Hay un dicho en el Instituto de Investigación y Desarrollo de Samsung de Polonia (SRPOL, su sigla en inglés): “Un día en SRPOL dura 96 ​​horas”. Se refiere a su papel global como uno de los centros de I+D más grandes y de más rápido crecimiento en la región, que a menudo trabaja en cuatro zonas horarias diferentes. Ubicado en el corazón de Europa y cubriendo muchos mercados europeos y globales, SRPOL ha trabajado en reconocimiento automático de voz, traducción automática neuronal y modelos de texto a voz para más de 30 idiomas. Cuando se trató de incorporar 10 idiomas a Galaxy AI, esta experiencia significó que el equipo estaba bien preparado para combinar de forma continua las perspectivas culturales con la tecnología global de Samsung.

SRPOL tiene años de experiencia en procesamiento del lenguaje natural. Lo que lo hace único es su adaptabilidad para trabajar en cualquier idioma gracias al apasionado equipo y sus herramientas, como una plataforma de crowdsourcing que permite un desarrollo rápido y ágil.

“La colaboración en todo el continente significa la recopilación, anotación e investigación de datos incesantes, lo que se ha convertido en algo que realmente disfrutamos”, afirma Kornel Jankowski, Head de Decodificación de Voz de SRPOL. “Hemos trabajado con tantos idiomas que nuestro equipo desarrolló habilidades universales e independientes del idioma. Cuando nos piden que apoyemos un nuevo modelo de lenguaje, la actitud de todos es: ¡Que bueno, vamos a aprender otro, será divertido!».

Un centro europeo para el desarrollo del lenguaje de IA

El idioma es una piedra angular de la cultura y la comunicación en toda Europa, independientemente de si está incorporado a la tecnología. Sin embargo, presenta desafíos únicos para el equipo de SRPOL, que desarrolla modelos de inteligencia artificial para idiomas europeos.

“Cada idioma y la cultura de la que forma parte conlleva obstáculos que nos hacen reevaluar cómo percibimos un tema específico”, explica Adam Ros, Head de Inteligencia Artificial de SRPOL. Estos obstáculos incluyen sortear la intraducibilidad de ciertas frases y manejar expresiones idiomáticas que pueden no tener equivalentes directos en otros idiomas.

El equipo vio estos desafíos como una oportunidad para hacer de SRPOL un centro europeo para el desarrollo del lenguaje de IA. El mayor beneficio de esto es que acorta el camino de comunicación entre diferentes departamentos y, fundamentalmente, el camino de toma de decisiones. Ya sea que se trate de reconocimiento automático de voz, traducción automática neuronal o texto a voz, los equipos podrían simplemente acercarse a sus colegas en Garantía de Calidad Móvil y resolver juntos los problemas de manera eficiente.

Si bien esto ha ayudado, no ha superado todos los desafíos de la IA. Inevitablemente, existen limitaciones en los modelos de IA cuando se trata de múltiples idiomas europeos, como la traducción sin contexto o variaciones en la entonación. Sin embargo, el equipo vio esto como una oportunidad para seguir aprendiendo e innovando.

“Mi equipo nunca se detiene en un solo ejemplo cuando maneja una palabra o tema nuevo. Algunas lenguas europeas son más difíciles que otras”, añade Ros. Si alguna vez estuviste en España, sabrás que el español se habla a menudo a velocidades vertiginosas y necesitamos entrenar bien a la IA para manejar eso”.

La expansión de Galaxy AI requirió una novedosa colaboración entre continentes, pero el trabajo pronto creció más allá de las fronteras europeas. SRPOL apoyó los esfuerzos del equipo de Jordania para enseñar la gran variedad de dialectos árabes de Galaxy AI, así como el trabajo del equipo de Brasil en idiomas latinoamericanos.

La importancia de las sutilezas del idioma y las diferencias culturales están en el radar de los desarrolladores de productos SRPOL porque todas ellas pueden notarse por el objetivo: los usuarios finales.

