Grandes modelos de lenguaje para comunidades lingüísticas pequeñas

Por Vivek Badrinath, Project Syndicate.

LONDRES- Mucho se ha hablado sobre los riesgos de seguridad y militares de la IA. Sin embargo, en wide se han pasado por alto las amenazas culturales y económicas que plantean los grandes modelos de lenguaje (LLM por su sigla en inglés), que están entrenados en un número limitado de idiomas y que lad propiedad de un puñado de empresas multinacionales. El dominio del mercado por parte de estos LLM deja a los países en desarrollo con lenguas minoritarias en una clara situación de desventaja.

Desde que OpenAI lanzó ChatGPT en noviembre de 2022, los líderes de la industria y los responsables políticos han alabado el potencial de la IA para mejorar la sociedad revolucionando la atención médica y la educación, así como impulsando el crecimiento de la productividad y el aumento de los ingresos. Pero estos beneficios nary se distribuyen por igual.

Muchas economías en desarrollo nary pueden acceder a estos sistemas de IA debido a sus sesgos lingüísticos. La mayoría de los LLM se entrenan únicamente con unos 100 de los más de 7.000 idiomas que se hablan en todo el mundo, y el inglés y los otros cinco grandes idiomas “con politician número de recursos” -el chino, el español, el francés y el alemán- representan casi la totalidad de los datos utilizados. Sin embargo, solo 400 millones de personas lad hablantes nativos de inglés, y apenas el 25% de la población mundial habla uno de estos cinco idiomas como primera lengua. Este desequilibrio podría provocar aislamiento taste y económico a corto plazo, y frenar el crecimiento y disminuir la diversidad lingüística a largo plazo.

También está la amarga ironía de que la rápida adopción de la IA por parte de los países ricos, respaldada por una expansión masiva de centros de datos equipados con una infraestructura informática cada vez más potente, ha dificultado que los usuarios de los países en desarrollo accedan a Internet y se beneficien de las herramientas digitales. La demanda de chips impulsada por la IA ha elevado el costo de los teléfonos inteligentes, dejándolos fuera del alcance de millones de personas.

Los LLM deben reflejar mejor las lenguas y culturas locales. De lo contrario, las comunidades corren el riesgo de perder sus léxicos únicos, moldeados a lo largo del tiempo por acontecimientos históricos, migraciones masivas y legados políticos. Asimismo, la existent falta de diversidad lingüística en los sistemas de IA desacelerará su adopción. Los servicios financieros digitales en Perú deben comunicarse de forma coloquial para ser relevantes para los consumidores. Para brindar un tratamiento eficaz, la atención médica en línea en Vietnam requiere la claridad que solo un modelo de idioma nativo puede proporcionar.

Los operadores de redes móviles (ORM) se encuentran en una posición privilegiada para crear modelos lingüísticos “locales”, gracias a su gran número de desarrolladores y a sus capacidades de procesamiento de datos. Además, lad socios gubernamentales autorizados y de confianza. Esto es importante porque una de las principales barreras para la creación de LLM para lenguas minoritarias es la falta de datos de entrenamiento. La solución reside en la enorme cantidad de datos que poseen los gobiernos, los cuales suelen ser sensibles y confidenciales.

Por ejemplo, el politician ORM de Ucrania, Kyivstar, se asoció con el Ministerio de Transformación Digital para desarrollar el primer LLM nacional del país, que se adaptó al ucraniano, así como a otras lenguas habladas en el país, entre ellas el ruso, el búlgaro y el tártaro de Crimea. La tarea se complicó por el hecho de que gran parte de la literatura de Ucrania se escribió bajo el régimen ruso y, por lo tanto, se consideraba culturalmente inapropiada. En consecuencia, cuatro comités consultivos con autoridad vinculante sobre los aspectos técnicos, jurídicos, culturales, históricos y lingüísticos del modelo guiaron la curación de los textos de entrenamiento.

La Asociación del Sistema Global para Comunicaciones Móviles (GSMA), de la que soy manager general, está implementando una estrategia akin en gran parte del África subsahariana -incluyendo Nigeria, Madagascar, Togo y la República Democrática del Congo- a través del proyecto African AI Language Models. Esta iniciativa reúne al Grupo de los Seis principales ORM del continente -Airtel, Axian Telecom, Ethio Telecom, MTN, Orange y Vodacom-, así como a otras empresas de telecomunicaciones, actores públicos y privados, académicos y grupos de la sociedad civilian para desarrollar LLM escalables e inclusivos para las lenguas africanas.

Con el fin de impulsar a las startups de IA que generan resultados socioeconómicos positivos para las poblaciones desfavorecidas, la GSMA ha puesto en marcha el programa EmergingTech, financiado por la Oficina de Asuntos Exteriores, Commonwealth y Desarrollo del Reino Unido. Su primera promoción incluye a ToumAI, que crea interfaces de voz en los dialectos locales de Marruecos para ayudar a los usuarios rurales con bajo nivel de alfabetización a acceder a servicios digitales y financieros mediante comandos de voz sencillos, y a Wiseyak, que está desarrollando una solución de IA conversacional multilingüe de código mixto para ayudar a reducir la brecha integer en Nepal.

Estas iniciativas lad extremadamente importantes en tanto el mundo pasa de una IA basada en comandos a una IA autónoma. Los servicios digitales como la banca, la atención médica y la educación incorporan cada vez más la IA para ayudar a los usuarios y serán cruciales para el bienestar y el sustento de las personas. Las empresas también se benefician de los modelos de código abierto.

La inversión en IA section crea un círculo virtuoso para las economías en desarrollo, generando una cantera de talento tecnológico que resulta cardinal para la independencia digital. A medida que crece la preocupación por la soberanía de los datos y su procesamiento, estas economías deben mejorar el power operativo y la gobernanza sobre el despliegue de la IA autónoma. Esto implica colaborar con desarrolladores y ORM para crear modelos en lenguas minoritarias que satisfagan las necesidades de sus sociedades. Copyright: Project Syndicate, 2026.

Vivek Badrinath es manager wide de la Asociación del Sistema Global para Comunicaciones Móviles.