Plataforma de la Diversidad Lingüística Brasileña: repositorio de datos lingüísticos para una inteligencia artificial soberana

Resumen

Objetivo: Presentar la propuesta de la Plataforma de la Diversidad Lingüística Brasileña, iniciativa de la Asociación Brasileña de Lingüística (ABRALIN) y del Grupo de Trabajo de Sociolingüística de la Asociación Nacional de Posgrado e Investigación en Letras y Lingüística (ANPOLL), y discutir su contribución al desarrollo de modelos de lenguaje en portugués previsto en el Plan Brasileño de Inteligencia Artificial (PBIA) 2024-2028. Método: Ensayo teórico-propositivo, fundamentado en el análisis documental del PBIA y en estudios sobre sesgos lingüísticos en modelos de lenguaje y sobre la gestión de colecciones de datos sociolingüísticos en Brasil. Resultado: Los modelos de lenguaje disponibles se entrenan con datos en los que predomina el inglés y en los que el portugués aparece sobre todo en registros escritos, formales y urbanos, lo que repercute en la reproducción de sesgos, estereotipos y en la invisibilización de variedades y hablantes sub-representados; paralelamente, las colecciones de datos lingüísticos producidas por especialistas permanecen fragmentadas y concentradas regional e institucionalmente. La Plataforma se propone como repositorio nacional de colecciones de datos lingüísticos, orientado por los principios FAIR y sostenido por una red colaborativa de laboratorios. Conclusiones: La Plataforma constituye un puente estratégico entre la ciencia lingüística, la ciencia de datos, la ciencia de la información y el desarrollo tecnológico, con impactos para la enseñanza, para las políticas lingüísticas y para la soberanía digital brasileña.