Proxecto Nós: Galego na sociedade da Intelixencia Artificial

Unha boa parte das innovacións tecnolóxicas que se están a desenvolver nesta época fano baseándose en asistentes virtuais e nas intelixencias artificiais (IA) para estabelecer novas relacións entre as persoas e as máquinas. Unhas máquinas que aprenden, escoitan, crean e falan, nun salto tecnolóxico que ten unha importancia semellante á chegada da Internet, e no que as linguas cobran gran relevancia. Non estamos a falar dun futuro imaxinado ou de previsións a longo prazo, senón de tecnoloxías que xa son comúns no noso día a día, como os asistentes de voz de Google, Siri (Apple) ou Alexa (Amazon) que temos nos nosos teléfonos e televisores; os sistemas de voz que nos guían ao noso destino desde o navegador GPS do coche; ou os que nos atenden automaticamente desde os servizos de atención ao cliente, entre outras. Oye Siri, ¿qué tiempo hará mañana? As persoas que empregan estas tecnoloxías decataríanse de que non poden dirixirse a elas en galego -aínda que é certo que ás veces acertan por similitude- e moito menos recibir instrucións na nosa lingua, polo que foron -fomos- adaptando o costume de facer o cambio de idioma para a interacción coas máquinas, empregando outros soportados, como o español, o portugués ou o inglés. Para pór solución a esta problemática, a mediados de 2021 Galiza puxo en marcha o "Proxecto Nós: O galego na sociedade e na economía da Intelixencia Artificial", unha das iniciativas máis ambiciosas de cara a avanzar na universalización do galego, cuxo nome é unha homenaxe á Xeración Nós, da que formaron parte, entre outros, Risco, Otero Pedraio, Cuevillas ou Castelao, e con quen comparte o carácter universalista e o obxectivo de situar o galego no mundo, dignificándoo. Un "proxecto de País" segundo os seus responsábeis, no que colaboran a Xunta da Galiza coa Universidade de Santiago de Compostela (USC), a través do Instituto da Lingua Galega (ILG) e o Centro Singular de Investigación en Tecnoloxías Intelixentes da USC (CiTIUS), e ao que en próximas datas está previsto que se incorpore tamén a Universidade de Vigo (UVigo). O investigador do CiTIUS Pablo Gamallo define o Proxecto Nós como "un proxecto de Intelixencia Artificial e procesamento de lingua natural, que tenta crear os recursos e modelos de lingua para o galego, situándoo como unha das linguas que ten a capacidade tecnolóxica para desenvolver produtos dentro do mundo das tecnoloxías lingüísticas". "Trátase de crear a infraestrutura necesaria para que centros de investigación tecnolóxica, empresas ou administracións poidan desenvolver tecnoloxía en galego, facilitando que a nosa lingua acceda en igualdade de condicións a eses novos espazos que traen as novas tecnoloxías", destaca a directora do ILG, Elisa Fernández. O Proxecto Nós encádrase dentro das estratexias dos Gobernos de Xunta, Estado e Unión Europea orientadas ao desenvolvemento de tecnoloxías, ferramentas e aplicacións para a proxección e uso das linguas nos ámbitos de aplicación da IA. En concreto, aborda algunhas das grandes tarefas vencelladas ao procesamento da linguaxe natural, incluíndo o recoñecemento da fala, a síntese de voz, os sistema de diálogo, a corrección e avaliación lingüística automáticas, a extracción de información ou a verificación de información e minaría de opinións. Todos os recursos que se están a desenvolver baixo o paraugas do Proxecto Nós son de libre aceso por terceiros, o que permitirá á sociedade galego-falante realizar a súa vida diaria dixital na súa lingua. "Consideramos necesario desenvolver estes recursos con código aberto: recursos libres que facilitan que eses terceiros poidan dispor deles e desenvolver casos de uso ou ferramentas específicas", engade Gamallo. A solución a un gran problema A razón pola que a nosa lingua aínda non conquistou ferramentas como os asistentes de voz ten que ver coa falta dun modelo en galego como o que se está a desenvolver co Proxecto Nós. "Ese modelo as empresas non o están a desenvolver, porque