Los sistemas de traducción automática han alcanzado niveles asombrosos en las lenguas más habladas, sin embargo, aún existe un reto significativo con las lenguas menos representadas. Mientras que para ciertos idiomas existe una amplia cantidad de datos que permite entrenar eficientemente a los modelos, para otros, la falta de corpus de frases paralelas limita considerablemente sus habilidades de traducción. Este es el caso de las alrededor de 7000 lenguas en el mundo, muchas de las cuales no encuentran representación ni en los textos académicos ni en internet.
En los intentos de superar estas barreras, un trabajo reciente pone en marcha el uso de diccionarios bilingües y gramáticas como recursos auxiliares en la traducción de idiomas de recursos limitados, aprovechando los avances en modelos de lenguaje de gran tamaño que pueden entender contextos de gran extensión. Aplicando esta ingeniosa metodología, se lograron avances significativos en 16 lenguas que habían sido desatendidas.
Al integrar el uso de diccionarios y libros de gramática, el desempeño en traducción mostró mejoras notables, en particular para idiomas con una nula presencia digital. Aunque generalmente el modelo NLLB se mantiene como el más eficaz, en algunos casos la inclusión de gramáticas impresas llevó a superar sus resultados. Continuar incorporando material de referencia lingüística en el proceso de modelos está demostrando ser un catalizador para las traducciones automáticamente generadas, especialmente para las lenguas que nunca antes habían contado con representación en entornos digitales.
A pesar de los significativos avances, la tarea es ardua y aún queda un largo camino por recorrer. El desarrollo y la disponibilidad de libros de gramática y lexicones digitales, aunque está en aumento, todavía son escasos y limitados a ciertos idiomas. Asimismo, la digitalización de estos recursos presenta desafíos técnicos, ya que a menudo se introducen artefactos de escaneo y pérdida de información contextual.
Con la intención de cerrar la brecha entre los idiomas más y menos documentados, este enfoque ofrece una hoja de ruta clara hacia un ecosistema de traducción más inclusivo, y reafirma el potencial de los grandes modelos de lenguaje de extender el alcance de la traducción automatizada más allá de las lenguas usualmente dominantes.