Noticia

Nuevo informe y guías para la soberanía de datos indígenas en la inteligencia artificial

Buenas prácticas y guías para la participación de las comunidades locales e indígenas de América Latina y el Caribe en el desarrollo de la inteligencia artificial
Imagen de mujer indígena generada con inteligencia artificial

Para impulsar el desarrollo tecnológico y la difusión de información con sensibilidad cultural que garantice la soberanía de los datos de más de 800 pueblos indígenas que viven en América Latina y el Caribe, además de prevenir la apropiación indebida ante los acelerados desarrollos de la inteligencia artificial (IA), la UNESCO lanzó un reporte pionero en la materia y los discutió por primera vez en el tercer Foro Mundial contra el Racismo y la Discriminación, realizado recientemente en Sao Paulo, Brasil.

Inteligencia artificial centrada en los pueblos indígenas: perspectivas desde América Latina y el Caribe
González Zepeda, Luz Elena
UNESCO Office Montevideo and Regional Bureau for Science in Latin America and the Caribbean
Martínez Pinto, Cristina Elena
2023
0000387814

El reporte Inteligencia artificial centrada en los pueblos indígenas: perspectivas desde América Latina y el Caribe pone especial énfasis en la participación de las comunidades locales e indígenas respetando su autonomía y gestionando adecuadamente sus datos, propone políticas públicas para integrar sus perspectivas en todas las fases del desarrollo de la IA y explora ejemplos de buenas prácticas. Cinco de ellas realizadas en México.

El informe a cargo de las Oficinas en Montevideo y en México de la UNESCO se destina a la región donde:

  • habita más del 10% de la población indígena del mundo,

  • cerca del 30% de las personas viven en situación de pobreza extrema, y

  • sólo el 40% de la población cuenta con los conocimientos básicos de informática.

Mariana Lazos, Jefa de Proyectos y Operaciones de Pit Policy Lab, spin out independiente de C Minds que colaboró en la realización del estudio, destacó que proporcionar las herramientas necesarias a las personas indígenas para involucrar a sus comunidades directamente es posible, por ejemplo: un piloto en México de IA que ayuda a la salvaguardia y promoción de la tercera lengua indígena más hablada del país, el Tu’un Savi, comentó en la primera discusión pública del informe en el tercer Foro Mundial de la UNESCO contra el Racismo y la Discriminación.

Mariana Lazos en un panel del tercer Foro Mundial de la UNESCO contra el Racismo y la Discriminación

La digitalización de datos de los pueblos indígenas de manera autónoma es clave para registrar, transmitir y revitalizar su patrimonio, especialmente entre las generaciones más jóvenes, pero en muy pocas ocasiones han participado directamente, la cual debe ser respetando su autonomía y gestionando adecuadamente sus datos. Esto responde al compromiso de los países por la diversidad cultural y lingüística, el derecho a la educación sensible a su realidad y la búsqueda de un desarrollo sostenible.

La IA, en especial la generativa, continúa remodelando las sociedades, por lo que sus avances deben respetar las características únicas de los datos indígenas y los derechos de los pueblos indígenas sobre sus maneras de poseer, recopilar, interpretar y utilizar sus voces, imágenes, representaciones, conocimientos, técnicas, sistemas simbólicos y lingüísticos. Por ejemplo, para prevenir la apropiación indebida de patrones textiles identitarios y religiosos a través de desarrollos tecnológicos.

La digitalización de datos indígenas debe garantizar: su derecho a poseer, controlar y gobernar sus datos; que se utilicen de acuerdo con sus valores e intereses; el consentimiento informado y su participación sobre cómo realizarlo; garantizar sus derechos de privacidad y de propiedad intelectual, por mencionar algunos.

Las contribuciones retomadas desde México para el informe Inteligencia artificial centrada en los pueblos indígenas: perspectivas desde América Latina y el Caribe son:

  • Una propuesta a través de cadenas de texto con técnicas de Inteligencia Artificial para generar catálogos e identificar cualidades formales, estéticas e iconográficas de la indumentaria indígena de la región de los Altos de Chiapas, que además podría identificar variaciones o plagios, realizada por investigadoras e investigadoras de la Universidad Autónoma Metropolitana.

  • Un bot que usa algoritmos de Procesamiento de Lenguaje Natural (PLN) para evaluar la pronunciación correcta de palabras de lenguas indígenas, al recopilar símbolos fonéticos del modelo de voz, desarrollado por un equipo de investigación del Instituto Tecnológico Superior de Coatzacoalcos, en Veracruz.

  • Una aplicación móvil para el aprendizaje de lenguas Tu’un Savi de forma interactiva, que utiliza cómputo visual en un modelo entrenado de IA para dar información a las personas usuarias sobre pronunciación y escritura de la palabra asociada a objetos capturados por las cámaras de dispositivos móviles, generada por investigadoras e investigadores del Instituto Tecnológico de Oaxaca.

  • Sistemas automáticos de traducción entre 11 familias de lenguas originarias de México mediante aprendizaje automático y aprendizaje profundo, alimentando a la computadora con ejemplos que emplea algoritmos para aprender a generar la traducción, desarrollos por el un grupo del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) de la UNAM. Sus avances abarcan el trabajo de traducción del Wixarika, Náhuatl, Yorem nokki, P'urhepecha y la virtante mexicanero del Náhuatl, al español.

  • El diseño de un agente conversacional centrado en las experiencias y conocimientos de las personas intérpretes de lenguas indígenas en México, generado como parte de un proyecto para evaluar las técnicas existentes para la traducción automática de 10 lenguas indígenas de América. La valoración coordinada por la Red Feminista de Investigación en Inteligencia Artificial (f<A+i>r ), con el Centro Profesional Indígena de Asesoría, Defensa y Traducción (CEPIADET) y la Defensoría de los Derechos Humanos del Pueblo de Oaxaca, determinó que el sistema propuesto no era una solución viable y que su desarrollo no estaba situado en las realidades de las personas intérpretes.