resulta moi custoso, tanto desde o punto de vista económico como desde a investigación, xa que se necesita un grande equipo", sinala Gamallo. E é que ademais do equipo, o desenvolvemento destes modelos para unha lingua implica ter acceso a corpus textuais ligados ás tarefas que vai realizar a ferramenta que se queira crear, algo difícil de conseguir no galego, onde as fontes de datos son máis limitadas do que noutras linguas. "As empresas que desenvolven aplicacións ligadas á lingua no Estado están máis centradas en crear produtos concretos ca nas linguas que incluirán, para o cal empregan modelos existentes (OpenAI ou adaptación de modelos libres) para idiomas como o español, pero que non serven para a nosa lingua", engade o investigador do CiTIUS. Na mesma liña ca Gamallo, o Secretario Xeral de Política Lingüística, Valentín García comenta que "os grandes desenvolvementos tecnolóxicos están nas mans de grandes corporacións multinacionais, que por si mesmas non se van ocupar do galego até pasado tempo", e apunta que a solución pasa porque a Administración traballe para "pór o galego a disposición de todas as entidades públicas e privadas, en formato libre, para que a nosa lingua chegue aos produtos finais á mesma hora ca linguas como o español, o inglés ou o alemán". Textos e voz para adestrar a IA Para o adestramento dos sistemas de texto e voz faise necesario contar con grandes volumes de datos que sirvan para que unha intelixencia artificial xenerativa, como a empregada polo Proxecto Nós, poida desenvolverse, facerse máis precisa e mellorar os seus resultados. "Temos convenios con diferentes fornecedores de texto (xornais e entre eles Nós Diario, editoras, a propia Xunta...), pero a meirande parte do contido escrito tratamos de recollelo da web logo de verificar que non ten dereitos de autor protexidos", sinala Gamallo. Cita o investigador do CiTIUS que "actualmente contamos con 4.000 millóns de palabras e texto suficiente para facer os modelos de lingua fundacionais que nos servirán para facer un chatbot ou outros modelos especializados". Algo máis complexo resulta conseguir recursos de voz para adestrar os sistemas de recoñecemento, xa que malia haber varias fontes habituais para conseguilos -desde o equipo do proxecto apuntan principalmente á CRTVG e ao Parlamento da Galiza-, o certo é que non sempre se ten a necesaria correspondencia entre o audio e a súa transcrición literal en texto. A isto hai sumar as dificultades relacionadas coa protección dos dereitos intelectuais e artísticos, xa que en numerosas ocasións limita o uso dos recursos que poderían ser potencialmente válidos. É por iso que vén de poñerse en marcha cunha campaña na que calquera persoa pode contribuír doando a súa voz a través da plataforma Common Voice de Mozilla, que permitirá non só aumentar o número de horas de voz, senón tamén conseguir diferentes fonéticas e variantes dialectais, enriquecendo así o funcionamento dos sistemas de recoñecemento de voz. Máis de 15 millóns de euros O Proxecto Nós está financiado a través do Proxecto Estratéxico para a Recuperación e Transformación Económica (Perte) da Nova Economía da Lingua (NEL), aprobado polo Goberno do Estado e vencellado aos Fondos de Recuperación Next Generation. Este Perte ten como obxectivo fundamental impulsar a nova economía dixital baseada na linguaxe natural, aproveitando o potencial de todas as linguas do Estado como factor de crecemento económico e de competitividade internacional, en áreas como a Intelixencia Artificial, a tradución, o ensino, a produción e divulgación cultural e, en xeral, a investigación e a ciencia. Neste proxecto común, ademais de estar representada a lingua galega na figura NEL NÓS (vencellada ao Proxecto Nós), tamén están o éuscaro co NEL GAITU (a partir do proxecto homónimo desenvolto na Universidade de Euskal Herria); o catalán co NEL AINA (posto en marcha polo Barcelona Supercomuting Center) e o NEL VIVES co valenciá (dirixido pola Universidade de Alacante). O proxecto galego conta cun