El Centro Nacional de Supercomputación desarrolla MarIA, la primera inteligencia artificial de la lengua española

El Centro Nacional de Supercomputación (CNS), partiendo de los archivos web de la Biblioteca Nacional de España (BNE) y con el impulso de la Secretaría de Estado de Digitalización e Inteligencia Artificial ha desarrollado el primer sistema masivo de inteligencia artificial (IA) de la lengua española capaz de generar sus propios textos y resumir otros ya existentes.

Se trata de MarIA, el primer sistema de IA capaz de comprender y escribir en lengua española, un proyecto enmarcad en el Plan de Tecnologías del Lenguaje, y pretende contribuir al desarrollo de una economía digital en español gracias al potencial que pueden encontrar en ella los desarrolladores.

Traductores simultáneos, asistentes inteligentes, clasificación y búsquedas de documentos… son multiples las aplicaciones que podrán llevarse a cabo en el desarrollo del procesamiento del lenguaje natural, la traducción automática o los sistemas conversacionales.

MarIA ha sido desarrollada con GPT-2, una tecnología que crea modelos generativos decodificadores capaces de generar textos nuevos a partir de un ejemplo previo. Esto permite elaborar resúmenes, simplificar grandes cantidades de información, generar preguntas y respuestas e, incluso, mantener un diálogo. MarIA puede comprender no solo conceptos abstracto sino también el contexto de los mismos.

Entrenamiento para el tercer sistema más avanzado del mundo

Para lograrlo su entrenamiento ha consistido en 135.733.450.668 (más de 135 mil millones) de palabras procedentes de millones de páginas web que recopila la Biblioteca Nacional. Un total de 570 Gb de información. En este entrenamiento se ha utilizado el superordenador MareNostrum perteneciente al CNS de Barcelona, con una potencia de cálculo de 969 exaflops (9,7 trillones de operaciones).

Gracias a este enorme volumen de información, MarIA es el tercer sistema IA del mundo de escritura y lenguaje con mayor número de modelos detrás de otros similares elaborados para los idiomas inglés y mandarín, algo en lo que ha sido fundamental la amplia digitalización del patrimonio de la Biblioteca Nacional y que el CNS cuente con potentes ordenadores como el MareNostrum 4.