Escondido dentro del Instituto de Tecnología Vellore en Chennai, India, hay un laboratorio lleno de equipos de audio futuristas. Se pueden encontrar maniquíes —conocidos en la industria como simuladores de cabeza y torso— así como micrófonos binaurales y audífonos. Se almacenan en cámaras especiales tratadas con un avanzado sistema de absorción acústica, lo que convierte a este laboratorio en el primero de su tipo en la India. Imagine que una instalación así se utiliza para desarrollar los últimos equipos de alta fidelidad (Hi-Fi) de próxima generación.

Aquí es donde el Instituto de Tecnología Vellore colabora con Samsung para producir y desarrollar datos e ideas que impulsan los últimos modelos de IA para las capacidades lingüísticas de Galaxy AI. El centro se desarrolló como parte del Samsung SEED (Students Ecosystem for Engineered Data) Labs, una iniciativa que permite al personal universitario, estudiantes y becarios en la India trabajar en proyectos solicitados por Samsung desde 2021. Este es solo uno de varios programas universitarios financiados por Samsung, en el que los alumnos tienen la oportunidad de trabajar en proyectos con expertos técnicos de la empresa.

“Como estudiante, me encanta poder trabajar en varios proyectos con una empresa conocida y respetada como Samsung”, asegura Yashika Ilanchezhiyan, estudiante del Samsung SEED. “Me dieron confianza para aprender nuevas habilidades de manera práctica y siento que estoy marcando una diferencia real en los productos actuales y futuros”.

“En este tipo de colaboración todos salen ganando”, afirma Giridhar Jakki, director de IA para idiomas en el Instituto de Investigación y Desarrollo de India – Bangalore (SRI-B). “Gracias a nuestros proyectos con universidades, podemos acceder a conocimientos adicionales y conjuntos de datos personalizados. A cambio, las universidades asociadas reciben inversión, incentivos financieros y asesoramiento especializado de Samsung”.

Reducir las barreras del idioma

SRI-B ha colaborado con equipos de todo el mundo para desarrollar modelos de IA para el inglés británico, indio y australiano, así como para los idiomas tailandés, vietnamita y indonesio. Recientemente, los principales ingenieros de otros centros de investigación de Samsung visitaron Bangalore (India), donde el equipo de SRI-B ayudó a desarrollar la tecnología para incorporar el vietnamita, el tailandés y el indonesio a Galaxy AI. De este modo, SRI-B se situó en una posición ideal para desarrollar el idioma hindi para Galaxy AI.

Según Jakki, “Cada idioma tiene sus desafíos. Pero cuando pensamos en el objetivo final de brindarle a las personas la capacidad de comunicarse en otros idiomas, todo el esfuerzo vale la pena. No veíamos la hora de incorporar el hindi a Galaxy AI”.

Desarrollar el modelo hindi de IA no fue fácil. El equipo tuvo que garantizar que se incluyeran más de 20 dialectos regionales, inflexiones vocales, puntuación y coloquialismos. Además, los hablantes de hindi suelen mezclar palabras en inglés en sus conversaciones. Esto requirió que el equipo tuviera que realizar varias sesiones de entrenamiento de modelos de IA con una combinación de datos traducidos y transliterados.

“El hindi tiene una estructura fonética compleja que incluye sonidos retroflejos —sonidos que se producen al curvar la lengua hacia atrás— que no existen en muchos otros idiomas”, asevera Jakki. “Para desarrollar el elemento de síntesis de voz de la solución de IA, analizamos cuidadosamente los datos con lingüistas nativos para comprender todos los sonidos únicos y creamos un conjunto especial de fonemas para admitir dialectos específicos del idioma”.

Los esfuerzos de colaboración entre Samsung y los socios académicos fueron fundamentales para desarrollar el modelo de lenguaje de IA que reflejara los matices culturales de las regiones de la India. El Instituto de Tecnología Vellore ayudó a obtener casi un millón de líneas de datos de audio segmentados y organizados sobre voz, palabras y comandos conversacionales. Los datos fueron un componente clave para una tarea tan crítica como la de incorporar el cuarto idioma más hablado del mundo a Galaxy AI. Trabajar con universidades garantizó que Samsung utilizara datos de la más alta calidad.

Conexiones globales que generan grandes impactos

Este proyecto resume a la perfección la filosofía de colaboración abierta de Samsung y la convicción de la compañía de que compartir conocimientos y perspectivas garantiza una innovación significativa.  En el caso de SRI-B, esto no solo incluye trabajar con el mundo académico sino también compartir ideas y prácticas recomendadas con otros centros de investigación de Samsung en todo el mundo.

“Estoy muy orgulloso de lo que hemos logrado con la ayuda de nuestros socios”, afirma Jakki. “La innovación en IA mediante la colaboración es una gran parte de lo que hacemos. Continuaremos comprendiendo, recopilando y analizando mejor los datos lingüísticos para que más personas puedan acceder a las herramientas de IA en el futuro”.

Enseñar un idioma a un modelo de IA es un proceso complejo, pero ¿y si no se trata de un idioma singular, sino de una recopilación de dialectos diferentes? Ese fue el reto al que se enfrentó el equipo de Samsung I+D Institute Jordan (SRJO). Aunque se añadió el “árabe” como opción de idioma para funciones de IA de Galaxy como Live Traslate, el equipo tuvo que atender a los distintos dialectos árabes que se extienden por Oriente Medio y el norte de África, cada uno de los cuales varía en pronunciación, vocabulario y gramática.