orzamento que supera os 15 millóns de euros para un período de tres anos. Malia ese financiamento e calendario inicial, desde a Secretaría Xeral de Política Lingüística apúntase á posibilidade de contar cun refinanciamento do proxecto para poder seguir ampliando os fondos dispoñíbeis. "Os avances do mundo tecnolóxico fan necesario que haxa que estar actualizando as ferramentas desenvolvidas, co cal estamos ante un proxecto de futuro, que debe ir máis aló dos tres anos previstos", adianta o Secretario Xeral, Valentín García. Nun futuro próximo agárdase tamén a chegada de capital privado, conforme as diferentes corporacións comecen a perfilar os seus produtos e ferramentas en base aos avances desenvolvidos ao abeiro do Proxecto Nós. Son varias as empresas -de diferente tamaño- que xa amosaron o seu interese neste proxecto, e que están a seguir de perto a súa evolución para integralo nas súas ferramentas comerciais proximamente. "O noso obxectivo é que o Proxecto Nós repercuta no tecido empresarial galego, coa especialización e a creación de novas empresas vencelladas a este tipo de tecnoloxías de voz", apunta García, quen tamén prognostica que "vai crearse un mercado arredor destes avances e vai haber moitas encargas, polo que é necesario apostar por iniciativas emprendedoras". Ferramentas a disposición das usuarias Malia non ser o seu obxectivo principal, desde o Proxecto Nós tamén se están a desenvolver ferramentas de uso xeral, algunhas das cales xa están postas a disposición da sociedade de maneira gratuíta para amosar as potencialidades dos recursos nos que se están a traballar. Tres destas ferramentas xa están accesíbeis desde a web nos.gal: o primeiro tradutor neuronal multilingüe feito na Galiza; o primeiro recoñecedor de voz que entende o galego e o converte en texto; e unha aplicación de síntese de voz que a partir dun texto é quen de lelo en galego. O tradutor neuronal é o que se atopa nun estado máis avanzado, con modelos para a tradución galego-español e galego-inglés (e viceversa) xa funcionais e de gran calidade, e dos que se espera facer unha proba piloto proximamente nalgún servizo da Administración pública galega. Ademais, tamén se están a desenvolver os modelos para a tradución galego-catalán e galego-éuscaro, e viceversa. O sistema de recoñecemento automático de voz, aínda que xa é funcional, está nun estado máis embrionario. Pódese probar subindo un arquivo de voz ou gravándoo cun micrófono, pero aínda precisa moitos máis datos para ser adestrado e para mellorar as súas prestacións. "Para facer un recoñecemento automático, os sistemas xenerativos precisan escoitar moito para adestrarse e aprender", sinala Elisa Fernández, directora do ILG. En canto ao sistema de síntese de voz baseado en redes neuronais, que a partir dun texto en galego pásao a voz, xa está preparado un prototipo avanzado con tres voces: Celtia, Sabela e Icía, sendo a primeira a que ofrece un son máis natural. "Ter unha voz como Celtia, capaz de ler en voz alta un texto escrito, abre a porta ao desenvolvemento dunha gran cantidade de ferramentas, como asistentes virtuais", propón Fernández. Posibilidades de futuro Máis aló de casos de uso como os que xa están accesíbeis e que se poden probar na páxina web nos.gal, os avances do Proxecto Nós serán a base para o desenvolvemento de novas aplicacións, non só para nos comunicar entre humanos e máquinas, senón tamén para que a sociedade galega practicamente poida ter acceso a recursos ilimitados na nosa lingua de maneira sinxela. Algúns exemplos das posibilidades que abre o Proxecto Nós para a nosa lingua son as traducións de calidade cun só clic; a lectura automática de textos para mellorar a experiencia e accesibilidade de persoas con problemas de visión; a transcrición de reunións ou sesións plenarias; o resumo de textos ou intervencións; o subtitulado e a dobraxe de audiovisual ou a tradución e interpretación en tempo real de chamadas telefónicas, entre outras. Porque hoxe, máis ca nunca, o futuro da nosa lingua depende de NÓS.