Grandes LLMs são treinados com vastas quantidades de texto, mas esse texto não está distribuído uniformemente pelas línguas do mundo. O resultado é um desequilíbrio estrutural: a IA geradora tem um bom desempenho nas línguas mais faladas e um mau desempenho nas minoritárias, particularmente naquelas com presença digital limitada. Isto não é uma mera nota de rodapé técnica. Isto molda quais comunidades podem beneficiar das ferramentas de IA e quais ficam efetivamente de fora. No entanto, uma história mais silenciosa está a desenrolar-se a par desta desigualdade, uma que a maioria das coberturas sobre IA e linguagem tende a ignorar.
O Problema Estrutural: Nem Todas as Línguas São Iguais Online
Os sistemas de IA geradora aprendem com dados. Quanto mais texto uma língua tem online, melhor um modelo a consegue representar. Para as línguas faladas por milhões, isto cria um ciclo virtuoso. Para as línguas minoritárias, cria o oposto.
O hula, falado na Papua-Nova Guiné, tem cerca de 10.000 falantes. O tétum, a língua franca de Timor-Leste, tem pouco mais de 1 milhão. O dinka, falado no Sudão do Sul, tem aproximadamente 5 milhões de falantes, mas uma representação digital muito limitada. Nenhuma destas línguas aparece nos dados de treino de IA numa escala que permita aos modelos processá-las com precisão. Quando aparecem nos resultados da IA, é provável que sejam mal representadas.
Isto não é simplesmente uma limitação técnica à espera de ser resolvida. Reflete um padrão mais profundo: as comunidades cujas línguas estão sub-representadas online são frequentemente as mesmas comunidades com menos recursos para defender a inclusão nos pipelines de desenvolvimento comercial de IA. A lacuna agrava-se a si mesma.
Comunidades a Construir as Suas Próprias Ferramentas
Eis o que a maioria da cobertura perde: algumas destas comunidades não estão à espera que as grandes empresas de tecnologia resolvam o problema. Estão a construir as suas próprias soluções, utilizando a IA como ferramenta de construção em vez de um produto acabado.
O Vavanagi é uma plataforma de documentação de línguas construída inteiramente por e para a comunidade hula na Papua-Nova Guiné. Liderados por Bri Olewale, os membros da comunidade usaram ferramentas de programação de IA para conceber e construir uma plataforma que não poderiam ter montado de outra forma. A comunidade hula carece da força de trabalho de linguistas e engenheiros de software tipicamente necessária para este tipo de projeto. A IA reduziu essa barreira. A plataforma tem agora mais de 80 utilizadores que contribuíram coletivamente com mais de 12.000 traduções de inglês para hula. O objetivo a longo prazo é acumular dados suficientes para construir uma aplicação de tradução para a língua hula.
O Tulun adota uma abordagem diferente. Construído em parceria com a organização não-governamental local Maluk Timor, ajuda os educadores de saúde a traduzir material de educação para a saúde em tétum. A equipa pode gerir a sua própria lista de termos e frases aprovados, garantindo que as traduções são precisas e contextualmente adequadas para os profissionais de saúde timorenses. O modelo de IA adapta-se ao conteúdo carregado pelo utilizador, tornando a tradução um processo colaborativo entre sistemas automatizados e especialistas locais em vez de um resultado unidirecional.
O dicionário de dinka para inglês, desenvolvido por Alier Makoi Achuoth do Sudão do Sul, aborda uma necessidade diferente: expandir e preservar o vocabulário dinka em formato digital. Achuoth usou modelos de IA para ajudar a conceber a aplicação, recolher dados e organizá-los. A sua motivação declarada foi desenvolver uma solução prática em vez de esperar que uma organização externa agisse.
Três ferramentas, três comunidades, três propósitos diferentes. O que partilham é o uso da IA para canalizar o conhecimento local de volta para a comunidade que o detém, nos termos da própria comunidade.
Porque É que Isto Importa Além da Linguagem
A importância destes projetos estende-se muito além da linguística. Desafiam um enquadramento comum nas discussões sobre a IA e o Sul Global: que os países de rendimento mais baixo e as comunidades minoritárias são principalmente partes afetadas, recipientes de tecnologia desenvolvida noutros lugares, sujeitos às suas consequências, mas não à sua autoria.
A realidade tem mais camadas. A adoção de IA no Quénia e na Nigéria, por exemplo, atinge níveis tão altos quanto nos Estados Unidos, o que complica o pressuposto de que os países de rendimento baixo estão simplesmente a ficar para trás. As pequenas empresas no Sul Global estão a usar a tradução assistida por IA para competir em mercados onde a tradução profissional era anteriormente inacessível. Estes não são casos marginais. São sinais precoces de um tipo diferente de história de adoção de IA.
Cat Kutay, uma cientista informática de ascendência aborígene da Charles Darwin University, observou que várias comunidades de Primeiras Nações na Austrália estão agora a desenvolver a sua própria tecnologia linguística. O enquadramento que ela oferece é instrutivo: assim como estas comunidades adotaram o automóvel quando este se tornou relevante para a forma como viviam e se moviam, estão agora a adotar a IA porque esta é relevante para a tradução e a narração de histórias. A tecnologia está a ser adotada nos termos delas, para os propósitos delas.
Isto importa para a forma como os investigadores, financiadores e criadores de políticas pensam sobre o desenvolvimento da IA. Um modelo descendente, em que grandes instituições constroem ferramentas e as comunidades as recebem, perde a agência que já está presente. Os projetos liderados pelas comunidades não são uma solução de recurso. Podem produzir as representações digitais mais precisas e culturalmente fundamentadas de línguas minoritárias que existem.
Em Resumo
A lacuna de linguagem da IA é real: as línguas minoritárias com presença digital limitada são mal servidas pelos grandes modelos de linguagem, e essa lacuna não se fecha automaticamente. Mas as comunidades não são passivas face a isto. Projetos como o Vavanagi, o Tulun e o dicionário de dinka para inglês mostram que a IA pode funcionar como uma ferramenta de capacitação, baixando o custo e a barreira técnica o suficiente para que as comunidades construam o que precisam por si mesmas. A implicação mais ampla é que as aplicações de IA mais significativas para comunidades sub-representadas podem não vir de grandes empresas de tecnologia. Podem vir de dentro.
Com base em reportagem de The Conversation AI.