Por Ronaldo Martins
09/09/2026
Cerca de 60 línguas regionais e minoritárias ainda são faladas na Europa, mas muitas têm pouca presença nos dados usados para treinar sistemas de inteligência artificial. O problema foi debatido no Parlamento Europeu, em Estrasburgo, onde pesquisadores, parlamentares e representantes de comunidades linguísticas apresentaram projetos para ampliar a presença desses idiomas na IA.
A expansão da inteligência artificial pode aprofundar desigualdades entre as línguas mais difundidas e aquelas que dispõem de poucos recursos digitais. Sistemas treinados predominantemente com idiomas de grande presença na internet tendem a funcionar pior em línguas com menos textos digitalizados, gravações de voz, bases de dados e ferramentas para treinamento e avaliação de modelos.
A questão foi discutida em um encontro realizado no Parlamento Europeu, em Estrasburgo, organizado pela The Parliament em parceria com o Microsoft Open Innovation Center, o Microsoft AI for Good Lab e o Intergrupo do Parlamento Europeu sobre Minorias Tradicionais, Comunidades Nacionais e Línguas. Participaram eurodeputados, pesquisadores, universidades, organizações culturais e representantes da sociedade civil.
O evento foi presidido pelo eurodeputado romeno Loránt Vincze, que dirige o intergrupo parlamentar. Ele destacou que a diversidade linguística europeia é muito maior que as 24 línguas oficiais da União Europeia: aproximadamente 60 línguas regionais e minoritárias continuam sendo faladas no continente. Para Vincze, garantir que essas comunidades tenham acesso às novas tecnologias em seus próprios idiomas é também uma questão de inclusão social e democrática.
Entre as iniciativas apresentadas está o LINGUA, programa do Microsoft AI for Good Lab voltado ao fortalecimento da infraestrutura digital de línguas com poucos recursos tecnológicos. Os projetos apoiados abrangem idiomas como basco, ladino dolomítico, romanche, ladino judaico-espanhol, maltês, luxemburguês, islandês, ucraniano e romani, além de diferentes dialetos italianos.
As iniciativas incluem a criação de bases abertas de textos e gravações de fala, digitalização de patrimônio cultural, produção de materiais educacionais e desenvolvimento de métodos para avaliar a precisão e a segurança dos modelos de IA quando utilizados nessas línguas. A preocupação não se limita à capacidade de compreender ou gerar textos: um modelo que oferece respostas confiáveis e mecanismos de segurança adequados em inglês pode não apresentar o mesmo desempenho em uma língua para a qual recebeu muito menos treinamento.
Durante uma programação de dois dias em Estrasburgo, realizada em conjunto com o Conselho da Europa e o GitHub, o Microsoft Open Innovation Center anunciou ainda uma parceria com o European Roma Institute for Arts and Culture para desenvolver bases de texto e fala em romani. O GitHub apresentou, por sua vez, o Multilingual Repositories Dataset, destinado a mapear a colaboração em projetos de software realizada em línguas diferentes do inglês.
Um dos pontos defendidos pelos participantes é que simplesmente traduzir a interface de uma ferramenta de IA não resolve o problema. Para que um idioma seja efetivamente incorporado às novas tecnologias, são necessários dados adequados, participação de falantes e especialistas da própria comunidade e testes específicos durante o desenvolvimento dos modelos.
A construção dessas bases também apresenta dificuldades particulares. Em algumas comunidades, os falantes estão geograficamente dispersos; em outras, grande parte do material linguístico ainda não foi digitalizada. Há ainda questões relacionadas a consentimento, propriedade dos dados e tratamento de conteúdos culturalmente sensíveis. Por isso, os participantes defenderam bases com licenças abertas e cooperação entre universidades, instituições públicas, organizações comunitárias e empresas de tecnologia.
Para Juan M. Lavista Ferres, diretor do Microsoft AI for Good Lab, a IA pode ampliar o acesso à tecnologia, mas seus usuários não deveriam precisar aprender outro idioma para se beneficiar dela. A diretora-gerente do laboratório, Inbal Becker-Reshef, ressaltou igualmente que a língua pode determinar quem consegue ou não utilizar sistemas de inteligência artificial.
O debate em Estrasburgo aponta, assim, para uma mudança na discussão sobre preservação linguística: além de documentação, educação e reconhecimento oficial, a sobrevivência e a funcionalidade das línguas no ambiente digital passam a depender também de sua representação nos dados que alimentam a inteligência artificial. As decisões tomadas agora sobre coleta de dados, treinamento e avaliação de modelos podem determinar quais idiomas estarão plenamente presentes nas tecnologias utilizadas na próxima década.
Fonte
