Julen Etxaniz, investigador del Centro de Investigación HiTZ de la Universidad del País Vasco, ha presentado una tesis que abre nuevas posibilidades para mejorar la inteligencia artificial (IA) en lenguas con pocos recursos, como el euskera. Su trabajo demuestra que es innecesario entrenar modelos desde cero, permitiendo la adaptación de modelos de lenguaje existentes a las necesidades específicas de estas lenguas. Esto no solo reduce el costo y el tiempo de desarrollo, sino que también permite una mayor inclusión cultural y lingüística en la era digital.
La investigación ha dado lugar a la creación de Latxa, una familia de modelos de lenguaje abiertos específicamente adaptados al euskera y su contexto cultural. Estos modelos ya están siendo utilizados en aplicaciones de asistencia conversacional y traducción, y ofrecen una respuesta más natural a los hablantes de euskera, mejorando así la interacción en su lengua nativa.
Etxaniz señala que la inteligencia artificial no parte de las mismas condiciones para todas las lenguas, lo que genera desigualdades en la comprensión y generación textual. Mientras que idiomas como el inglés o el castellano cuentan con abundantes recursos digitales, muchas otras lenguas, como el euskera, carecen de corpus adecuados y herramientas de evaluación, lo que limita gravemente el rendimiento de la IA en esas lenguas. A través de su investigación, el autor busca derribar estas barreras, presentando una estrategia abierta para la mejora de la IA en comunidades lingüísticas con menos recursos.
El valor adaptativo de Latxa se destaca al señalar que un modelo mal entrenado, concebido mayoritariamente con datos en inglés o castellano, puede no comprender adecuadamente el euskera ni reflejar la riqueza cultural de sus hablantes. Por ello, Etxaniz enfatiza que el objetivo va más allá de simplemente traducir el lenguaje: se busca que la IA interactúe de manera significativa y contextualizada en euskera, asegurando una comprensión más profunda de la realidad cultural.
Los hallazgos de la tesis tienen aplicaciones prácticas inmediatas en tecnología emergente, como asistentes virtuales y traducción automática. Gracias a los avances en la adaptación de modelos, los usuarios pueden realizar consultas en euskera y recibir respuestas más relevantes, sin que sea necesario recurrir a otras lenguas.
Además, la metodología presentada por Etxaniz no está limitada exclusivamente al euskera. Investigadores del centro han comenzado ya a aplicar estos enfoques a otras lenguas con pocos recursos, como el catalán, el gallego y el occitano. Este enfoque innovador sugiere que los mismos principios pueden ser útiles para diversas comunidades, siempre que se les brinden los recursos y el soporte adecuados.
Finalmente, se destaca el compromiso con la ciencia abierta, ya que todos los modelos, datos y programas desarrollados en esta investigación están bajo licencias abiertas. Esto permite a otras comunidades e investigadores reutilizar y seguir desarrollando las herramientas, potenciando así la investigación en el campo y mejorando la disponibilidad de tecnologías lingüísticas avanzadas que sirven a diversas sociedades.
