Cinco centros especializados en tecnología de la información están creando la mayor colección recursos digitales para impulsar el uso del español y las lenguas cooficiales en el desarrollo de soluciones de inteligencia artificial. Los elementos necesarios para construir una inteligencia artificial que piensa en español se crean en el marco del proyecto ALIA.
Apenas el cinco por ciento de los datos empleados en soluciones tan conocidas como ChatGPT o Gemini están en español y la representación de lenguas como el catalán, gallego, valenciano y euskera en estas plataformas es meramente anecdótica. La lengua que hablan 600 millones de personas está discriminada por las grandes tecnológicas. Y ALIA llega para acabar con esa injusticia, con la creación de una infraestructura pública de inteligencia artificial en castellano y lenguas cooficiales, que potenciará estos idiomas en el desarrollo de la inteligencia artificial.
Inteligencia artificial en las lenguas de España
Enmarcado en la Estrategia Nacional de Inteligencia Artificial, ALIA está permitiendo el desarrollo de modelos de lenguaje y otros recursos digitales, destinadas al desarrollo de tecnologías de inteligencia artificial que tengan como base las lenguas habladas en España. Se trata de la primera iniciativa de este tipo de la Unión Europea y nace con el objetivo de potenciar la soberanía tecnológica, con el desarrollo de una inteligencia artificial transparente, responsable y al servicio de las personas.
Detrás de ALIA se encuentran el Centro de Supercomputación de Barcelona (BSC), el Centro de Inteligencia Digital de la Provincia de Alicante (CENID), el Centro Singular de Investigación en Tecnologías de la Información (CiTiUS), el Centro de Estudios Avanzados en Tecnologías de la Información y la Comunicación (CEATIC) y el Centro Vasco de Tecnología de la Lengua (HiTZ).
Estos centros de investigación aportan su conocimiento y experiencia, para el desarrollo de un repositorio de corpus en español y lenguas cooficiales, modelos de lenguaje fundacionales, un marco de evaluación de modelos de lenguaje, casos de uso piloto y para la creación de una red de equipos de colaboración técnica y acceso a esta tecnología.
Inteligencia artificial para cubrir las necesidades de las empresas
Con ALIA «queremos incentivar el uso de estos modelos de lenguaje y herramientas para el desarrollo de inteligencia artificial en el mundo empresarial», explica el director del CENID y catedrático de Lenguajes y Sistemas Informáticos de la Universidad de Alicante, Manuel Palomar.
Este experto hace un hincapié especial en las posibilidades que estas tecnologías abren para el mundo empresarial. Estas herramientas y recursos digitales, que se encuentran a disposición de la comunidad de forma libre y gratuita, permiten la construcción de soluciones de inteligencia artificial aplicables en todas las áreas de las empresas. Pueden ser la base para el desarrollo de un asistente conversacional para la atención al cliente, un sistema de extracción de datos o, incluso, un asistente para la facturación. La gama de soluciones basadas en inteligencia artificial que pueden construirse a partir de estos modelos de lenguaje es amplísima y cubren las necesidades de cualquier tipo de empresa. Además, desde ALIA se presta apoyo técnico para que las empresas puedan incorporar este tipo de tecnología.
Ventajas de la inteligencia artificial desarrollada con los recursos de ALIA
A diferencia de soluciones comerciales de gigantes tecnológicos, los modelos creados en el marco del proyecto ALIA ofrecen la ventaja de cubrir las necesidades de áreas de conocimiento muy específicas. Además, «están hechos con tecnología española e incorporan el patrimonio cultural del español y las lenguas cooficiales. Cualquiera de los modelos que estamos desarrollando para el euskera, el valenciano, el gallego o el catalán funcionan mejor que cualquier otro, porque no son tan precisos para tareas tan concretas. Incorporan muchos más datos», explica Manuel Palomar.
Otra característica que hace únicos los modelos de lenguaje de ALIA es el hecho de que para su entrenamiento se ha utilizado un 20 por ciento de material en español, frente al cinco por ciento que se ha empleado en la construcción de las soluciones de inteligencia artificial generativa de las grandes tecnológicas.
«Los modelos de ALIA presentan una clara diferencia con los modelos de los que todos conocemos, como ChaGPT, Gemini o LLaMa, que se han entrenado con muy pocos datos en español y casi nada en las lenguas cooficiales», opina el director del CENID.
Una IA para el turismo, la propiedad intelectual o la administración
A la hora de construir estas herramientas no se pensaba en competir con las grandes tecnológicas, que cuentan con recursos económicos prácticamente ilimitados. El objetivo era ofrecer a la comunidad unas herramientas más específicas, construidas en español y en las lenguas cooficiales, que den resultados mejores en campos como el turismo, la propiedad intelectual, la salud o la administración, por citar solamente algunos de los ámbitos para los que se han construido modelos.
El entrenamiento de los modelos de lenguaje y, en general, las soluciones de inteligencia artificial generativa requieren de una enorme capacidad de procesamiento computacional. En el caso del entrenamiento de la familia de modelos ALIA, el procesamiento de varios miles de millones de palabras ha necesitado del uso de miles de horas de MareNostrum 5, uno de los superordenadores más potentes del mundo, ubicado y gestionado por el BSC, capaz de acelerar la ciencia y la tecnología a una velocidad de 314.000 billones de cálculos por segundo.
Gracias a esta infraestructura, el proyecto ALIA tiene a disposición pública un par de modelos de texto, listos para ser utilizados, así como media docena de modelos fundacionales para desarrolladores. Asimismo, ha publicado cuatro modelos de voz y ocho modelos de traducción automática.
Por otro lado, en su repositorio hay conjuntos de datos y herramientas para la creación de modelos de texto, de voz y de traducción.
La colección de herramientas se completa con demostradores de tecnología.
Todo este potencial tecnológico, disponible de manera gratuita, va a potenciar una inteligencia artificial que piensa en español, mucho más cercana y accesible; una tecnología hecha para resolver problemas de sectores estratégicos, con la España se posicionará globalmente como una potencia en el campo de la inteligencia artificial.
