El Sesgo Lingüístico Digital (SLD) en la inteligencia artificial: implicaciones para los modelos de lenguaje masivos en español

Journal article

O advento da inteligência artificial generativa no nível do usuário, especialmente por meio do desenvolvimento de Grandes Modelos de Linguagem (GML), nos leva a refletir sobre a proliferação de vieses na construção, no desenvolvimento, no uso e na representatividade desses modelos baseados em dados linguísticos. Este artigo analisa, em primeiro lugar, as iniciativas desenvolvidas para o espanhol no campo da IA, tanto na América de língua espanhola quanto na Espanha, dando atenção especial aos recursos linguísticos e aos GML. A composição dos principais GML atuais do espanhol é examinada e comparada com outros GML de idiomas peninsulares (catalão, basco, galego e valenciano). Além disso, o termo Viés Linguístico Digital (VLD), que é específico da IA, é apresentado, tanto em nível inter quanto intralinguístico. Por fim, sugere-se que um usuário digitalmente consciente poderá contribuir para atenuar os efeitos do VLD. Para concluir, enfatiza-se a necessidade de uma ação coordenada dos agentes institucionais para preservar a diversidade do patrimônio linguístico de língua espanhola no desenvolvimento de GML.

The advent of generative artificial intelligence at the user level, particularly through the development of Large Language Models (LLMs), prompts us to reflect on the proliferation of biases in the construction, development, use, and representation of these models based on linguistic data. This article first reviews the initiatives developed for Spanish in the field of AI from Latin America and Spain, with special attention to linguistic resources and LLMs. The composition of the current major LLMs for Spanish is examined and compared with other LLMs for peninsular languages (Catalan, Basque, Galician, and Va-lencian). Subsequently, the term Digital Linguistic Bias (DLB)is introduced to identify the linguistic hybridity generated by AI both at an interlinguistic level (e.g., in relation to the English base used to train these models) and an intralinguistic level (in relation to the different varieties of the language). Finally, it is suggested that a digitally aware user can intervene mitigating the effects of the DLB. In conclusion, the need for coordinated action by institutional agents to preserve the diversity of the Spanish-speaking linguistic heritage in the development of LLMs is emphasized.

Authors: Muñoz-Basols, JF; Palomares Marín, MDM; Moreno Fernández, F

• Alternative title: The Digital Linguistic Bias (DLB) in artificial intelligence: implications for large language models in Spanish
• Publication status: Published
• Peer review status: Peer reviewed
• Publisher: Universidad Nacional Mayor de San Marcos
• Journal: Lengua y Sociedad More from this journal
• Volume: 23
• Issue: 2
• Pages: 623-647
• Publication date: 2024-12-30
• Acceptance date: 2024-07-27
• DOI: 10.15381/lengsoc.v23i2.28665
• EISSN: 2413-2659
• ISSN: 1729-9721
• Language: Spanish
• Keywords: Sesgo Lingüístico Digital (SLD); inteligencia artificial generativa (IAGen); Modelos de Lenguaje Masivos (MLM); diversidad de la lengua; español; dialectal variation; artificial intelligence (AI); Large Language Models (LLMs); Digital Linguistic Bias (DLB); language diversity; Spanish