A Google está a levar as tecnologias linguísticas apoiadas por inteligência artificial para além da tradução de textos, concentrando-se em compreender o tom, a emoção, o contexto, a gíria e as nuances culturais nas conversas. Atualmente, as tecnologias e os produtos da empresa apoiam as interações diárias de mais de 7 mil milhões de pessoas, que representam 86% da população mundial, em mais de 300 idiomas. Já o Google Translate, lançado em 2006, passou de alguns idiomas para mais de 250.
Observando que os sistemas tradicionais de reconhecimento de voz perdem elementos importantes da comunicação ao converterem primeiro o áudio em texto e depois novamente em áudio, a Google está a treinar modelos como o Gemini para processarem diretamente o áudio e compreenderem tanto o significado como a forma de falar. O objetivo é, assim, compreender risos, pausas, falas sobrepostas e misturas linguísticas como Spanglish ou Hinglish.
Devido à representação desproporcional dos idiomas dominantes na internet, a empresa mantém parcerias de dados abertos com comunidades locais para idiomas com pouca representação. A nova ferramenta Language Explorer visualiza o LinguaMeta, o maior repositório de dados linguísticos de código aberto do mundo, mapeando continuamente mais de 7.000 línguas faladas, escritas e gestuais. O Centre for Digital Language Inclusion, apoiado pelo Google.org, e o AI Singapore’s Project Aquarium também ajudam as ferramentas multilingues a chegar a agricultores, profissionais de saúde, professores e outros trabalhadores de serviços essenciais.
Para mais de 3 mil milhões de pessoas sem acesso a uma internet fiável, foi desenvolvida a TranslateGemma, uma família de modelos abertos e leves de tradução baseados no Gemini, treinados em 55 línguas. O sistema, que funciona no dispositivo, não requer ligação à internet nem à nuvem. A Google também apoia o serviço “Ask Viamo Anything” (AVA) da Viamo, que leva um assistente de voz com tecnologia Gemini a telemóveis básicos. Num projeto-piloto no Ruanda, o AVA respondeu a mais de 2 milhões de perguntas.
Treinado em mais de 50 línguas gestuais, o Sign Language-to-Text (SL2T) permite ditar por gestos para texto no Pixel 11 através do Gboard e do Live Transcribe; numa primeira fase, a Língua Gestual Americana (ASL) é traduzida para inglês. O projeto pretende aumentar a acessibilidade para 70 milhões de pessoas que utilizam línguas gestuais. Na Nova Zelândia, a pronúncia dos nomes de locais no Google Maps foi melhorada em colaboração com especialistas em Māori. As tecnologias linguísticas da Google também ligam mais de cinco mil milhões de pessoas em nove plataformas, incluindo Search, Android, Chrome, YouTube e Google Play.
Por que é importante
Esta abordagem baseia-se em fazer com que os serviços de tradução vão além da produção de equivalentes de palavras e processem também a forma de falar e o contexto cultural, procurando assim reduzir os elementos que se perdem na comunicação. Enquanto os modelos leves executados no dispositivo deixam de tornar a ligação à nuvem uma condição de acesso para quem não dispõe de internet fiável, os assistentes de voz disponibilizados em telemóveis convencionais reduzem a necessidade de um smartphone. Já a integração do apoio à língua gestual diretamente nos teclados e nas ferramentas de transcrição transforma a acessibilidade numa componente de produtos de uso generalizado, em vez de um serviço separado. As parcerias de dados abertos estabelecidas com comunidades locais visam colmatar a lacuna de dados na inclusão, nos sistemas, de línguas pouco representadas na internet. Em contrapartida, o facto de a primeira tradução de gestos para texto estar disponível apenas de ASL para inglês deixa em aberto a questão de até que ponto outras línguas gestuais serão apoiadas.