Estudiante busca que la población de Sudán del Sur tenga acceso a tecnología en su lengua

Diana Alonso 

Taban Ngunar habla cuatro idiomas: suajili, español, inglés y su lengua materna, el nuer. Incluso comprende al escuchar dinka. Cuando le preguntan cómo es que un joven ya domina lenguas tan distintas entre sí, él solo se encoge de hombros y argumenta que “cuando uno es niño se aprende mucho más rápido”. 

La neuroplasticidad en la niñez es innegable. Otra realidad es que Ngunar es originario de Sudán del Sur, una nación con una inmensa riqueza lingüística. En un territorio equivalente a un tercio del tamaño de México conviven alrededor de 65 lenguas indígenas (principalmente de la familia nilótica) que junto con el árabe de juba, utilizado como lengua franca, son las que articulan la vida diaria y la identidad de toda la población. 

Tras independizarse en 2011, después de casi 50 años de conflicto, el gobierno sursudanés declaró el inglés como único idioma oficial. La medida buscaba distanciarse del norte árabe y usar esta nueva lengua como motor de desarrollo, capaz de limar las tensiones entre grupos étnicos. Esta decisión ignoró que la mayoría de la población solo hablaba lenguas autóctonas.  

"Sudán del Sur es uno de los países con mayores niveles de analfabetismo; muchísima gente simplemente no entiende el inglés", explica Taban. A esto se le suman los estragos de los conflictos armados a la infraestructura educativa del país. Hoy en día, más de 2.8 millones de niños (más de 70 por ciento) no van a la escuela.  

El idioma es político y Taban lo experimentó desde muy joven. Para poder aprender tuvo que dominar primero el suajili y el inglés, después de mudarse a Kenia para continuar su formación. 

A pesar de ello, nunca perdió el vínculo con el nuer, la lengua de su comunidad. Recordó que, debido al fuerte arraigo cultural de su pueblo, su familia siempre procuró que aprendiera a hablar, leer y escribir correctamente el idioma. "El apego a la tradición y a la familia es algo en lo que se pueden comparar México y Sudán del Sur […] Lo que nos define es nuestra identidad cultural, de dónde venimos; nadie me lo puede quitar", afirmó. 

La mente de Taban está constantemente analizando las formas y los sonidos del lenguaje. Por eso, al llegar a México, una de las cosas que más llamó su atención fue escuchar español, un idioma completamente nuevo para él. También descubrió lo mucho que extrañaba hablar y escuchar nuer, una lengua que ahora solo puede hablar durante las llamadas con su familia. 

Taban es uno de los tres estudiantes sursudaneses apoyados por el Proyecto Habesha, una iniciativa humanitaria internacional que ofrece acceso a la educación superior en México a jóvenes refugiados. Luego de cursar un programa intensivo de español en la Universidad Nacional Autónoma de México (UNAM), comenzó la carrera de Ingeniería y Ciencia de Datos en el ITESO. Aunque el español le sigue presentando retos, él se muestra entusiasta: "Es una escuela maravillosa, tengo muchos amigos y compañeros que me ayudan a entender y me explican cuando lo necesito". 

"Democratizar el acceso a la información implica desarrollar tecnología en los idiomas que la gente comprende" 

Mientras en algunos países tecnologías como la inteligencia artificial (IA) permean la vida cotidiana, en Sudán del Sur los recursos digitales básicos resultan poco accesibles. La industria tecnológica global rara vez considera idiomas como el nuer o el dinka para el desarrollo de servicios, herramientas o plataformas. 

Para atender esta brecha digital, Taban, junto con un grupo de voluntarios, ha comenzado a desarrollar herramientas capaces de comprender y procesar lenguas como el dinka y el nuer. "Lo que estamos construyendo son diferentes herramientas en torno a estos idiomas, que van desde la traducción automática hasta grandes modelos de lenguaje (LLM, por sus siglas en inglés) y sistemas de texto a voz (TTS)", explica. 

Aunque empresas como Google incluyen algunos idiomas africanos en sus traductores, la precisión es deficiente y la información disponible en línea está incompleta o es errónea. "Lo que me impulsó fue la enorme brecha digital que existe en la representación de las lenguas de Sudán del Sur", añade. 

Para que una máquina aprenda un idioma necesita grandes volúmenes de texto y audio con los que pueda entrenarse. Sin embargo, en lenguas como el nuer estos recursos son escasos o simplemente no existen. Por ello, Taban y sus colaboradores trabajan en la creación de conjuntos de datos lingüísticos que reúnen con ayuda de hablantes nativos y especialistas para posteriormente publicarlos en plataformas de código abierto. De esta manera, investigadores y desarrolladores de cualquier parte del mundo pueden utilizarlos para crear y mejorar herramientas tecnológicas en estos idiomas. "En un futuro queremos contar con muchos voluntarios y una gran participación de la comunidad sursudanesa en la diáspora, para que puedan contribuir al proyecto". 

La iniciativa ya comienza a generar impacto. Además de ser utilizadas por desarrolladores sursudaneses interesados en crear herramientas de inteligencia artificial para lenguas como el dinka, las bases de datos impulsadas por Taban también han despertado el interés de investigadores de la Universidad de Surrey, en Reino Unido, quienes incluso se ofrecieron a compartir materiales lingüísticos recopilados durante la última década. 

“Hay más de sesenta idiomas que se hablan en Sudán del Sur. Casi ninguno de ellos es utilizable en el software en el que la gente confía todos los días. No se puede dictar un mensaje en nuer o dinka, no se puede tener un formulario traducido, no se puede pedir a un dispositivo que lea un documento en voz alta.

Cuando un idioma falta en el mundo digital, sus hablantes son empujados a un segundo idioma para hacer cosas ordinarias, o se excluyen de hacerlas”, se lee en el portal de Dayom, el laboratorio tecnológico de código abierto de Taban y su equipo.  

Para el joven, estudiar en el ITESO y liderar este proyecto es la oportunidad para desarrollar soluciones que algún día puedan beneficiar a las comunidades de su país. "En el futuro nos gustaría que estos modelos se integraran a diferentes servicios digitales en Sudán del Sur para ayudar a las personas que no entienden inglés ni hablan árabe, por ejemplo, en ámbitos como la salud".