples. [2]”

Mae FPIC felly yn pwysleisio y dylai cymunedau gael yr hawl i benderfynu a yw eu hiaith a’u gwybodaeth yn cael eu defnyddio, sut mae’n cael eu defnyddio, ac at ba ddiben, gan gynnwys mewn hyfforddiant DA. Ond â Kasosi ymhellach, gan ddweud:

“When AI systems extract, process, and monetize Indigenous knowledge without FPIC, they are not innovative, they are colonial. They perpetuate centuries of exploitation under the guise of progress. This is data colonialism, and its effects are no less destructive than the physical resource extraction that preceded it.” [1]

Ar ben osgoi ymddygiad trefedigaethol, gallai’r math hwn o ddull neu fframwaith helpu i wrthsefyll lledaeniad “AI Slop” a’r Droell Drychineb ( sydd yn ‘dynnach’, yn ‘gyflymach’, yn fwy trychinebus, efallai, ar gyfer iaith lai ei hadnoddau) trwy flaenoriaethu ansawdd, cyd-destun, ac awdurdod cymunedol dros grafu unrhyw beth a phopeth o’r we. Yn hytrach na thrin ieithoedd heb gynrychiolaeth ddigonol fel ffynonellau data gwag i’w llenwi gan beiriannau, mae’n eu hail-lunio fel systemau diwylliannol byw sydd angen gofal, caniatâd, a rheolaeth. Ond nid problem i’w datrys gan fawrion DA yn unig mo hon, er bod ganddynt rôl i’w chwarae, fel y gwelwn yn yr adran nesaf.

Llun o aelod o lwyth brodorol y Maasai wedi ei drwyddedi’n rhydd dan drwydded Pixabay.

Mentrau Cymunedol ar Lawr Gwlad a Thu Hwnt

Nodai Kasosi [1] fod nifer o brojectau llai ledled y byd wedi cymryd gafael yng nghyrn yr aradr o ran DA, yn hytrach na fod yn oddefol ac aros i’r cwmnïau a chyrff ac ati ddarparu DA diwylliannol addas. Mae’n cyfeirio at Weithgor DA Brodorol yng Ngogledd America, ynghyd a phroject sy’n creu offer er mwyn adnewyddu iaith Maa y Maasai i enghreifftio hyn. Ychwanega Markl et al. [3] Masakhane NLP a’r Distributed AI Research Institute (DAIR) i’r rhestr o brojectau sy’n arddel ymchwil DA dan arweiniad y gymuned.

Yn rhyngwladol, mae Mozilla Data Collective (MDC), llwyfan a lansiwyd yn 2025 gan Mozilla Foundation [4] yn broject amlwg arall sy’n arddel pwysigrwydd cynnwys cymunedau. Mae’r llwyfan yn caniatáu i gyfranwyr rannu data, cadw perchnogaeth ohono, a rheoli pwy sy’n ei ddefnyddio — gan gynnig trwyddedu hyblyg, ac opsiynau i osod cyfyngiadau pwrpasol neu ofyn am gydnabyddiaeth neu dâl [5]. Mae hyn yn wrthgyferbyniad uniongyrchol i’r model echdynnol, trefedigaethol a feirniedir gan Kasosi [1]. Er nad yw’n broject cymunedol ar lawr gwlad yn yr un modd â phrojectau eraill, mae’n cynnig seilwaith a allai alluogi cymunedau iaith — gan gynnwys cymunedau ieithoedd lleiafrifol — i reoli eu data ar eu telerau eu hunain.

A beth am ymwneud llywodraethau â DA? Mae rhai llywodraethau ledled y byd wedi adnabod pwysigrwydd DA i’w cymunedau a’u diwylliannau ac wedi bod yn frwd o ran cydweithio â’r mawrion DA. Enghraifft amlwg cymharol ddiweddar ydi’r cyd-weithio rhwng llywodraeth  Gwlad yr Iâ ac OpenAI. Medde OpenAI [6]:

“On the initiative⁠ of the country’s President, HE Guðni Th. Jóhannesson, and with the help of private industry, Iceland has partnered with OpenAI to use GPT‑4 in the preservation effort of the Icelandic language—and to turn a defensive position into an opportunity to innovate.

Ychwanega Guðmundsdóttir [6]:

“We want to make sure that artificial intelligence will be used not only to help preserve language, culture and history, but also to underpin economic prosperity”

Felly mae datrys rhai o heriau DA, fel y rhai rydyn ni wedi eu trafod yn y gyfres hon, ac eraill, yn ddibynnol ar gynnwys y gymuned [7,8]. I ba raddau ydyn ni’n gwneud hyn yng Nghymru, tybed? Wel, fel y nodwyd yn y blog cyntaf o’r gyfres hon, rydyn ni yn yr Uned Technolegau Iaith wedi cydweithio gyda rhai o gwmnïau mawrion DA eisoes. Er enghraifft rydyn ni wedi gwerthuso allbwn Cymraeg GPT ac yna adrodd y canlyniadau nôl i OpenAI ac i’r gymuned Cymraeg.² Y tu hwnt i’r Uned, mae Llywodraeth Cymru wedi datblygu partneriaeth data gydag OpenAI ers 2024 hefyd. Trwy’r bartneriaeth hon, gobaith Llywodraeth Cymru yw gwella’r modd y mae systemau AI yn ymdrin â’r Gymraeg [9].

