Take 1 000 of the world’s most visited websites. About 495 of them are in English, and about 5 are in Swedish.[1] AI models learn from texts like these. So whose language and whose world do they learn the most about? In this unit, you read, listen, talk and write in English about that question. Then you test it yourself.
Whose internet?
In chapter 7, you saw that the pictures and answers of a model come from its . A lot of that data comes from the internet. So which languages fill the internet?
The website W3Techs keeps track of the languages on the 10 million most visited websites. In August 2026, 49.5 percent of them were in English. Spanish and German came next, with about 6 percent each. Swedish had 0.5 percent.[1]
Many AI companies use Common Crawl, a non-profit organization that copies billions of web pages and gives them away for free. Of 47 language models from 2019 to 2023, at least 64 percent were trained on its data.[2] In one Common Crawl collection from December 2023, about 44 percent of the pages were mainly in English.[3]
The training data can be even more English than the web. When the company Meta trained its model Llama 2 in 2023, almost 90 percent of the data was in English. Only 0.15 percent was in Swedish.[4] But look closer. In the same data, there was more Swedish than Chinese or Spanish, which had 0.13 percent each. Swedish is a small language, but it does quite well online. Much bigger languages can have less.
Some people are not online at all. According to ITU, the UN agency for digital technology, about 6 billion people used the internet in 2025, and about 2.2 billion did not. Almost all of the people offline, 96 percent, live in low- and middle-income countries. In rich countries, 94 percent of the people use the internet. In the poorest countries, only 23 percent do.[5] This gap is called the . When people are not online, their words, songs and stories are not in the training data either.
W3Techs says that 49.5 percent of websites are in English. What does the number measure?
Who wrote it down?
You met the researcher Joy Buolamwini in chapter 7. In 2018, she made “AI, Ain’t I A Woman?”, a poem on video. It is less than four minutes long. She shows photos of famous Black women, such as Oprah Winfrey, Serena Williams and Michelle Obama. Then she shows what face analysis systems from big tech companies said about them. Often, the systems labeled the women as men.[6] Watch and listen before you read on. What do you see and hear?
The title comes from a speech. Sojourner Truth was born into slavery in the state of New York, and her first language was Dutch.[7] She learned English, but she never learned to read or write.[8] In 1851, she gave a speech at a meeting for women’s rights in Akron, Ohio. Everything we have from the speech was written down by other people, and there are two famous versions.[9]
| Question | Version 1 | Version 2 |
|---|---|---|
| Who wrote it down? | Marius Robinson, the secretary of the meeting | Frances Gage, a white activist against slavery who led the meeting |
| When was it printed? | June 1851, about three weeks after the speech | 1863, twelve years after the speech |
| Does it have the question “Ain’t I a woman?” | No | Yes |
| How does Truth speak in the text? | In standard written English | In a dialect from the southern USA |
Nobody wrote down the speech word for word while Truth was speaking.
Most people today know the second version, and Buolamwini’s poem borrows its famous question. But Truth did not grow up in the South, and Gage’s version also says that she had 13 children. She had five. Historians such as Nell Irvin Painter think that the first version is closer to what Truth really said.[7]
Why does this matter for AI? A model learns from what people wrote down and copied. When other people write about you, their version is the one that ends up in the training data.
Read like a detective
Use the table and the three questions of : Who wrote it? When? Why?
Whose values?
In chapter 7, you could ask a chatbot about driving licenses in English and in Swedish. You also read about a study where three out of four answers in English were based on rules in the USA.[10] Rules are one thing. What about values, like what is important in life?
In the World Values Survey, people in many countries answer the same questions about their values. In 2023, researchers asked a GPT model from OpenAI, the company behind ChatGPT, the same questions. The answers were most like the answers from people in the USA and other countries. The further a country’s culture was from the USA, the less the answers looked like the answers from that country.[11]
In 2024, another group tested five models from OpenAI. All of them gave answers with values like those in English-speaking countries and in Protestant countries in Europe. Then the researchers told the models to answer like a person from a certain country. With the newest models, this made the answers closer to the real answers in seven or eight out of ten countries.[12]
Sweden is one of the Protestant countries in Europe. So for many people in Sweden, the values in the answers may feel normal. That does not make them neutral. A is easiest to miss when it looks like your own world.
