A medida que la inteligencia artificial (IA) se integra en los servicios públicos, la educación, la atención sanitaria y las herramientas digitales cotidianas, los lenguajes que comprenda determinarán cada vez más quién puede utilizar esos servicios de forma eficaz.

Para los hablantes de lenguas regionales, minoritarias y subrepresentadas de Europa, esto representa tanto una oportunidad como un riesgo. La IA podría hacer que la traducción, la información y los servicios públicos sean más accesibles que nunca. Pero los sistemas formados predominantemente en las lenguas más importantes del mundo también podrían profundizar las desigualdades existentes, dejando a millones de europeos incapaces de utilizar plenamente las tecnologías emergentes en su lengua materna.

Ese desafío estuvo en el centro de un evento celebrado en el Parlamento Europeo en Estrasburgo por el Parlamento, en asociación con el Centro de Innovación Abierta de Microsoft (MOIC), Microsoft AI for Good Lab y el Intergrupo del Parlamento Europeo sobre Minorías Tradicionales, Comunidades Nacionales e Idiomas.

Organizado por el presidente del Intergrupo, el eurodiputado rumano Loránt Vincze, el evento reunió a eurodiputados, investigadores, universidades, organizaciones culturales y de la sociedad civil, y representantes de proyectos que trabajan para fortalecer las bases de la IA multilingüe.

El lenguaje como identidad

Al inaugurar el evento, Vincze argumentó que la identidad lingüística de Europa va mucho más allá de sus 24 lenguas oficiales de la UE. En todo el continente se siguen hablando alrededor de 60 lenguas regionales y minoritarias, afirmó, lo que representa una parte sustancial de la diversidad lingüística y cultural de Europa. “Para nosotros, el idioma es identidad, el idioma es cultura, el idioma es comunidad”, dijo Vincze a los participantes. Por lo tanto, proteger esa diversidad no era simplemente una preocupación cultural, argumentó, sino “una responsabilidad democrática y social”.

La lengua del futuro no puede reservarse a un número limitado de hablantes

Muchas comunidades lingüísticas de bajos recursos siguen enfrentando barreras legales, políticas, financieras y administrativas. Incluso cuando los derechos lingüísticos existen formalmente, dijo Vincze, no siempre se reflejan en la experiencia cotidiana de la gente en la administración pública, la atención sanitaria o el acceso a la información.

Sugirió que la IA podría ayudar a superar algunas de esas limitaciones prácticas. “Las soluciones digitales hacen que las limitaciones físicas sean irrelevantes”, afirmó. Si se implementan de manera responsable, las tecnologías emergentes podrían ayudar a convertir los derechos lingüísticos formales en un acceso significativo a los servicios.

Pero ese resultado no es inevitable. Los idiomas más pequeños suelen tener menos contenido digital, menos conjuntos de datos de alta calidad y menos recursos disponibles para el desarrollo y prueba de sistemas de IA.

Sin una intervención específica, es probable que los idiomas que ya son más visibles en línea reciban las herramientas de mejor rendimiento, mientras que aquellos con menos recursos digitales se quedan aún más atrás. “La lengua del futuro no puede reservarse a un número limitado de hablantes”, afirmó Vincze. “Debe estar disponible para la mayor cantidad de personas posible”.

Construyendo las bases de la IA multilingüe

El evento mostró organizaciones apoyadas a través del programa LINGUA de Microsoft del Microsoft AI for Good Lab, cuyo objetivo es fortalecer las bases digitales disponibles para los idiomas de bajos recursos de Europa.

Los proyectos cubren una amplia gama de idiomas y comunidades, incluidos el vasco, ladino, romanche, ladino, maltés, luxemburgués, islandés, ucraniano, romaní y varios dialectos italianos.

El evento del Parlamento formó parte de la reunión de dos días del Centro de Innovación Abierta de Microsoft en Estrasburgo, organizada conjuntamente con el Consejo de Europa y GitHub. Allí, el MOIC anunció una nueva asociación con el Instituto Europeo Romaní para las Artes y la Cultura para desarrollar conjuntos de datos de texto y voz romaníes. Mientras tanto, GitHub lanzó un conjunto de datos de repositorios multilingües para mapear la colaboración de software que tiene lugar en idiomas distintos del inglés.

Los proyectos mostraron una variedad de trabajos. Algunos están creando conjuntos de datos abiertos de voz y texto; otros están digitalizando material cultural, desarrollando recursos educativos o creando nuevas formas de evaluar la precisión y seguridad de los modelos de IA en idiomas que tradicionalmente han estado subrepresentados en línea.

Los participantes se reunieron con representantes del proyecto a través de una serie de discusiones en grupos pequeños, lo que les permitió escuchar directamente sobre los desafíos técnicos, financieros y culturales involucrados.

