Un Modelo de IA de Código Abierto Ahora Traduce 250 Idiomas de Bajos Recursos, Conectando a 1.500 Millones de Hablantes con el Mundo Digital

Un consorcio que incluye Meta AI, Google DeepMind y 30 universidades de África, Asia y América del Sur lanzó un modelo de traducción por IA de código abierto que soporta 250 idiomas previamente desatendidos por la tecnología — conectando a aproximadamente 1.500 millones de hablantes con contenido en línea, información de salud y recursos educativos por primera vez en sus lenguas nativas.

El modelo, llamado LinguaBridge, representa un avance en la IA multilingüe. Los sistemas de traducción anteriores se destacaban en idiomas con abundantes datos de entrenamiento — inglés, chino, español, francés — pero tenían un rendimiento deficiente en idiomas hablados por millones pero raramente representados en línea. Idiomas como yoruba, quechua, jemer y tigriña ahora alcanzan una calidad de traducción cercana a la de los principales idiomas mundiales.

La innovación técnica clave fue un nuevo enfoque de entrenamiento llamado "andamiaje lingüístico," que aprovecha las similitudes estructurales entre idiomas relacionados para impulsar la calidad de traducción para idiomas de bajos recursos. En lugar de necesitar millones de documentos traducidos para cada idioma, el sistema aprende de un conjunto de datos más pequeño y transfiere conocimiento de idiomas relacionados en la misma familia.

El énfasis del proyecto en la publicación de código abierto es deliberado. La Dra. Marta Ruiz-Costa-jussà, quien coordinó el esfuerzo desde Meta AI, explicó que mantener una tecnología tan fundamental como propietaria perpetuaría la brecha digital.

El impacto ya se está sintiendo. En Kenia, organizaciones de salud han comenzado a usar LinguaBridge para traducir guías médicas a 15 idiomas locales. En Perú, el ministerio de educación lo está usando para crear traducciones de libros de texto en ocho idiomas indígenas.

El consorcio se ha comprometido con mejoras continuas del modelo y ha establecido una estructura de gobernanza que da a las comunidades lingüísticas voz directa sobre cómo se representan sus idiomas.