Modelo de IA Open-Source Agora Traduz 250 Idiomas de Baixos Recursos, Conectando 1,5 Bilhão de Falantes ao Mundo Digital

Um consórcio incluindo Meta AI, Google DeepMind e 30 universidades da África, Ásia e América do Sul lançou um modelo de tradução por IA de código aberto que suporta 250 idiomas anteriormente mal atendidos pela tecnologia — conectando aproximadamente 1,5 bilhão de falantes a conteúdo online, informações de saúde e recursos educacionais pela primeira vez em suas línguas nativas.

O modelo, chamado LinguaBridge, representa um avanço na IA multilíngue. Sistemas de tradução anteriores se destacavam em idiomas com dados de treinamento abundantes — inglês, chinês, espanhol, francês — mas tinham desempenho fraco em idiomas falados por milhões, porém raramente representados online. Idiomas como iorubá, quíchua, khmer e tigrínia agora alcançam qualidade de tradução próxima à dos principais idiomas mundiais.

“O modelo, chamado LinguaBridge, representa um avanço na IA multilíngue.”

A inovação técnica fundamental foi uma nova abordagem de treinamento chamada "scaffolding linguístico," que aproveita similaridades estruturais entre idiomas relacionados para impulsionar a qualidade de tradução para idiomas de baixos recursos. Em vez de precisar de milhões de documentos traduzidos para cada idioma, o sistema aprende de um conjunto de dados menor e transfere conhecimento de idiomas relacionados na mesma família.

A ênfase do projeto na liberação de código aberto é deliberada. A Dra. Marta Ruiz-Costa-jussà, que coordenou o esforço pela Meta AI, explicou que manter uma tecnologia tão fundamental como proprietária perpetuaria a divisão digital.

O impacto já está sendo sentido. No Quênia, organizações de saúde começaram a usar o LinguaBridge para traduzir diretrizes médicas em 15 idiomas locais. No Peru, o ministério da educação está usando-o para criar traduções de livros didáticos em oito idiomas indígenas.

O consórcio se comprometeu com melhorias contínuas do modelo e estabeleceu uma estrutura de governança que dá às comunidades linguísticas voz direta sobre como seus idiomas são representados.