El árabe es uno de los seis idiomas más hablados del mundo, utilizado a diario por más de 400 millones de personas[1]. El idioma se clasifica en dos formas: Fus’ha (árabe moderno estándar) y Ammiya (los dialectos del árabe). Fus’ha se utiliza normalmente en actos públicos y oficiales, así como en los informativos, mientras que Ammiya es más común en las conversaciones cotidianas. Más de 20 países utilizan el árabe, y actualmente hay unos 30 dialectos en la región.

Reglas no escritas

El equipo del SRJO, consciente de las variantes que presentan estos dialectos, empleó una serie de técnicas para discernir y procesar los rasgos lingüísticos únicos inherentes a cada uno de ellos. Este enfoque fue crucial para garantizar que Galaxy AI pudiera entender y responder de una forma que reflejara con precisión los matices regionales.

“A diferencia de otros idiomas, la pronunciación del objeto en árabe varía en función del sujeto y el verbo de la frase”, explica Mohammad Hamdan, jefe de proyecto del equipo de desarrollo del idioma árabe. “Nuestro objetivo es desarrollar un modelo que entienda todos estos dialectos y pueda responder en árabe estándar”.

TTS es el componente de la función Live Traslate de Galaxy AI que permite a los usuarios interactuar con personas de diferentes idiomas traduciendo palabras habladas a texto escrito y reproduciéndolas después por voz. El equipo de TTS se enfrentó a un reto único, causado por una peculiaridad del trabajo con el árabe.

El árabe utiliza diacríticos, que son guías para la pronunciación de las palabras en algunos contextos, como textos religiosos, poesía y libros para estudiantes de idiomas. Los diacríticos son ampliamente comprendidos por los parlantes nativos, pero están ausentes en la escritura cotidiana. Esto dificulta que una máquina convierta el texto en bruto en fonemas, las unidades básicas de sonido que forman el habla.

“Faltan conjuntos de datos fiables y de alta calidad que representen con precisión el uso correcto de los diacríticos”, explica Haweeleh. “Teníamos que diseñar un modelo neuronal que pudiera predecir y restaurar esos diacríticos perdidos con gran precisión”.

Los modelos neuronales funcionan de forma similar a los cerebros humanos. Para predecir los diacríticos, un modelo tiene que estudiar muchos textos árabes, aprender las reglas del idioma y entender cómo se usan las palabras en distintos contextos. Por ejemplo, la pronunciación de una palabra puede variar mucho según la acción o el género que describa. La exhaustiva capacitación del equipo fue la clave para mejorar la precisión del modelo TTS árabe.

Mejorar la comprensión

El equipo del SRJO también tuvo que recopilar distintas grabaciones de audio de los dialectos procedentes de varias fuentes, que hubo que transcribir, centrándose en los sonidos, palabras y frases únicos. “Reunimos a un equipo de nativos en los dialectos que conocían bien los matices y variantes”, dice Ayah Hasan, cuyo equipo se encargó de la creación de la base de datos. “Escuchaban las grabaciones y convertían manualmente las palabras habladas en texto”.

Este trabajo fue fundamental para mejorar el proceso de reconocimiento automático del habla (ASR) de modo que Galaxy AI pudiera manejar la rica variedad de dialectos árabes. ASR es fundamental para que Galaxy AI pueda comprender y responder en tiempo real.

“Construir un sistema ASR que admita varios dialectos en un único modelo es una empresa compleja”, afirma Mohammad Hamdan, responsable de ASR en el proyecto. “Exige un conocimiento profundo de las complejidades del idioma, una cuidadosa selección de datos y técnicas avanzadas de modelado”.

La culminación de la innovación

Tras meses de planificación, construcción y pruebas, el equipo estaba listo para lanzar el árabe como opción lingüística para Galaxy AI, lo que permitiría a muchas más personas comunicarse más allá de las fronteras. Este único equipo ha conseguido que los servicios de IA de Galaxy sean accesibles para los que hablan árabe, reduciendo las barreras lingüísticas y culturales entre ellos y las personas de todo el mundo. Al hacerlo, han establecido nuevas buenas prácticas que se pueden extender a todo el mundo. Este éxito es sólo el principio: el equipo sigue perfeccionando sus modelos y mejorando la calidad de las capacidades lingüísticas de Galaxy AI.

En el próximo episodio, iremos a Vietnam para ver cómo el equipo mejora los datos lingüísticos. Además, ¿qué se necesita para entrenar un modelo de IA eficaz?

El árabe es solo una parte de los idiomas y dialectos que admite Galaxy AI y que se pueden descargar desde la aplicación Ajustes. Las funciones lingüísticas de Galaxy AI, como Live Traslate  e Interpreter, están disponibles en los dispositivos Galaxy que ejecutan la actualización One UI 6.1 de Samsung[2].

[1] UNESCO, Día Mundial de la Lengua Árabe 2023, https://www.unesco.org/en/world-arabic-language-day

[2] One UI 6.1 se lanzó por primera vez en los dispositivos de la serie Galaxy S24 con un despliegue más amplio a otros dispositivos Galaxy incluyendo las series S23, S23 FE, S22, S21, Z Fold5, Z Fold4, Z Fold3, Z Flip5, Z Flip4, Z Flip3, Tab S9 y Tab S8