Los grandes modelos lingüísticos de “bots” como ChatGPT suelen basarse en datos en línea
La empresa de telecomunicaciones Veon, el operador de telefonía móvil Beeline Kazakhstan, el Centro Nacional de Supercomputación de Barcelona y el grupo de presión GSMA dijeron el miércoles que colaborarán para reducir la “brecha lingüística de la inteligencia artificial” en los idiomas infrarrepresentados.
Los grandes modelos lingüísticos de “bots” como ChatGPT suelen basarse en grandes cantidades de datos en línea, como libros digitales, páginas web, artículos y blogs, para aprender a generar respuestas similares a las humanas. Pero en algunos idiomas los datos y recursos son limitados.
“De las casi 7.000 lenguas que se hablan en el mundo, sólo siete se consideran lenguas con muchos recursos en el mundo digital: el inglés, el español, el francés, el mandarín, el árabe, el alemán y el japonés”, afirman los grupos en una declaración conjunta.
Colaborarán en el desarrollo de herramientas y documentación de modelos lingüísticos en lenguas infrarrepresentadas, incluidas las habladas en los países donde opera Veon: Pakistán, Ucrania, Bangladés, Kazajistán, Uzbekistán y Kirguistán.
Otra lengua era el catalán, hablado por unos 10 millones de personas, según el comunicado.