Now test it yourself with everyday life. Use the chatbot that your school has chosen. Ask a question in English, and then the same question in Swedish in a new chat. Ask each question two or three times, because the answers change. Which country and culture does each answer start from? Do you know a third language, from home or from school? Then add it. You are the expert, because you can judge if the answer sounds right.
How do people celebrate when they finish school?
In Swedish: “Hur firar man när man slutar skolan?” You can also choose your own everyday question, for example about breakfast, birthday presents or a normal weekend.
Same question, two languages
Write down the exact words from the answers. Then compare with a classmate.
AI for more languages
Many languages have much less data than Swedish. They are called , and people around the world are working to change that.
Africa. Masakhane is a community for language technology in African languages. The name means “we build together” in isiZulu, and the idea is technology for Africans, by Africans.[13]
Sweden. In February 2026, the Wallenberg Foundation and researchers from eight Swedish universities started work on a large language model for Swedish. Authors, publishers and news media will give texts that editors have checked. The Prime Minister presented the project.[15] In May 2026, the government asked a national coordinator to help Sweden get language models that reflect Swedish culture, society and law. She will also look at how authors and others who own texts can be paid when their texts are used to build language models.[16]
Everyone. In December 2024, Common Crawl asked people who speak languages other than English to send in the addresses of websites in their languages. Then more of those websites can be copied.[17]
All of this costs money. Who should pay: companies, countries, foundations or the people who speak the language? People disagree.
Who should make sure that all languages are in AI?
There is no right answer. Choose what you think, and read what other people might say.
AI companies earn money all over the world, so they should pay to include all languages.
Each country should pay for AI in its own language, like Sweden does.
Small languages do not need AI. People can use English.
The people who speak a language should decide how their words and stories are used.
Writers should be paid when their texts are used to train AI.
Final task: whose world is in the answer?
Do your own investigation, and present it in English. Choose a question about everyday life, traditions or values, or about a famous person or event. Ask it in at least two languages, three times in each language, in new chats. Save all the answers, even the boring ones.
Your investigation must have:
- Your question. What did you ask, and why?
- Your method. Which chatbot did you use, on which date, in which languages, and how many times?
- Examples. Quote at least two short parts of the answers, word for word.
- An explanation. Why do you think the answers turned out like this? Use the term training data.
- Your reflection. What surprised you? What can your small test not show?
- Advice. Give one piece of advice to someone your age who uses AI.
Choose one of two forms. Your teacher tells you which.
- Spoken: a talk of 3–4 minutes, live or recorded. Show your examples on a slide or on paper.
- Written: a report or an article of 350–500 words, with a title.
Plan your investigation
Write notes here while you work. You make the talk or the text later, in the way your teacher says.
Three things to take with you
About half of the most visited websites are in English, and AI training data is often even more English. Swedish is small online, but much bigger languages can have even less, and 2.2 billion people are not online at all.
Every text in the training data was written by someone, sometimes about other people. Ask who wrote it, when and why, as with the two versions of Sojourner Truth’s speech.
AI answers often start from the world of rich, Western countries. Ask the same question in more than one language, compare the answers and say exactly which world you mean.
Dina svar sparas bara i den här webbläsaren. Ladda ned dem eller skriv ut kapitlet om du vill ha dem kvar.
Kapitel 7 i fler ämnen
- BildStandardbilden och motbilden
Varför ser AI-bilderna ut som de gör, och hur gör man en bild som visar något annat?
Tre lektioner och tid för bilden · Slutuppgift: motbild med bildanalys - MatematikRäkna vem som syns
Vem syns i AI-bilderna, hur ofta, och vad kan åtta bilder egentligen visa?
Två till tre lektioner · Slutuppgift: statistisk undersökning, som rapport eller affisch - EngelskaWhose world?
