El Centro de Inteligencia Digital de Alicante (CENID) alimenta los modelos de lenguaje con la terminología, las expresiones y la cultura que hay entorno a las fiestas alicantinas de hogueras de San Juan. Este material servirá para crear herramientas de inteligencia artificial más cercanas a los ciudadanos.
Las herramientas de inteligencia artificial generativa manejan una cantidad ingente de información, mucha más de la que puede imaginar cualquier persona. El problema es que se trata de datos ‘sin alma’, sin el toque humano que puede aportar cualquier persona. Este tipo de carencia se hace todavía más patente cuando la consulta versa sobre las fiestas y las tradiciones de un pueblo o una ciudad, aunque tiene solución.
El CENID ha cerrado un acuerdo con la Federación de Hogueras de San Juan, para la cesión de sus archivos e incorporar toda esa información sobre las hogueras de San Juan a la construcción de una inteligencia artificial en valenciano. Esta iniciativa forma parte del Proyecto ALIA, enmarcado en la Estrategia Nacional de Inteligencia Artificial, de creación modelos de lenguaje y otros recursos digitales, para el desarrollo de una inteligencia artificial en español y las lenguas cooficiales.
Información sobre las tradiciones para educar a la inteligencia artificial
Para sortear los errores de otros sistemas de inteligencia artificial generativa y no limitarse a ofrecer una información elaborada a partir de lo publicado en plataformas como Wikipedia o páginas webs institucionales, el CENID incorporará a los modelos de lenguaje todo el archivo histórico y social que suponen los Llibrets de Fogueres, unos documentos que anualmente elaboran cada comisión de hogueras y barracas que participan en la fiesta de San Juan.
Los llibrets son mucho más que un catálogo o una revista de la fiesta. Representan una ventana abierta a la tradición, en la que las agrupaciones hacen un recorrido por la historia, el sentimiento y el significado de esta manifestación cultural tan arraigada en la ciudad y la provincia de Alicante. En cada uno de estos documentos se guardan historias que se trasladan a los modelos, para que la inteligencia artificial entienda una lengua, pero no solamente, aprenda también de la cultura y las tradiciones que le dan sentido.
Las publicaciones de las diferentes hogueras y barracas tienen una temática distinta cada año, pero siempre tratan de profundizar en un aspecto cultural, que, a menudo, va más allá de la fiesta de hogueras en sí. Representan una fuente de información de gran valor para conocer las tradiciones y el sentir de la comunidad vinculada a esta fiesta, que no se puede quedar fuera del proyecto para crear una inteligencia artificial en valenciano.
Acercar los modelos de lenguaje al valenciano
“En ALIA buscamos acercar los modelos de lenguaje al valenciano, que hable como nosotros lo hacemos, es decir, que aprenda de nuestra cultura, nuestras tradiciones, nuestro contexto… para que no sea un simple traductor”, explica la investigadora del CENID y el proyecto ALIA, Beatriz Botella, una persona muy vinculada a la fiesta de las Hogueras de San Juan.
Los documentos elaborados con motivo de esta fiesta reúnen un conjunto de términos y expresiones en valenciano muy propios de la cultura alicantina, que difícilmente se podrían encontrar en otras fuentes de datos. En ellos se encuentra en valenciano que se habla en la calle, el valenciano real.
“Nosotros necesitábamos textos en valenciano, pero no los libros para aprender el valenciano, sino que reflejasen la sociedad de la Comunidad Valenciana, entonces, a mí, que pertenezco al mundo de hogueras, se me ocurrió usar los llibrets como fuente para los modelos de lenguaje”, añade Beatriz Botella.
Modelos de lenguaje fieles a la cultura valenciana
Con esta colección de textos, los especialistas de CENID y ALIA disponen de recursos lingüísticos para construir unos modelos de lenguaje fieles a la sociedad valenciana, un material imprescindible para crear una inteligencia artificial generativa cercana, que realmente ‘piense’ como lo hacen los vecinos de la comunidad valenciana.
El objetivo va mucho más allá de la propia terminología. En estos textos se expresan tanto la cultura, la tradición y el sentir de estas fiestas. Los investigadores encargados de la construcción de los modelos de lenguaje encuentran una “lengua viva, así como toda esa tradición y cultura que hay en la fiesta”.
Desde un punto de vista más técnico, para la incorporación de todos estos documentos al sistema de lenguaje se utilizan las versiones digitales que las comisiones de hogueras y barracas envían a imprenta. Documentos en formato PDF, de los que se extrae el texto, pero todavía no las imágenes.
Aprender del tipo de frases
Tal y como explica Juan Pablo Consuegra, uno de los técnicos implicados en este proyecto, los datos se emplean para enriquecer los modelos con vocabulario y enseñarle el modelo de frases que suelen darse con mayor frecuencia en ese tipo de documentos. Una vez que al sistema ha sido entrenado con los términos, se pasa una fase posterior en la que emplea toda la información suministrada para la resolución de tareas más complejas.
Los llibrets de fogueres son los primeros documentos de este tipo que se incorporan al proyecto ALIA, pero no serán los únicos. “La idea es incorporar cualquier otra fiesta, y sea en Alicante, Valencia o Castellón, que cuente con este tipo de material, como por ejemplo las fallas de Valencia o las fiestas de la Magdalena de Castellón. Estamos viendo cómo hacer los convenios de colaboración para que ellos nos cedan todos los textos posibles”, afirma Beatriz Botella.
Todo el material sobre las fiestas y las tradiciones de la Comunidad Valenciana incorporados a las bases de datos y modelos de lenguaje construidos en el Proyecto ALIA aportan un toque mucho más cercano a las soluciones de inteligencia artificial en valenciano que salgan de ellos. Será una inteligencia artificial que piense en valenciano, con los términos y recursos lingüísticos que se usan habitualmente; serán soluciones generativas cercanas, en las que los usuarios se podrán ver reflejados y sentir que esa tecnología les entiende de verdad. En definitiva, una inteligencia artificial con ‘alma’.
