Google está llevando sus tecnologías lingüísticas basadas en inteligencia artificial más allá de la traducción de textos y se centra en comprender el tono, las emociones, el contexto, la jerga y los matices culturales de las conversaciones. En la actualidad, las tecnologías y los productos de la empresa facilitan las interacciones cotidianas de más de 7 mil millones de personas en más de 300 idiomas, lo que representa el 86 % de la población mundial. Google Translate, lanzado en 2006, pasó de unos pocos idiomas a más de 250.
Google señala que los sistemas tradicionales de reconocimiento de voz pierden elementos importantes de la comunicación al convertir primero el audio en texto y luego nuevamente en audio, por lo que está entrenando modelos como Gemini para procesar directamente el audio y comprender tanto el significado como la forma de hablar. De este modo, se busca comprender las risas, las pausas, las conversaciones superpuestas y las mezclas de idiomas como el spanglish o el hinglish.
Debido a la representación desproporcionada de los idiomas dominantes en internet, la empresa mantiene alianzas de datos abiertos con comunidades locales para los idiomas con una representación insuficiente. La nueva herramienta Language Explorer visualiza LinguaMeta, el mayor repositorio de datos lingüísticos de código abierto del mundo, y cartografía continuamente más de 7.000 lenguas habladas, escritas y de signos. El Centre for Digital Language Inclusion, respaldado por Google.org, y AI Singapore’s Project Aquarium también ayudan a que las herramientas multilingües lleguen a agricultores, trabajadores sanitarios, docentes y otros trabajadores de servicios esenciales.
Para los más de 3 mil millones de personas que no pueden acceder a una conexión fiable a internet, se desarrolló TranslateGemma, una familia de modelos abiertos y ligeros de traducción basados en Gemini y entrenados en 55 idiomas. El sistema, que funciona en el dispositivo, no requiere conexión a internet ni a la nube. Google también apoya el servicio “Ask Viamo Anything” (AVA) de Viamo, que lleva un asistente de voz basado en Gemini a los teléfonos básicos. En el programa piloto de Ruanda, AVA respondió a más de 2 millones de preguntas.
Sign Language-to-Text (SL2T), entrenado con más de 50 lenguas de signos, permite el dictado de signos a texto en Pixel 11 mediante Gboard y Live Transcribe; en una primera fase, la lengua de signos estadounidense (ASL) se traduce al inglés. El proyecto busca mejorar la accesibilidad para 70 millones de personas que utilizan lenguas de signos. En Nueva Zelanda, se mejoró la pronunciación de los nombres de lugares en Google Maps con la colaboración de expertos en maorí. Las tecnologías lingüísticas de Google también conectan a más de cinco mil millones de personas en nueve plataformas, entre ellas Search, Android, Chrome, YouTube y Google Play.
Por qué es importante
Este enfoque se basa en que los servicios de traducción vayan más allá de ofrecer equivalencias de palabras y procesen también la forma de hablar y el contexto cultural, con el objetivo de reducir los elementos que se pierden en la comunicación. Los modelos ligeros que funcionan en el dispositivo hacen que la conexión a la nube deje de ser un requisito de acceso para quienes carecen de una conexión fiable a internet, mientras que los asistentes de voz incorporados a teléfonos convencionales reducen la necesidad de disponer de un teléfono inteligente. Por su parte, la incorporación del soporte para lenguas de signos directamente en el teclado y en las herramientas de transcripción convierte la accesibilidad en parte de productos de uso general, en lugar de ofrecerla como un servicio independiente. Las alianzas de datos abiertos establecidas con comunidades locales buscan subsanar la falta de datos para incluir en los sistemas lenguas con escasa representación en internet. Sin embargo, el hecho de que la primera traducción de signos a texto se ofrezca únicamente de ASL al inglés deja abierta la cuestión de hasta qué punto se admitirán otras lenguas de signos.