Whose language and whose world do AI answers come from?
Två till tre lektioner · Slutuppgift: undersökning som redovisas på engelska
Ord på sidan
- Training data
- The texts, pictures and sounds that a model is trained on (sv. träningsdata).
- Digital divide
- The gap between people who can use the internet and people who cannot (sv. digital klyfta).
- Spoken word
- Poetry that is written to be performed out loud (sv. estradpoesi).
- Source criticism
- Checking who made a text, when and why, before you trust it (sv. källkritik).
- WEIRD
- Short for Western, Educated, Industrialized, Rich and Democratic. Researchers use the word about countries like the USA and much of Europe (sv. västerländsk, utbildad, industrialiserad, rik och demokratisk).
- Bias
- A pattern that comes back again and again and gives a one-sided or unfair picture of the world (sv. snedvridning).
- Low-resource language
- A language with little text and speech online, so there is little data to train AI on (sv. lågresursspråk).
Läs och se mer
- VideoAI, Ain’t I A Woman?
Joy Buolamwini’s spoken word poem from 2018. In English, less than four minutes.
- WebsiteCompare the Two Speeches
The Sojourner Truth Project lets you compare the two versions of the speech from 1851.
- ArticleSweden to develop home-grown AI model in Swedish
News in English from The Local, 22 February 2026, about the new Swedish language model.
För lärare
Lektionsstart i Rummet · cirka 15 min
På engelska: vilka språk som fyller nätet, de 2,2 miljarder som inte är uppkopplade, Joy Buolamwinis dikt ”AI, Ain’t I A Woman?”, svar på engelska som utgår från USA och en fråga i Fyra hörn om vilket land svaret gäller.
Visa storbilden på projektorn och stega med piltangenterna eller en clicker. Det du kan säga står i lärarpanelen. Eleverna ansluter med en kod och svarar på mobilen eller datorn, utan konto.
Starta lektionen i RummetSyfte
Eleven ska kunna läsa, lyssna på och samtala om engelska texter om vems språk och vems värld som finns i AI:s träningsdata, granska källor på engelska och genomföra och redovisa en egen undersökning på engelska. Fördjupningen bygger på kapitel 7 och tar frågan om vems bild av världen vidare till språk, källor och värderingar. Elevtexten är skriven på engelska på ungefär nivå B1.
Centralt innehåll
Fördjupningen hör till de delar av kursplanen i engelska för åk 7–9 i Lgr22 som handlar om kommunikationens innehåll (aktuella ämnen och levnadssätt, traditioner och kulturella företeelser där engelska används), reception (att lyssna på och läsa talad engelska och texter av olika slag, och att söka, välja och värdera texter och källor på engelska) och produktion och interaktion (muntliga och skriftliga framställningar och samtal). Läs formuleringarna i Skolverkets kursplan innan du kopplar slutuppgiften till betygskriterierna. De är inte kontrollerade här.
I gymnasiet passar fördjupningen i engelska på nivå 1. Jämför med det centrala innehållet i ämnesplanen, särskilt om reception, produktion och interaktion och om förhållanden i områden där engelska används.
Upplägg, tre lektioner
Lektion 1. Ingressen och Whose internet? med snabbkollen. Låt eleverna förklara siffrorna för varandra på engelska: vad mäter de, och vilket år gäller de? Visa dikten på storskärm och samla intryck på engelska.
Lektion 2. Who wrote it down? med tabellen och Read like a detective, och Whose values? Eleverna gör Same question, two languages i par och jämför sina citat i klassen.
Lektion 3. AI for more languages, med sorteringen som samtal på engelska i grupper, och start på slutuppgiften. Redovisningarna hålls lektionen efter eller lämnas in.
Flerspråkiga elever får lägga till ett tredje språk och blir då gruppens experter. Det är frivilligt, och ett skolspråk som spanska, tyska eller franska fungerar lika bra. Fråga inte efter elevernas bakgrund. Använd den chattbot som skolan har valt, gärna i par.
