El inglés domina los datos de las principales IA, y China ha decidido cambiarlo.

China tiene la intención de exportar no solo sus propios sistemas de inteligencia artificial, sino también los datos con los que se entrenan. En Pekín esperan que los textos, imágenes y materiales de vídeo chinos puedan influir notablemente en las respuestas de futuros chatbots en todo el mundo.

La razón de ese interés se hizo especialmente evidente poco después de la aparición de ChatGPT. En 2023, especialistas del Instituto Tecnológico de Pekín comprobaron qué tan bien el sistema respondía a preguntas en chino y encontraron numerosos errores.

Por ejemplo, ChatGPT llamó a Yao Ming, exjugador de la NBA, la primera mujer china que jugó profesionalmente al baloncesto en Estados Unidos. El sistema también confundió dos novelas clásicas chinas —«Viaje al Oeste» y «Sueño en el pabellón rojo»— escritas con una diferencia de aproximadamente dos siglos.

Los autores del estudio también afirmaron que el chatbot ofrecía numerosos comentarios sobre China que los especialistas consideraron sesgados, y que no evitaba responder a preguntas políticas relacionadas con el país. Desde entonces ChatGPT se ha actualizado varias veces, por lo que los resultados de una prueba similar hoy podrían ser distintos.

Las autoridades chinas ven un problema más amplio. La mayoría de los sistemas de inteligencia artificial a gran escala se entrenan con enormes conjuntos de información en los que predomina el inglés. En Pekín consideran que, junto con el sesgo lingüístico, los modelos asimilan también la visión occidental de la historia, la política y los asuntos sociales.

Para el Partido Comunista de China, ese desequilibrio constituye no solo un problema tecnológico, sino también político. Cuando los sistemas responden preguntas sobre derechos humanos, Taiwán y otros temas sensibles para Pekín, el contenido de las respuestas depende en gran medida de las fuentes incluidas en los conjuntos de entrenamiento.

China quiere cambiar la situación aumentando su propia contribución a los conjuntos de datos mundiales. El país aspira a convertirse en un gran proveedor de textos, imágenes y materiales de vídeo que los desarrolladores utilicen para entrenar inteligencia artificial.

Este enfoque amplía la competencia en torno a la IA mucho más allá de los procesadores, los centros de cálculo y los propios modelos. Los datos se convierten en el siguiente objeto de disputa, porque son ellos los que en gran medida determinan qué hechos, representaciones culturales y posiciones políticas el sistema considerará más familiares y convincentes.