Vivimos el sueño fregeano, aunque pocos conozcan ya quién fue ese filósofo alemán fallecido en 1925. La gran tesis de Gottlob Frege era que, si encontráramos los componentes esenciales y comunes del lenguaje natural, la lógica y las matemáticas, y estudiáramos sus relaciones, podríamos construir una suerte de sistema de comunicación universal que lo abarcara todo y que superase tanto las diferencias entre los idiomas como las existentes entre las letras y las ciencias. 

Sostenía Frege que la matemática era una suerte de lenguaje pobre comparado con el humano. Aquí va un ejemplo. Podemos escribir matemáticamente que Asier y Aitor son hijos de Amaia como: «Asier y Aitor = hijos de Amaia». Lo conseguimos gracias a que el verbo ser posee un equivalente matemático (=) que indica cuál es la relación precisa entre Asier, Aitor y Amaia. Ocurre lo mismo con la palabra «y», cuya transcripción matemática es el símbolo más (+). La frase quedaría, entonces, así: «Asier + Aitor = hijos de Amaia». 

El problema es que carecemos de un símbolo matemático de uso común que sustituya la palabra «de», que marca la relación precisa de «hijos» con «Amaia». Pero decía Frege que eso no era problema, que simplemente lo teníamos que crear porque su lenguaje utópico merecía la pena. 

Frege lo intentó de veras –de hecho, ideó un esbozo de ese lenguaje del «pensamiento puro» con unas curiosas y características rayas acodadas que caían entre ecuaciones de significado–, pero no llegó ni a acercarse a sus pretensiones. El lenguaje humano es riquísimo y a su vez significa, evoca y define de múltiples maneras. 

No solo importan las conexiones entre palabras. Los nombres propios elegidos para la oración del ejemplo, aunque esté escrita en castellano, evocan a Euskal Herria. Nadie pensaría a priori que Aitor, Asier y Amaia forman una familia de esquimales, aunque tampoco es imposible que lo sean.

E incluso puede que alguien haya advertido que los tres nombres están extraídos de una única obra literaria: ‘Amaya o los vascos del siglo VIII’, de Francisco Navarro Villoslada. La complejidad del lenguaje humano es vastísima o acaso infinita.

El filósofo alemán se quedó corto en su empeño, pero su labor sentó las bases teóricas para el desarrollo de lo que luego sería la IA generativa, que hace precisamente eso: descomponer el lenguaje natural en pequeñas unidades relacionadas entre sí y utilizar la enorme capacidad de computación y sofisticados algoritmos actuales para construir frases como si lo hiciera un ser humano.

Tuvo que pasar un siglo desde el fallecimiento de Frege hasta que, a través de ChatGPT, Anthropic y otras compañías, la humanidad comprendiera que lo que era el sueño de un filósofo se había convertido en una realidad y, además, una muy útil en la vida cotidiana.

Pero el logro aún no es redondo. De hecho, es bastante sorprendente que, teniendo una base meramente computacional, las inteligencias artificiales hablen mejor unos idiomas que otros y que destaquen, sobre todo, cuando se expresan en inglés.

Nada tiene que ver la supremacía de esta lengua con cualidades intrínsecas del inglés como las que defendía Jorge Luis Borges, quien sostenía que dicha lengua era superior y más fina que el castellano por su «capacidad nominadora» y su «esponjosidad léxica». 

La supremacía se debe a que los programadores de las primeras IA trabajaron en inglés y se esforzaron en adaptar la computación a ese idioma concreto.

En realidad, la supremacía se debe a que los programadores de las primeras IA trabajaron en inglés y se esforzaron en adaptar la computación a ese idioma concreto. La ventaja es que lo hicieron tan bien que se están acercando cada vez más al sueño fregeano. 

Los idiomas y los datos

Las IA son devoradoras de datos y el inglés no les basta, porque no les permite acceder a todos los contenidos que quieren procesar. Y también les mueven fines comerciales, dado que buscan seducir al mayor número de usuarios (y si son de los que pagan, mejor). En consecuencia, necesitan masticar y masticar información de todas partes para mejorarse a sí mismas, también en lo referente al conocimiento de los idiomas.

Isabel Durán, profesora de Filología Inglesa de la Universidad de Córdoba e investigadora del programa LinguaCor, subraya que cuanto más pequeña y más minorizada está una lengua, menos le interesa a las IA, porque hay menos datos en internet expresados en esa lengua.

