Si alguna vez notaste que la tecnología no es 100% eficiente al hablar nuestro idioma, es posible que pronto recibas las mejoras que esperabas en las aplicaciones y diversos servicios. La Biblioteca Nacional de España y el Barcelona Supercomputing (BSC) presentaron un nuevo proyecto que promete mejorar el modo en que los sistemas digitales interactúan en idioma español. La herramienta creada fue bautizada MarIA, un nombre clásico entre los hispanoparlantes y que juega con la inclusión de las siglas “IA”, de “inteligencia artificial”.
Para esta iniciativa, los investigadores entrenaron al sistema con casi 60 terabytes de datos de la mencionada biblioteca. Según informan en Xataka, el trabajo recibió apoyo monetario del Plan de Tecnologías del Lenguaje en España. Los responsables de esta iniciativa asegura que este modelo es el más grande y eficiente disponible en esta lengua.
// Instagram: cómo traducir al español el texto de las Stories
Es interesante notar que el programa se distribuye bajo la modalidad de código abierto, que supone el libre para el entrenamiento de otros sistemas, que podrán aprovechar los avances conseguidos por este desarrollo. Tal como nota la fuente mencionada, mientas que muchos de los textos y archivos de la Biblioteca Nacional de España no se ofrecen en forma abierta, este proyecto “flexibiliza el a sus sistemas para aquellos profesionales o iniciativas” que buscan ofrecer mejores respuestas en nuestro idioma.
Las aplicaciones de MarIA
En concreto, este sistema es un conjunto de redes neuronales que fueron entrenadas para comprender las especificidades del español. En palabras de los investigadores involucrados, MarIA consigue “trabajar con interdependencias cortas y largas, siendo capaz de entender no sólo los conceptos abstractos sino también el contexto de los mismos”.
Los casi 60 terabytes de información fueron procesados para eliminar los gráficos, los números de páginas, las oraciones duplicadas y las referencias en otros idiomas, entre otros elementos barridos, y luego enviados al ordenador MareNostrum que lo paso a limpio luego de 6.910.000 horas. ¿Los resultados? 201.080.084 documentos editados que ocupan un total de 570 gigabytes de texto. Ese gran archivo luego se filtrado por una tecnología ya probada en idioma inglés, que permite que la IA aprenda el contexto de cada una de las palabras.
¿Cuáles son los sistemas que promete mejorar MarIA con su despliegue? De acuerdo a los responsables de la movida, el sistema que crearon ofrecerá avances en “los correctores o predictores del lenguaje, hasta las aplicaciones de resúmenes automáticos, chatbots, búsquedas inteligentes, motores de traducción y subtítulos automáticos”, entre otros.
// Estas son las tecnologías que más impactarán en la humanidad
Los expertos involucrados informaron que tras el despliegue de su ingenio crearán modelos similares para el portugués, catalán, gallego y también para el español de Hispanoamérica.