Ac mae’r bartneriaeth wedi dwyn ffrwyth eisoes. Adrodda’r Llywodraeth [10]:

“fel rhan o’n partneriaeth gydag OpenAI i wella sut mae ChatGPT yn prosesu’r Gymraeg, cynhaliom brosiect ar y cyd â Llyfrgell Genedlaethol Cymru lle defnyddiodd OpenAI dechnolegau AI i drawsgrifio llawysgrifen Cymraeg. Mae trafodaethau yn parhau gydag OpenAI am y prosiectau nesaf er enghraifft gweithio gyda Geiriadur Prifysgol Cymru i ddefnyddio’u deunyddiau nhw i wella sut mae AI yn prosesu’r Gymraeg.”

Ond nid pob cymuned ieithyddol sy’n ddigon ffodus i feddu ar gynrychiolaeth etholedig sy’n fodlon dadlau ei hachos. Mae gwahaniaeth sylfaenol rhwng ymwneud llywodraethau Cymru a Gwlad yr Iâ ag OpenAI a sefyllfa rhai cymunedau ieithyddol eraill, lle’r unig ffordd o gydweithio sy’n diogelu buddiannau’r gymuned, yn aml, yw cynnal prosiectau ar lawr gwlad a sefydlu fframweithiau cydsyniad. Fodd bynnag, boed ar lefel gymunedol neu genedlaethol, cwestiwn o sofraniaeth yw hyn — a dyna fydd pwnc y blog nesa! Tan toc!

1 Nid ydym o reidrwydd yn ystyried y Gymraeg yn Iaith Frodorol na’r Cymry yn Bobl Frodorol, ond yn y cyd-destun hwn teimlaf bod yr hyn sy’n berthnasol i Gymunedau Brodorol yn berthnasol i’n diwylliant ni yng Nghymru.
2 Gweler pennod 5 ein cyfrol Iath a Thechnoleg yng Nghymru – Cyfrol II

Llyfryddiaeth

[1] Kasosi, L. (2025). “Indigenous Peoples and AI: Defending Rights, Shaping the Future of Technology.” Adalwyd 12/12/25, o https://www.culturalsurvival.org/news/indigenous-peoples-and-ai-defending-rights-shaping-future-technology.
[2] Fforwm parhaol y Cenhedloedd Unedig ar faterion Brodorol. (2025). “International Day of the World’s Indigenous Peoples 2025 Virtual commemoration.” Adalwyd 12/12/25, o https://social.desa.un.org/sites/default/files/IDWIP%202025%20Concept%20Note%20FINAL.pdf.
[3] Markl, N., L. Hall-Lew a C. Lai (2024). Language Technologies as If People Mattered: Centering Communities in Language Technology Development, Torino, Italia, ELRA and ICCL.
[4] Reid, K.(2025). “Your datasets, under your control: Introducing the Mozilla Data Collective”. Adalwyd 08/10/25, o: https://www.youtube.com/watch?v=rl7QvFqjXFA.
[5] Mozilla Data Collective (2025). “About Mozilla Data Collective”. Adalwyd 08/10/25, o https://community.mozilladatacollective.com/about/
[6] OpenAI (2024). “Government of Iceland”. Adalwyd 15/06/26 o https://openai.com/index/government-of-iceland/
[7]Helm, P., G. Bella, G. Koch a F. Giunchiglia (2023). Diversity and Language Technology: How Techno-Linguistic Bias Can Cause Epistemic Injustice.
[8] Freitas, D. C. T. a H. L. Cardoso (2025). A Nightmare on LLMs Street: On the Importance of Cultural Awareness in Text Adaptation for LRLs, Bologna, Italy, UP – Universidade do Porto (https://doi.org/10.21747/978-989-9193-73-4/lan2), LIACC – Laboratório de Inteligência Artificial e Ciência de Computadores da Universidade do Porto, CLUP – Centro de Linguística da Universidade do Porto, UEF – The University of Eastern Finland and UAH – Universidad de Alcalá.
[9] Llywodraeth Cymru (2024a). “ChatGPT yn dysgu Cymraeg”. Adalwyd 15/06/26 o https://www.llyw.cymru/chatgpt-yn-dysgu-cymraeg
[10] Llywodraeth Cymru (2024b). “Cymraeg 2050: cynllun gweithredu strategaeth y Gymraeg 2025 i 2026”. Adalwyd 15/06/26 o https://www.llyw.cymru/cymraeg-2050-cynllun-gweithredu-strategaeth-y-gymraeg-2025-i-2026-html