“Existen diferencias sutiles entre las culturas europeas que influyen en si algo se siente natural para el usuario final. Por ejemplo, en algunos países la gente espera leer los precios con el símbolo del euro (€), mientras que otros están acostumbrados a verlo escrito, e-u-r-o-s”, dice Agata Maria Rozycka, Head de Investigación de Inteligencia de Voz en SRPOL. “Si este matiz cultural no se refleja en el texto traducido, la interfaz puede parecer menos intuitiva para el usuario. La implementación de estos conocimientos a nivel micro en el diseño de interfaces puede hacer que la tecnología se sienta más natural en diversas culturas”.

“El equipo se ha estado comunicando y colaborando de forma remota en diferentes países durante muchos años, creando numerosos canales de comunicación eficaces”, afirma Marcin Mrugala, Head de Garantía de Calidad Móvil de SRPOL. “Estábamos listos para hacer nuestra parte para permitir que Galaxy AI reduzca las barreras del idioma en todo el mundo”.

Tecnología para unir culturas

Gestionar e integrar diversos conocimientos lingüísticos y culturales es una tarea desafiante, pero es esencial para la visión de Samsung para Galaxy AI: reducir las barreras que dividen a las personas según el idioma y la cultura, y permitirles crear conexiones más profundas.

“No sólo estamos construyendo la tecnología del futuro, sino también los equipos del futuro. Nuestras mejores prácticas están diseñadas para perfeccionar los productos en función de las diferencias entre países, pero fundamentalmente creemos que nuestras similitudes superan con creces nuestras diferencias y que nuestra tecnología puede unir culturas”, afirma Mrugala.

“Nuestro objetivo es unir a las personas, hacerles la vida más fácil y simplificar sus tareas diarias. Estamos viendo a nuestras familias usar la Grabadora de Voz de nuevas maneras y ahora podemos llamar a nuestros amigos en diferentes países y hablar con ellos en su propio idioma. Es mágico ver este cambio en el mundo y ser parte de él. Galaxy AI unió a la gente de SRPOL y ahora estamos uniendo al mundo”, concluye Rozycka.

A medida que Samsung continúa siendo pionera en experiencias móviles de inteligencia artificial de primera calidad, visitamos los centros de investigación de Samsung en todo el mundo para aprender cómo la IA de Galaxy está permitiendo que más usuarios maximicen su potencial. Ahora, la IA de Galaxy es compatible con 16 idiomas, permitiendo que más personas puedan expandir sus capacidades lingüísticas, incluso sin conexión, gracias a la traducción en el dispositivo en funciones como Traducción Simultánea, Intérprete, Asistente de Notas y Asistente de Navegación. ¿Pero en qué consiste el desarrollo del lenguaje de la IA? Esta serie examina los desafíos de trabajar con IA móvil y cómo los superamos. Para empezar, nos dirigimos a Indonesia para aprender dónde comienza uno a enseñar a la IA a hablar un nuevo idioma.

Según el equipo del Samsung R&D Institute Indonesia (SRIN), el primer paso es establecer objetivos, “Una gran IA comienza con datos de buena calidad y relevantes. Cada idioma exige una manera diferente de procesar esto, por lo que nos sumergimos profundamente para comprender las necesidades lingüísticas y las condiciones únicas de nuestro país”, dice Junaidillah Fadlil, Head de IA en SRIN, cuyo equipo recientemente agregó soporte para Bahasa Indonesia (idioma indonesio) a Galaxy AI. “El desarrollo de idiomas locales debe estar liderado por insights y la ciencia, por lo que cada proceso para agregar idiomas a Galaxy AI comienza con nosotros planificando qué información necesitamos y podemos obtener legal y éticamente”. 

Las características de Galaxy AI, como Traducción Simultánea, realizan tres procesos principales: reconocimiento automático de voz (ASR, su sigla en inglés), traducción automática neuronal (NMT, su sigla en inglés) y texto a voz (TTS, su sigla en inglés). Cada proceso necesita un conjunto distinto de información.

