Nheengatu ou bororo? 🤖🌎 A USP vai escolher uma língua indígena brasileira para entrar na próxima versão do LatAm GPT, modelo aberto feito por e para a América Latina. E isso vai muito além de “ensinar IA a traduzir”. 🧵

Imagem indisponível

O projeto é coordenado pelo CENIA, do Chile, e reúne mais de 100 profissionais de 60 instituições em 15 países. A missão: criar uma IA que entenda nossos idiomas, sotaques, gírias e contextos — não só uma visão importada em inglês.

Uma língua já está confirmada: o quéchua, falado por povos originários dos Andes. Do Brasil, o Centro de IA da USP (C4AI) decidirá entre nheengatu e bororo, fornecendo dados e testando como o modelo responde.

Imagem indisponível

Por que isso importa? Porque o que não está digitalizado praticamente some da internet — e, depois, some também da IA. Sem presença nesses modelos, línguas ficam fora de tradutores, ferramentas educacionais, assistentes e futuros serviços públicos digitais.

O LatAm GPT tem 70 bilhões de parâmetros e foi refinado com mais de 300 bilhões de tokens obtidos com licenças explícitas. Ele usa a arquitetura aberta Llama 3.1, da Meta, e roda na nuvem da AWS.

Imagem indisponível

Tem uma ironia aí: a IA latino-americana ainda depende de uma base tecnológica e infraestrutura dos EUA. Mas soberania digital não é só ter servidor próprio: é decidir quais dados, histórias e referências entram no sistema.

Já houve um tradutor para rapanui, da Ilha de Páscoa, e existe trabalho com bribri, da Costa Rica. Incluir línguas indígenas não é enfeite cultural: pode ampliar o acesso à tecnologia sem exigir que todo mundo abandone a própria língua.

Imagem indisponível

A escolha entre nheengatu e bororo parece técnica, mas carrega uma pergunta enorme: quem a IA vai reconhecer como parte do futuro? Se os modelos moldam informação e serviços, diversidade linguística precisa entrar no código desde agora.