Anpassningar
- Mer stöd. Ge eleven ordlistan och meningsstartare, till exempel ”I asked …”, ”In English, the answer said …”, ”In Swedish, it said …”, ”I think this is because the training data …” och ”My advice is …”. Låt eleven planera på svenska och redovisa på engelska, göra undersökningen i par och redovisa för läraren eller i en liten grupp. Låt eleven lyssna på texten med talsyntes.
- Mer utmaning. Låt eleven testa fler språk eller två chattbotar, räkna hur ofta ett land nämns i tio svar eller läsa sammanfattningen av studien om kulturell anpassning (Tao m.fl. 2024) och jämföra med sitt eget resultat. Eleven kan också läsa båda versionerna av Sojourner Truths tal i sin helhet.
- Gymnasiet. Låt eleverna skriva en argumenterande artikel om vem som ska betala för AI på mindre språk, med minst två källor, eller analysera hur Buolamwini använder Sojourner Truths fråga i dikten.
Om faktauppgifterna
- Webben. W3Techs mäter de 10 miljoner mest besökta webbplatserna och avgör oftast språket från startsidan. Siffrorna gäller juni–augusti 2026 och ändras löpande. Andelen 44 procent gäller Common Crawls samling CC-MAIN-2023-50 och sidor vars huvudspråk enligt programmet CLD2 var engelska, enligt en översiktsartikel. Svenskans andel i Common Crawl är inte kontrollerad här.
- Llama 2. Siffrorna kommer från tabell 10 i Metas artikel från juli 2023. Språket avgjordes med verktyget fastText, och 8,38 procent var okänt, delvis programkod.
- ITU. Rapporten Facts and Figures 2025 kom 17 november 2025. ITU anger 2,2 miljarder människor utan internet, vilket är omkring en fjärdedel av världens befolkning. Andelarna 94 procent i höginkomstländer och 23 procent i låginkomstländer är kontrollerade i sammanfattningar av rapporten, inte i själva rapporten.
- Värderingarna. Atari m.fl. är en förhandsversion från september 2023. Andrahandskällor anger sambandet mellan likheten med GPT och det kulturella avståndet från USA till r = −0,70, vilket inte är kontrollerat i originalet. Tao m.fl. jämförde fem modeller från OpenAI med nationellt representativa undersökningar. Med de senare modellerna, GPT-4, GPT-4-turbo och GPT-4o, gjorde instruktionen svaren mer lika landets i 71–81 procent av länderna och territorierna.
- Sojourner Truth. Talet hölls 29 maj 1851. Marius Robinson var mötets sekreterare, och hans version trycktes 21 juni 1851 i Anti-Slavery Bugle, som han var redaktör för. Källorna anger olika tidningar och datum för Gages version 1863. Ingen av versionerna skrevs ned ordagrant, och historiker diskuterar båda.
- Dikten. Den är inspirerad av Gender Shades. En ofta citerad rad återges olika i olika källor och citeras därför inte.
- Satsningarna. Den svenska språkmodellen presenterades 20 februari 2026 och ska tränas på superdatorn Berzelius i Linköping. Kommittédirektiv 2026:32 beslutades 21 maj 2026, och samordnaren Katrin Westling Palm ska redovisa senast 30 april 2029. Masakhane startade 2019 enligt flera källor. Läget i oktober 2026 är inte kontrollerat.
Kopplingar
Kapitel 7 är grunden, med bildomgången, körkortsfrågan och studien om amerikanska regler. I paketet räknar matematik vem som syns med andelar, jämförelser och urval, och bild analyserar stereotyper i AI-bilder och gör motbilder. Religionskunskapen till kapitel 12 frågar vems etik ett AI-system ska ha och passar ihop med avsnittet Whose values? Moderna språk kan göra samma undersökning på målspråket.
