La irrupción de los grandes modelos de lenguaje y, en general, la inteligencia artificial generativa ha transformado la manera de escribir, crear y trabajar. Este acelerado cambio plantea una pregunta: ¿en qué lenguas funciona esta nueva tecnología? La respuesta, hoy por hoy, es preocupante para las lenguas minorizadas. Los grandes modelos se entrenan mayoritariamente con datos en inglés, español, francés y chino. El euskera, el occitano, el aragonés y el catalán siguen en situación de desventaja estructural: menos datos, menos herramientas, menos presencia en los sistemas que millones de personas utilizan cada día.

El territorio de los Pirineos —más de 15 millones de habitantes, seis lenguas, múltiples variedades locales— es un laboratorio único de multilingüismo en Europa. Es también uno de los territorios donde esa desigualdad digital se hace más visible y donde la cooperación transfronteriza tiene más sentido.

El proyecto europeo LINGUATEC-IA, que trabaja en la digitalización y el desarrollo de IA para las lenguas con pocos recursos de ambos lados de los Pirineos, ha presentado una plataforma de doblaje automático, en el marco del Congreso Transfronterizo Lenguas minorizadas e inteligencia artificial. Mirando al futuro desde ambos lados de los Pirineos organizado por Linguatec-IA en Baiona dentro de los Cursos de Verano Transfronterizos (UNUM). Linguatec-IA está conformado por entidades investigadoras y universidades de ambos lados de los Pirineos, entre ellas, la EHU, y liderado por Elhuyar.

Esta plataforma permite trasladar contenidos audiovisuales entre las lenguas pirenaicas (occitano, euskera, catalán, aragonés, francés y español), y dispone de las tecnologías más punteras en IA orientada al lenguaje: “Gracias a toda la tecnología desarrollada para la traducción automática, reconocimiento de voz (ASR) y síntesis de voz (TTS) para las lenguas minorizadas a las que nos referimos, se ha creado una plataforma de doblaje automático. La demo que se muestra en este evento muestra cómo en breve será una herramienta clave para el multilingüismo del territorio, dando pie a crear en pocos minutos vídeos en varios idiomas. Esta herramienta va a ser uno de los resultados más visibles del proyecto Linguatec-IA”, explica Itziar Cortés, coordinadora del proyecto europeo y miembro de Elhuyar.

Expansión de la red en un futuro próximo

La presentación de esta tecnología desarrollada para lenguas con pocos recursos pone de manifiesto la importancia de la colaboración entre pequeños. “Esta plataforma demuestra la importancia del compromiso de las instituciones y la cooperación para conseguir que las lenguas con pocos recursos no queden rezagadas en la era de la IA generativa”, comenta.

En ese sentido, el consorcio articulado en torno al proyecto Linguatec-IA —Elhuyar (Orai NLP Teknologiak), Lo Congrès, Hitz Zentroa (EHU), Universidad de Toulouse – Jean Jaurès, Universidad de Perpignan – Via Domitia, Iker zentroa (CNRS), Universidad de Lleida y Gobierno de Aragón— ha firmado un manifiesto para renovar y consolidar la Red de Excelencia Transfronteriza en Inteligencia Artificial orientada al Lenguaje, junto con representantes de Navarra y Nueva Aquitania: Javier Arakama (director gerente de Euskarabidea- Instituto Navarro del Euskera) y Mathieu Bergé (representante de la región de Nueva Aquitania)

El objetivo del acto ha sido “consolidar esta Red de Excelencia Transfronteriza, para que a través de la cooperación construyamos una infraestructura lingüística transpirenaica que garantice la presencia de nuestras lenguas en la era de la inteligencia artificial generativa”, añade.

La coordinadora destaca la dificultad que entraña este cometido debido a la diferente situación en materia digital de cada lengua: “Partiendo del diagnóstico de cada una de ellas, se han diseñado sendas hojas de ruta con el objetivo de avanzar de manera independiente con cada una de ellas y dotarlas de las herramientas tecnológicas necesarias, en función del punto de partida de cada una”, señala Cortés.

No obstante, este proyecto ha demostrado que la cooperación transfronteriza entre lenguas minorizadas no es solo posible, sino que “es eficaz. Desde que en 2021 pusimos en marcha el anterior proyecto Linguatec, se han desarrollado recursos lingüísticos, modelos de IA y herramientas tecnológicas concretas para el euskera, el occitano, el aragonés y el catalán”. Los firmantes del manifiesto proyectan incorporar nuevos actores en un futuro próximo: “El compromiso de todos es crucial para que nuestras lenguas avancen en este escenario que cambia a gran velocidad”, concluye Cortés.

*El proyecto LINGUATEC-IA ha sido cofinanciado al 65 % por la Unión Europea a través del Programa Interreg VI-A España-Francia-Andorra (POCTEFA 2021-2027). El objetivo del POCTEFA es reforzar la integración económica y social de la zona fronteriza España-Francia-Andorra.