ASR, por ejemplo, necesita grabaciones extensas de voz en numerosos entornos, cada una de ellas acompañada de una transcripción precisa del texto. Los diferentes niveles de ruido de fondo ayudan para tener en cuenta los diferentes entornos. “No basta con añadir ruidos a las grabaciones”, explica Muchlisin Adi Saputra, Head de ASR del equipo. “Además de los datos lingüísticos que obtuvimos de los socios autorizados de terceros, debemos salir a cafeterías o entornos de trabajo para grabar nuestras propias voces. Esto nos permite capturar de forma auténtica sonidos únicos de la vida real, como las voces de la gente o el ruido de los teclados”.

También hay que tener en cuenta la naturaleza siempre cambiante de las lenguas. Saputra añade: “Tenemos que estar al día de la jerga más reciente y de cómo se utiliza, ¡y la mayoría de las veces la encontramos en las redes sociales!”.

A continuación, NMT requiere datos de entrenamiento de traducción. “Traducir el bahasa indonesio es todo un reto”, afirma Muhamad Faisal, líder del equipo de NMT. “Su uso extensivo de significados contextuales e implícitos se basa en señales sociales y situacionales, por lo que necesitamos numerosos textos traducidos a los que la IA pueda hacer referencia para nuevas palabras, palabras extranjeras, nombres propios y modismos, cualquier información que ayude a la IA a comprender el contexto y las reglas de comunicación”.

Luego, TTS requiere grabaciones que abarquen una variedad de voces y tonos, con un contexto adicional sobre cómo suenan partes de palabras en diferentes circunstancias. “Buenas grabaciones de voz podrían hacer la mitad del trabajo y cubrir todos los fonemas requeridos (unidades de sonido en el habla) para el modelo de IA”, agrega Harits Abdurrohman, líder de TTS. “Si un actor de voz hizo un gran trabajo en la fase anterior, el enfoque se desplaza hacia el perfeccionamiento del modelo de IA para pronunciar claramente palabras específicas”.

Juntos somos más fuertes

Se necesitan diversos recursos para planificar tantos datos, y el SRIN trabajó en estrecha colaboración con expertos en lingüística. “Este desafío requiere creatividad, ingenio y experiencia tanto en Bahasa Indonesia como en aprendizaje automático”, reflexiona Fadlil. “La filosofía de colaboración abierta de Samsung jugó un papel importante en lograr que se hiciera el trabajo, al igual que nuestra escala de operaciones y nuestra historia en el desarrollo de IA”.

Trabajando con otros centros de investigación de Samsung en todo el mundo, el equipo del SRIN pudo adoptar rápidamente las mejores prácticas y superar las complejidades de establecer objetivos de datos. Además, la colaboración fue beneficiosa para avanzar no solo en tecnología, sino también en cultura. Cuando el equipo del SRIN se unió a sus contrapartes en Bangalore, India, observaron las costumbres locales de ayuno, creando conexiones más profundas y expandiendo su comprensión de diferentes culturas.

Para el equipo, el proyecto de expansión del lenguaje de Galaxy AI adquirió un nuevo significado. “Estamos especialmente orgullosos de nuestros logros aquí, ya que este fue nuestro primer proyecto de IA, y no será el último mientras continuemos refinando nuestros modelos y mejorando la calidad de la entrega”, concluye Fadlil. “Esta expansión no solo refleja nuestros valores de apertura, sino que también respeta e incorpora nuestras identidades culturales a través del lenguaje”.

En el próximo episodio de The Learning Curve, nos dirigiremos al R&D Institute Jordan para hablar con el equipo que dirigió el proyecto de idioma árabe de Galaxy AI. Conéctate para conocer las complejidades de crear y entrenar un modelo de IA para un idioma con diversos dialectos.