Källor
- W3Techs (augusti 2026). Usage statistics of content languages for websites, historiska data. Mätpunkten 15 augusti 2026. Andelen av de 10 miljoner mest besökta webbplatserna. Språket avgörs i de flesta fall från startsidan. w3techs.com/technologies/history_overview/content_language
- Mozilla Foundation (6 februari 2024). Training Data for the Price of a Sandwich: Common Crawl’s Impact on Generative AI. Av 47 språkmodeller från 2019 till oktober 2023 hade minst 64 procent tränats på data från Common Crawl. www.mozillafoundation.org/en/blog/Mozilla-Report-How-Common-Crawl-Data-Infrastructure-Shaped-the-Battle-Royale-over-Generative-AI
- Perełkiewicz, M. och Poświata, R. (juli 2024). A Review of the Challenges with Massive Web-mined Corpora Used in Large Language Models Pre-Training. ICAISC 2024. Om Common Crawls samling CC-MAIN-2023-50 från december 2023. arxiv.org/abs/2407.07630
- Touvron, H. m.fl. (juli 2023). Llama 2: Open Foundation and Fine-Tuned Chat Models. Meta. Tabell 10 om språken i träningsdatan. arxiv.org/abs/2307.09288
- ITU, FN:s fackorgan för informations- och kommunikationsteknik (17 november 2025). Pressmeddelande om rapporten Facts and Figures 2025. www.itu.int/en/mediacentre/Pages/PR-2025-11-17-Facts-and-Figures.aspx
- MIT Black History. Joy Buolamwini: ”AI, Ain’t I A Woman?” (2018). Om hur systemen klassade kvinnorna: Northeastern University Law Review (23 augusti 2022), ”AI, Ain’t I a Woman:” The Gendered Lens of Facial Recognition Technology. www.blackhistory.mit.edu/archive/joy-buolamwini-ai-aint-i-woman-2018
- History.com. Sojourner Truth delivers ”Ain’t I a Woman?” speech. This Day in History, 29 maj. Om Frances Gages version, dialekten och historikern Nell Irvin Painters bedömning. www.history.com/this-day-in-history/may-29/sojourner-truth-delivers-aint-i-a-woman-speech
- National Women’s History Museum. Sojourner Truth. www.womenshistory.org/exhibits/sojourner-truth
- National Park Service. Artikel om Sojourner Truth och de två versionerna av talet i Akron 1851. www.nps.gov/articles/sojourner-truth.htm
- Wang och Suresh (juni 2026). Studie av vilket lands regler modeller utgår från. Förhandsversion, arXiv 2606.00333. arxiv.org/abs/2606.00333
- Atari, M., Xue, M. J., Park, P. S., Blasi, D. E. och Henrich, J. (september 2023). Which Humans? Förhandsversion (PsyArXiv), med data från World Values Survey. henrich.fas.harvard.edu/publication/which-humans
- Tao, Y., Viberg, O., Baker, R. S. och Kizilcec, R. F. (17 september 2024). Cultural bias and cultural alignment of large language models. PNAS Nexus 3(9). arxiv.org/abs/2311.14096
- Prix Ars Electronica (2023). Masakhane – pioneering participatory approaches to African languages processing, for Africans, by Africans. calls.ars.electronica.art/2023/prix/winners/9995
- Africanews (5 september 2025). The linguistic diversity of Africa and its absence in AI development. Om projektet African Next Voices. www.africanews.com/2025/09/05/the-linguistic-diversity-of-africa-and-its-absence-in-ai-development
- WASP och Knut och Alice Wallenbergs stiftelse (20 februari 2026). New initiative aims to give Sweden its own large-scale AI language model. Pressmeddelande. wasp-sweden.org/new-initiative-aims-to-give-sweden-its-own-large-scale-ai-language-model
- Regeringen (21 maj 2026). En nationell samordnare för svenska språkmodeller. Kommittédirektiv 2026:32. regeringen.se/rattsliga-dokument/kommittedirektiv/2026/05/dir.-202632
- Common Crawl (december 2024). Expanding the Language and Cultural Coverage of Common Crawl. Blogginlägg om projektet där talare av andra språk än engelska skickar in webbadresser. commoncrawl.org/blog/expanding-the-language-and-cultural-coverage-of-common-crawl
Vem syns när AI ritar en chef?