Avance en IA en árabe allana el camino para modelos de lenguaje inclusivos

La llegada de plataformas de IA de modelos de lenguaje grandes como Chat-GPT ha inaugurado una nueva era de interacciones impulsadas por IA. Si bien ha habido un aumento en el interés y el desarrollo de la tecnología de IA en Oriente Medio, los modelos en idioma árabe a menudo han quedado rezagados. Sin embargo, un esfuerzo colaborativo entre la Universidad de Inteligencia Artificial Mohamed bin Zayed de Abu Dabi (MBZUAI), Cerebras Systems con sede en Silicon Valley y la empresa de IA de los Emiratos Árabes Unidos G42 ha desvelado una herramienta de IA innovadora adaptada para hablantes de árabe, llamada «Jais». Este desarrollo no solo aborda las necesidades de los hablantes de árabe, sino que también tiene el potencial de avanzar en los modelos de lenguaje grandes en otros idiomas subrepresentados dentro del panorama de la IA.

El desafío de los modelos de lenguaje en árabe

Aunque los modelos de lenguaje existentes como ChatGPT y LLaMA de Meta tienen algunas capacidades en árabe, fueron entrenados predominantemente con datos en inglés de internet. Según Timothy Baldwin, rector interino y profesor de procesamiento del lenguaje natural en MBZUAI, Jais tomó un enfoque diferente. Utilizó una combinación de conjuntos de datos en inglés y árabe, con un fuerte énfasis en el contenido de Oriente Medio. Este enfoque de entrenamiento único ha permitido que Jais logre un nivel de comprensión y competencia en árabe que lo distingue de sus contrapartes.

El dominio de los idiomas del alfabeto latino

El dominio de los idiomas que utilizan el alfabeto latino, con el inglés a la vanguardia, en internet ha llevado a la creación de conjuntos de datos más grandes para estos idiomas. Mohammed Soliman, director de tecnologías estratégicas y del programa de ciberseguridad en el Instituto del Oriente Medio, destaca que el acceso exclusivo a herramientas de IA para idiomas específicos podría perjudicar a varias secciones de la sociedad. Los modelos de lenguaje entrenados principalmente en inglés a menudo carecen de conciencia cultural y comprensión de diversos orígenes, lo que puede afectar negativamente las experiencias de los usuarios.

Matices culturales y dialectos en árabe

El árabe, siendo el sexto idioma más hablado a nivel mundial, presenta un desafío único debido a su rica diversidad de dialectos. El árabe estándar moderno se utiliza típicamente para documentos oficiales y escritura formal, mientras que los dialectos locales son prevalentes en blogs y redes sociales. Jais, con sus diversos datos de entrenamiento, tiene la capacidad de navegar entre estos dialectos y comprender los matices culturales, lo que lo hace más versátil y aplicable en diferentes industrias.

Expandiendo las posibilidades

A medida que Jais continúa evolucionando, el equipo de desarrollo está buscando expandir sus capacidades más allá de las interacciones basadas en texto. Planean incorporar la capacidad de trabajar con imágenes, gráficos o datos tabulares, abriendo posibilidades para aplicaciones en la interpretación de escaneos médicos, análisis de datos de inversión o procesamiento de datos satelitales.

Responsabilidad en el desarrollo de IA

Jais, al igual que otros modelos de IA generativa, implementa el ajuste de instrucciones para prevenir la generación de contenido dañino o tóxico. Se adhiere a las reglas y costumbres locales, asegurando que las respuestas estén en línea con las normas éticas y culturales. El proceso de desarrollo de Jais involucró diálogos con el gobierno de los Emiratos Árabes Unidos y otras instituciones para garantizar el despliegue responsable de la IA.

Desarrollos regionales en los Emiratos Árabes Unidos

Los Emiratos Árabes Unidos han estado a la vanguardia del desarrollo de sistemas de IA generativa. En 2017, se convirtió en el primer país del mundo en nombrar un Ministro de IA. Cabe destacar que el modelo de IA generativa más grande de la región, Falcon, fue desvelado por el Consejo de Investigación de Tecnología Avanzada de Abu Dabi y el Instituto de Innovación Tecnológica (TII). Aunque Falcon actualmente solo está disponible en inglés, cuenta con 180 mil millones de parámetros y supera a los competidores en pruebas de razonamiento, codificación y conocimiento. Tanto Falcon como Jais son de código abierto, haciendo que su código sea accesible para que cualquiera lo utilice o modifique.

El impacto potencial de la IA en Oriente Medio

Según un informe de 2018 de PwC, Oriente Medio podría obtener hasta 320 mil millones de dólares en beneficios de la IA para 2030. La región está interesada en construir sus capacidades en el dominio de la IA para aprovechar todo el potencial de esta tecnología. Ali Hosseini, director digital principal de PwC para Oriente Medio, destaca que algunos de los mejores modelos de IA de código abierto han sido desarrollados en la región, citando a Falcon y Jais como ejemplos principales.

La introducción de Jais, una herramienta de IA adaptada para hablantes de árabe, es un paso significativo hacia adelante para abordar la brecha lingüística dentro del panorama de la IA. No solo sirve a las necesidades de los hablantes de árabe, sino que también establece un precedente para el desarrollo de modelos de lenguaje para idiomas subrepresentados en todo el mundo. Con su capacidad para entender dialectos y matices culturales, Jais está posicionado para tener un impacto profundo en varias industrias, fomentando la evolución de la IA en Oriente Medio y más allá. A medida que la tecnología de IA continúa avanzando, la inclusividad en los modelos de lenguaje es crucial para asegurar que los beneficios de la IA sean accesibles para diversas poblaciones en todo el mundo. Jais representa un paso prometedor en esa dirección, con el potencial de más desarrollos innovadores en el horizonte.