Burton Davis, vicepresidente y asesor general adjunto de Microsoft, dijo que los proyectos demostraron tanto la amplitud del desafío como la variedad de soluciones posibles. Señaló que las iniciativas representaban un trabajo que abarcaba textos, discursos, vídeos, artefactos culturales y conocimientos, al tiempo que abordaban cuestiones que iban desde la recopilación de datos y la capacitación de modelos hasta la desinformación, la educación y la seguridad de la IA.

Todos deberíamos poder utilizar la IA en nuestra lengua materna

A pesar de sus diferentes enfoques, dijo Davis, compartían dos ambiciones comunes: usar la tecnología para preservar los idiomas y hacerlos más accesibles, y usar la diversidad lingüística para hacer que la IA sea más precisa, útil y segura. “Todos deberíamos poder utilizar la IA en nuestra lengua materna”, dijo, describiendo esto como un principio fundamental para el trabajo.

Inbal Becker-Reshef, director general del AI for Good Lab de Microsoft, se hizo eco de los comentarios de Davis y destacó que “el idioma determina quién puede usar la IA, permaneciendo inaccesible cuando las personas no pueden interactuar con ella en su propio idioma”. Describió los proyectos LINGUA como clave para garantizar que “todos los idiomas, conocimientos y comunidades estén plenamente representados en el futuro de la IA”.

De manera similar, el Dr. Juan M. Lavista Ferres, director del laboratorio AI for Good Lab de Microsoft, explicó que es “crítico, desde una perspectiva cultural, que las personas puedan comunicarse en su propio idioma”, y señaló que “la IA brinda un gran poder a las personas, pero no deberían necesitar aprender otro idioma para usarla”.

La inclusión del idioma también es relevante para la seguridad de la IA. Un modelo que funciona de manera confiable en inglés puede no brindar la misma calidad o protección de seguridad cuando se usa en un idioma para el cual ha recibido sustancialmente menos capacitación y pruebas.

Eso significa que la representación lingüística debe ir más allá de traducir una interfaz. Requiere datos apropiados, experiencia de la comunidad y evaluación durante todo el proceso de desarrollo.

Decisiones que marcarán la próxima década

Davis advirtió que las decisiones que se tomen ahora afectarán la forma en que se representan los idiomas en los sistemas de inteligencia artificial en los próximos años. Esas elecciones deberían hacerse deliberadamente, argumentó, en lugar de estar determinadas por los datos que sean más fáciles de encontrar en línea.

Esto requiere la participación de las comunidades más cercanas a las lenguas en cuestión, con empresas tecnológicas, instituciones públicas e investigadores trabajando junto a ellas.

La innovación abierta es una parte central de ese esfuerzo. Al producir conjuntos de datos con licencia abierta y compartir conocimientos entre proyectos, las organizaciones pueden reducir la duplicación y crear recursos que beneficien a una comunidad de investigación y desarrollo más amplia.

Pero los representantes del proyecto también destacaron la necesidad de un apoyo sostenido. Recopilar y validar datos lingüísticos es un trabajo complejo, particularmente cuando las comunidades están geográficamente dispersas, el material fuente no ha sido digitalizado o las cuestiones de consentimiento, administración y sensibilidad cultural deben abordarse cuidadosamente.

La IA aporta un gran poder a las personas, pero no deberían necesitar aprender otro idioma para utilizarla

Ningún sector puede resolver esos desafíos por sí solo. Davis pidió puentes más fuertes entre autoridades públicas, universidades, organizaciones sin fines de lucro, instituciones culturales, investigadores y empresas de tecnología para acelerar el progreso.

Para los responsables de las políticas europeas, la cuestión se cruza con varias prioridades más amplias: inclusión digital, diversidad lingüística, acceso a servicios públicos y seguridad de la IA. También cuestiona la idea de que el multilingüismo sea principalmente un costo o una carga administrativa.

Como argumentó Vincze, la diversidad lingüística debería ser tratada como un activo europeo, y uno que la tecnología emergente puede ayudar a sostener. La IA puede ofrecer a las comunidades lingüísticas de bajos recursos herramientas que antes eran imposibles o prohibitivamente costosas. Pero lograr ese potencial requerirá inversión, recursos abiertos y políticas que reconozcan la inclusión lingüística como parte de la infraestructura digital de Europa.

El mensaje central de Estrasburgo fue claro: la IA multilingüe no puede ser tratada como una adición a considerar una vez que la tecnología ya está construida. Las lenguas europeas y las comunidades que las hablan deben participar desde el principio. El Centro de Innovación Abierta de Microsoft se ha comprometido a convocar esa conversación y, a través de LINGUA, a respaldar los proyectos que la lleven adelante.

En asociación con