O Google anunciou que está expandindo significativamente o Google Tradutor, adicionando 110 novos idiomas à sua plataforma, marcando a “maior expansão de todos os tempos”. Esta iniciativa inclui a inclusão do português de Portugal, uma novidade que permitirá ao tradutor distinguir entre as variantes do português faladas no Brasil e em Portugal.
Em 2022, a Google introduziu 24 novos idiomas utilizando a tecnologia de tradução automática ‘zero-shot’, onde modelos de aprendizado de máquina são treinados para traduzir sem a necessidade de exemplos específicos. Este esforço faz parte da “Iniciativa 1.000 Línguas”, um compromisso para desenvolver modelos de IA que suportem os 1.000 idiomas mais falados no mundo.
“Agora, estamos utilizando IA para expandir a diversidade de idiomas suportados”, afirmou a Google em uma publicação online, destacando que a implementação dos 110 novos idiomas, incluindo o português de Portugal, é impulsionada pelo seu grande modelo de linguagem PaLM 2. Esses novos idiomas, que incluem línguas africanas como Fon, Kikongo, Luo, Ga, Swati, Venda e Wolof, representam mais de 614 milhões de falantes globalmente, abrangendo aproximadamente 8% da população mundial.
Entre os idiomas adicionados estão o afar, um idioma tonal falado no Djibouti, Eritreia e Etiópia, e o cantonês, muito solicitado pelos usuários do Google Tradutor. Outros exemplos incluem o manx, uma língua celta da Ilha de Man, que experimentou um renascimento recente, e o nko, uma forma padronizada das línguas Manding da África Ocidental.
Cada idioma apresenta suas próprias complexidades, incluindo variações regionais, dialetos e padrões ortográficos diversos. A Google enfatizou sua abordagem em priorizar as variedades mais amplamente utilizadas de cada idioma, apoiada pelo avanço tecnológico do PaLM 2, que facilita o aprendizado eficiente de idiomas intimamente relacionados.
À medida que a tecnologia evolui, a Google continua a colaborar com linguistas especializados e falantes nativos para expandir ainda mais o suporte a diversas variedades linguísticas e convenções ortográficas ao longo do tempo.