Meta está entrenando una IA para que hable más de 1000 idiomas utilizando ¡La Biblia!

Meta ha anunciado que está usando la Biblia para mejorar la capacidad de sus modelos de inteligencia artificial (IA) en el reconocimiento y generación de voz en más de un millar de idiomas. Este esfuerzo innovador tiene como objetivo no solo desarrollar tecnología de punta, sino también conservar las lenguas amenazadas de extinción.

El ambicioso proyecto de Meta consiste en proporcionar al público sus nuevos modelos lingüísticos a través de la plataforma de alojamiento de código GitHub. De esta manera, programadores de diversos idiomas pueden desarrollar aplicaciones de voz novedosas y versátiles.

Meta usa el “Nuevo Testamento” de la Biblia para entrenar una IA

Para esta labor, Meta ha preparado a sus modelos usando dos conjuntos de datos: uno compuesto por grabaciones de audio del Nuevo Testamento en 1,107 idiomas y otro que incluye grabaciones sin etiquetas del Nuevo Testamento en 3,809 idiomas.

“Tenemos una gran cantidad de buenos conjuntos de datos para el inglés y algunos otros idiomas, pero no los tenemos para lenguas habladas por, por ejemplo, mil personas”. – Michael Auli, científico investigador en Meta

Actualmente, los investigadores de Meta sostienen que sus modelos pueden comunicarse en más de 1,000 idiomas y reconocer más de 4,000, lo cual es un logro significativo si consideramos que existen alrededor de 7,000 idiomas a nivel mundial.

En comparación con modelos de compañías competidoras, como el Whisper de OpenAI, la versión de Meta mostró una tasa de error la mitad de grande, a pesar de abarcar 11 veces más idiomas.

Un enorme desafía que revolucionaría la IA conversacional

La Biblia, uno de los libros más traducidos de la historia, ha sido vertida en más de 700 idiomas, según la Sociedad Bíblica Unida. El Nuevo Testamento, en particular, ha sido traducido a más de 1,500 idiomas. Esta amplia gama de traducciones ha impulsado la traducción continua en idiomas minoritarios y en peligro.

No obstante, la traducción bíblica no es un camino de rosas. Cada lengua tiene sus propias características, con distintas maneras de expresar ideas y conceptos. Esto implica que, en muchos casos, los traductores deben hacer esfuerzos titánicos para encontrar las palabras y frases adecuadas que transmitan con precisión los mensajes y significados originales de los textos bíblicos, lo que complica su uso como fuente perfecta para el entrenamiento de la IA.

A pesar de las mejoras en la comprensión y generación de idiomas, los modelos de Meta no están exentos de defectos. Los investigadores admiten que sus modelos pueden transcribir de manera incorrecta algunas palabras o frases, y que sus modelos de reconocimiento de voz generaron palabras más sesgadas que otros modelos, aunque solo en un 0.7% más.

Chris Emezue, investigador de Masakhane, una organización que se dedica al procesamiento de lenguaje natural para lenguas africanas, comentó al MIT que el uso de textos religiosos para entrenar modelos puede ser problemático. Según él, “la Biblia tiene muchos sesgos y distorsiones”.