Diversidade linguística e inclusão digital: desafios para uma ia brasileira

Sintesi Tecnica: Diversità Linguistica e Inclusione Digitale

Titolo: Diversità linguistica e inclusione digitale: sfide per un'IA brasiliana
Autore: Raquel Meister Ko. Freitag (Dipartimento di Lettere Vernacole, Università Federale di Sergipe - UFS)
Contesto: Preprint presentato nell'ambito del Piano Brasiliano per l'Intelligenza Artificiale 2024-2028.

1. Il Problema

Il documento affronta una contraddizione critica tra l'obiettivo del Piano Brasiliano per l'IA (2024-2028) di sviluppare modelli linguistici avanzati in portoghese che riflettano la diversità culturale, sociale e linguistica del Brasile, e la realtà attuale dello sviluppo dei Large Language Models (LLM).

• Bias di Selezione e Monolinguismo: Esiste un "mito del monolinguismo" che ignora la realtà multilingue del Brasile. Sebbene la Costituzione riconosca il portoghese come lingua ufficiale, essa garantisce anche diritti linguistici a comunità indigene, alla Libras (Lingua dei Segni Brasiliana) e a lingue di immigrazione. Tuttavia, i modelli attuali tendono a riconoscere solo il portoghese come lingua di sovranità, escludendo di fatto le altre lingue nazionali.
• Gerarchia delle Variazioni: Anche all'interno del portoghese brasiliano, i modelli di IA soffrono di un forte bias verso la varietà "prestigiosa" (standard), marginalizzando le varietà non standard o stigmatizzate. Questo crea un circolo vizioso: le varietà con documentazione linguistica abbondante vengono selezionate per l'addestramento, diventando dominanti, mentre le varietà sottorappresentate vengono ulteriormente invisibilizzate.
• Conseguenze Etiche: L'assenza di diversità nei dati di addestramento porta alla riproduzione e all'amplificazione di pregiudizi sociali, ingiustizia e mancanza di equità nelle risposte generate dall'IA, violando i principi di un'IA etica e socialmente sensibile.

2. Metodologia

L'articolo non presenta un esperimento computazionale diretto, ma adotta un approccio sociolinguistico critico e una analisi politica delle tecnologie:

• Analisi Sociolinguistica: Esame della relazione tra lingua e società in Brasile, basandosi su 50 anni di ricerca accademica nel campo.
• Revisione del Quadro Normativo: Analisi della Costituzione del 1988, della Legge 10.436/2002 (sulla Libras) e delle politiche di co-officializzazione delle lingue indigene e di immigrazione per dimostrare la diversità linguistica legale e fattuale del paese.
• Valutazione dello Stato dell'Arte: Analisi delle pratiche attuali di raccolta dati per i LLM, evidenziando come la selezione dei corpus rafforzi le asimmetrie esistenti.
• Proposta Architetturale: Definizione di requisiti tecnici e infrastrutturali necessari per colmare il divario tra la ricerca sociolinguistica esistente e le esigenze dell'IA.

3. Contributi Chiave

Il paper offre diversi contributi fondamentali per lo sviluppo di un'IA brasiliana sovrana ed etica:

• Decostruzione del Monolinguismo: Dimostra che un'IA brasiliana non può limitarsi al solo portoghese, né a una singola varietà di portoghese. Deve includere le lingue indigene, la Libras, le lingue di immigrazione e le varietà dialettali del portoghese.
• Identificazione del Gap Infrastrutturale: Evidenzia che, sebbene esista un vasto patrimonio di documentazione linguistica (tesi, dissertazioni, dati trascritti e annotati) prodotto dalla ricerca sociolinguistica brasiliana, questi dati sono attualmente archiviati in modo "asistemico" e non riutilizzabili per l'addestramento di modelli di IA.
• Proposta della "Piattaforma per la Diversità Linguistica Brasiliana":
  • Progetta un repository nazionale specifico per collezioni di dati sociolinguistici.
  • Definisce standard per metadati e linee guida di archiviazione.
  • Mira a creare un archivio comune accessibile sia al pubblico generale (per la visibilità delle diversità) sia agli sviluppatori di IA (per l'addestramento di LLM).
• Allineamento Strategico: Collega direttamente la ricerca accademica in sociolinguistica agli obiettivi nazionali di sovranità tecnologica, sottolineando che la diversità linguistica è un prerequisito per la giustizia sociale nell'era digitale.

4. Risultati e Raccomandazioni

Sebbene non vi siano risultati numerici di un modello, il paper conclude con raccomandazioni strategiche precise:

• Necessità di Documentazione Intensificata: È urgente intensificare la documentazione delle varietà sottorappresentate.
• Consapevolezza degli Sviluppatori: Gli sviluppatori di IA devono essere consapevoli che la selezione dei dati non è neutra; deve riflettere i valori linguistici e la rappresentatività dei gruppi sociali per evitare di rafforzare i pregiudizi.
• Istituzionalizzazione del Repository: È necessario un finanziamento e un supporto istituzionale per trasformare la "Piattaforma della Diversità Linguistica Brasiliana" in una realtà operativa, gestita in collaborazione con associazioni accademiche (ABRALIN, ANPOLL).
• Equità nell'Addestramento: Per garantire una sovranità nazionale reale, i LLM devono essere addestrati su campioni linguistici diversificati che includano tutte le lingue e le varietà parlate in Brasile, non solo la varietà standard del portoghese.

5. Significato

Questo lavoro è significativo perché:

• Colma il Divario tra Scienze Umane e Informatica: Fornisce una base teorica e pratica per integrare la sociolinguistica nello sviluppo dell'IA, un campo spesso dominato da approcci puramente tecnici.
• Previene l'Esclusione Digitale: Senza queste misure, l'IA rischia di diventare uno strumento di esclusione che cancella le identità linguistiche di milioni di brasiliani (indigeni, comunità di segni, parlanti di varietà regionali).
• Definisce la Sovranità dell'IA: Riformula il concetto di "sovranità dell'IA" non come semplice controllo tecnologico, ma come capacità di rappresentare fedelmente la complessità culturale e linguistica della nazione.
• Impatto Etico: Stabilisce che un'IA etica in Brasile è impossibile senza un approccio inclusivo alla diversità linguistica, trasformando la questione tecnica dei dati in una questione di diritti umani e giustizia sociale.

In sintesi, il paper sostiene che la creazione di un'IA brasiliana efficace ed etica dipende dalla capacità di passare da un modello monolitico a un modello pluricentrico e inclusivo, supportato da un'infrastruttura dati dedicata alla diversità linguistica.