«No es una preferencia del modelo, simplemente es lo que hay», sentencia.  Cuantos más datos hay en un idioma concreto, más se interesan las IA por él, más procesan en esta lengua y mejor la dominan. «Los modelos funcionan mejor en los idiomas con más datos. No se trata de afinidad, sino de oportunidad de aprendizaje. Cuando un modelo ve millones de ejemplos en inglés, aprende mejor su gramática, su vocabulario, sus distintos registros y su trasfondo cultural. En cambio, cuando recibe pocos ejemplos en una lengua, tiene menos material para deducir patrones fiables». 

La situación particular del euskara es singular, siguiendo las tesis de la profesora Durán, debido a lo que se conoce como la transferencia multilingüe. Este concepto hace referencia a que lo que la IA aprende en un idioma le sirve después para desencriptar otro idioma que tenga cierto parentesco o paralelismo. Las inteligencias artificiales funcionan aquí como las personas. Un castellanoparlante aprende más fácil catalán o italiano que euskara porque aprovecha las similitudes entre ambos idiomas.

El euskara se encuentra en una doble desventaja porque no tiene muchos hablantes y genera, consecuentemente, poco contenido de interés para las IA y, a su vez, es una lengua que carece de familia, por más que su convivencia con castellano y francés le haya provisto de numerosos préstamos. 

La comparativa entre Wikipedia en inglés, castellano y euskara ofrece una foto ilustrativa. La gran enciclopedia colaborativa dispone, a fecha de abril de 2026, de 7,2 millones de entradas y una comunidad de 283.000 usuarios activos. Las entradas en castellano suman 2,1 millones y han sido redactadas por 42.000 usuarios. Y, finalmente, la Wikipedia en euskara dispone de 487.000 entradas redactadas por un millar de personas.

La Wikipedia en euskara dispone de 487.000 entradas redactadas por un millar de personas, frente a las 7,2 millones de entradas en inglés escritas por 283.000 usuarios activos.

La comunidad de usuarios activos de Wikipedia en euskara ha entendido la clave fundamental en lo que supone el camino hacia una IA multilingüe absoluta: conseguir que el euskara sea tenido en cuenta pasa necesariamente por producir contenido en euskara y, además, de calidad. Así será más interesante para los humanos y para las máquinas.

La otra lección que se desprende de estos datos es que la desproporción de contenidos entre euskara e inglés es tal que no parece cercano el momento en que la IA haya absorbido ya todo el contenido en inglés y pase entonces a otros idiomas por orden de producción. Probablemente ese momento no llegue nunca, porque la generación de nuevo contenido en lenguas mayoritarias es incesante. 

Y sin embargo, siendo la generación de contenido en euskara esencia, ese no es el único camino para conseguir una IA multilingüe que hable un euskara decente. Se pueden iniciar otras dinámicas en paralelo.

Aunque las grandes IA tengan una visión utilitarista de los idiomas y solo se interesen en ellos por su voracidad de datos, no toda la IA está en manos de los tecnócratas ni la desarrollan ellos.

El Gobierno de Lakua y otras empresas e instituciones están diseñando herramientas capaces de traducir el euskara a través de Procesamiento del Lenguaje Natural, pero con mayor supervisión y corrección. Mimando más el producto final, preservando los giros propios de su gramática y su contexto sociocultural. 

También este medio lleva tiempo sumado a ese empeño, prestando su repositorio de noticias y reportajes y toda información acumulada durante décadas para que la IA aprenda el idioma de la mano de su cultura y desarrolle así corpus lingüísticos específicos. El desarrollo de un sistema propio de traducción neuronal aspira a publicar su contenido de modo simultáneo en euskara, castellano, inglés y francés.

De lo que se trata, en definitiva, es de que el euskara no pierda los referentes específicos ligados a su devenir histórico. Volviendo a los nombres de la frase de ejemplo, es obvio que el Aitor al que alude no nació hasta finales de los años 70, porque en las décadas anteriores llamarse Aitor estaba, sencillamente, prohibido.

______________________________________________________________________________

Proyecto financiado por la Secretaría de Estado de Digitalización e Inteligencia Artificial y por la Unión Europea - Next Generation a través de la convocatoria de ayudas para la integración de inteligencia artificial en las cadenas de valor de medios de comunicación.