Alban Nyantudre, engenheiro de machine learning do Burkina Faso, ficou em segundo lugar no WAXAL ASR Challenge, uma competição internacional da Google que desafiou programadores a ensinar a inteligência artificial a reconhecer línguas africanas faladas. A Google organizou o desafio com a plataforma africana de ciência de dados Zindi e anunciou os vencedores a 22 de Setembro.
O pódio juntou três percursos diferentes. Em primeiro lugar ficou a equipa “Pasketti”, formada por um investigador do Cazaquistão e outro do Canadá. Logo atrás, Alban Nyantudre, que já desenvolve ferramentas de fala para a sua língua materna, o mooré. Em terceiro lugar, Abdourahamane Ide Salifou, estudante de engenharia de IA do Níger. Ao todo, a competição reuniu 1.462 participantes de 100 países, 42 deles africanos.
Ensinar a IA a ouvir línguas africanas
O desafio partiu de uma limitação conhecida. A maioria dos sistemas de reconhecimento de voz, incluindo os assistentes mais populares, não compreende as línguas que milhões de pessoas falam em África. Para responder a esse problema, a Google publicou o WAXAL, um conjunto de dados aberto com gravações áudio em 32 línguas africanas, disponível na plataforma Hugging Face.
A partir desse material, a competição concentrou-se em duas línguas com muitos falantes: o lingala, falado sobretudo na República Democrática do Congo, e o shona, falado no Zimbabué. Os participantes tinham de construir sistemas de reconhecimento automático de fala (ASR, na sigla em inglês) capazes de transcrever com precisão gravações reais.
No total, os concorrentes submeteram 8.837 soluções e dedicaram mais de 24.000 horas ao desafio. Segundo a Google, vários participantes destacaram, durante o evento Deep Learning Indaba, o valor de trabalhar com línguas africanas reais e com situações do dia-a-dia.
Três caminhos até ao pódio do WAXAL
A equipa vencedora, formada por Roman Solovyev, do Cazaquistão, e por um investigador do Canadá identificado como “enes3774”, combinou oito modelos diferentes. A ideia é simples: como cada modelo erra de forma diferente, juntá-los permite anular parte dessas falhas e obter uma transcrição mais precisa.
Alban Nyantudre seguiu outro caminho. O seu sistema ouve o mesmo excerto de áudio de várias formas em paralelo e, depois, escolhe a leitura em que tem mais confiança. Quanto à motivação, o engenheiro explica-a a partir da sua própria experiência: “Muita gente que cresceu à minha volta fala perfeitamente a sua língua, mas não sabe ler nem escrevê-la. É por isso que a fala é a única forma realista de essas pessoas usarem tecnologia.”
Por sua vez, Abdourahamane Ide Salifou começou por estudar a fonética de cada língua. No lingala, as palavras encadeiam-se de tal forma que é difícil perceber onde termina uma e começa a seguinte. Por isso, treinou o sistema para “esperar” e absorver o fluxo da frase antes de decidir. No shona, onde as fronteiras entre palavras são mais claras, apostou no contexto à volta de cada palavra.
Da competição ao telemóvel
Os resultados de Nyantudre e de Salifou mostram que engenheiros africanos conseguem competir ao mais alto nível em inteligência artificial. Além disso, mostram a vantagem de quem conhece de perto a realidade linguística do continente.
Para o utilizador final, o impacto pode ser grande. A própria Google descreve um futuro em que “um agricultor pode consultar os preços das colheitas, um pai pode procurar conselhos de saúde e um estudante pode aprender” apenas a falar com o telemóvel na sua língua. Esse futuro depende, porém, de dados como os do WAXAL e de modelos treinados a partir deles.
Em Moçambique, onde a maioria das línguas nacionais continua pouco representada nos grandes modelos de IA, a questão é concreta. Algumas empresas já começaram a explorar o tema, como mostra o caso da Ubuntu Holdings, que lançou um website em Xichangana. Ainda assim, o reconhecimento de voz nestas línguas exige conjuntos de dados que, por enquanto, ainda não existem em escala.
Fonte: Google
