La lengua también es una infraestructura.

África tiene más de dos mil lenguas. Esa cifra suele repetirse como una curiosidad, pero debería leerse como un problema de infraestructura. Una lengua no es solo un conjunto de palabras: es la forma en que una persona accede a la escuela, al Estado, al archivo, a la justicia y a su propia memoria. Cuando un sistema informático no entiende esa lengua, no está fallando en una función secundaria; está decidiendo quién puede usar la infraestructura y quién queda afuera.

El diagnóstico del campo es conocido y Mohamed lo repite con precisión: las lenguas africanas tienen pocos recursos, poca visibilidad y pocos benchmarks; los papers son difíciles de reproducir; falta comunidad. La palabra que suele usarse es «bajos recursos», y esa expresión tiene un problema: describe el síntoma como si fuera una propiedad de la lengua. Una lengua no es pobre. Lo que falta es inversión, archivo, tiempo de trabajo y personas que puedan dedicarse a ella.

Ahí aparece la dimensión política del corpus. Un conjunto de datos no es una colección neutral de ejemplos: es una decisión sobre qué se incluye, quién lo etiqueta, con qué criterios y bajo qué licencia. En las lenguas con más recursos, esa decisión la tomaron las empresas y las universidades del Norte; en las lenguas con menos, muchas veces no la tomó nadie, o la tomó un proyecto voluntario que no pudo sostenerla. El corpus es, en ese sentido, una institución: tiene reglas, tiene dueños y tiene consecuencias.

La traducción automática vuelve visible esa política. Traducir no es cambiar palabras por palabras; es decidir qué se conserva y qué se pierde cuando una lengua no tiene un término equivalente. Hay palabras que no se traducen: se explican, se rodean, se dejan en su idioma. Un modelo entrenado para maximizar la similitud tiende a borrar esa diferencia, porque la diferencia no puntúa. La lengua que llega al corpus suele llegar ya domesticada.

Cada vez que uso una palabra que el sistema no conoce, hago una experiencia pequeña de esa asimetría. El corrector la marca, la traducción la cambia, el buscador la ignora. No es una catástrofe; es un recordatorio de que la infraestructura lingüística tiene un centro y una periferia, y de que el centro no se nota hasta que uno está afuera.

En 2017, Mohamed y un grupo de colegas organizaron en Johannesburgo la primera Deep Learning Indaba. El nombre no es un adorno. Indaba es una palabra zulú para una reunión donde la comunidad discute asuntos importantes, escucha novedades, aconseja y forma a los más jóvenes. El sitio de la organización recuerda que existen palabras equivalentes en otras lenguas del continente: imbizo, intlanganiso, lekgotla, baraza, padare. Elegir ese nombre fue una decisión sobre la forma del conocimiento: no un congreso donde unos exponen y otros aplauden, sino una asamblea con obligaciones mutuas.

La misión que se fijaron tiene una frase que conviene retener: que los africanos no sean solamente observadores y receptores de los avances en inteligencia artificial, sino constructores y dueños de esos avances. La diferencia entre receptor y dueño es la diferencia entre un usuario y un ciudadano. Un receptor usa lo que otros diseñaron; un dueño decide qué se construye, con qué prioridades y para qué.

El Indaba creció como una red: una conferencia anual, un programa de becas y mentoría, premios a la investigación, y decenas de IndabaX locales en más de treinta países. También se exportó como modelo: escuelas y conferencias de Europa del Este y de América Latina se inspiraron en su formato para construir sus propias comunidades. En algunos casos, los grupos que se conocieron en el Indaba fundaron después proyectos propios, como Masakhane o Lelapa AI. La comunidad funcionó como una incubadora de instituciones, no solo de papers.

Hay una diferencia entre una conferencia y una comunidad, y el Indaba la practica: la conferencia termina cuando se apagan los micrófonos; la comunidad sigue en los pasillos, en los grupos de mensajes, en las becas que se renuevan y en los proyectos que sobreviven al evento. Esa continuidad es la infraestructura. Sin ella, el conocimiento se importa cada año y se va con el último vuelo.

Me interesa el gesto de nombrar. Una comunidad que elige una palabra local para una práctica global está diciendo que la forma también es parte del contenido. No alcanza con que haya investigadores africanos en la conferencia; importa que la conferencia tenga la forma de una asamblea y no la de un mercado.

En 2019 nació Masakhane, una organización de base dedicada a la investigación en procesamiento de lenguas africanas. El nombre se traduce aproximadamente como «construimos juntos» en isiZulu. La formulación no es ingenua: describe un método. Masakhane se organiza como una red abierta, distribuida y participativa, con investigadores de más de treinta países y más de cuatrocientas personas que han trabajado en decenas de lenguas. Sus valores declarados incluyen la colaboración, la inclusividad, la soberanía de los datos y una idea que en zulú se dice Umuntu Ngumuntu Ngabantu: una persona es una persona a través de otras personas.

El diagnóstico que dio origen al proyecto está en el paper de 2020: las lenguas africanas ocupan una porción mínima de los recursos y las publicaciones de procesamiento de lenguaje natural. Las causas no son misteriosas. Falta financiamiento, falta visibilidad, falta comunidad, faltan benchmarks, los papers son difíciles de reproducir y las lenguas son complejas. Masakhane se propuso atacar esas causas con una metodología comunitaria: cualquiera puede proponer una lengua, un corpus o una evaluación; el trabajo se reparte; los resultados se publican abiertos.

Ese método tiene una virtud y un riesgo. La virtud es que produce recursos donde no había mercado: nadie iba a financiar un traductor para una lengua de doscientos mil hablantes, y la comunidad lo hizo igual. El riesgo es que el trabajo comunitario se apoye en tiempo donado, en voluntades y en una infraestructura precaria que no siempre se sostiene. La soberanía de los datos es un principio; conseguir los datos, limpiarlos, etiquetarlos y mantenerlos es un trabajo que alguien tiene que pagar.

Ahí aparece una tensión que el propio ecosistema hace visible: parte del financiamiento de Masakhane proviene de Google, la misma empresa dueña de DeepMind, y de fondos como Lacuna o la cooperación alemana. No es un detalle menor. Un proyecto que quiere que los africanos sean dueños de sus tecnologías depende, en parte, de los recursos de las empresas que dominan esas tecnologías. La dependencia no invalida el proyecto; lo sitúa. Y esa situación es la que vuelve interesante la pregunta por la propiedad: no alcanza con construir; hay que construir de una manera que no reproduzca la dependencia.

Me cuesta pensar el trabajo comunitario como una solución sin costo. También me cuesta pensarlo como una ingenuidad. Masakhane muestra que una comunidad puede producir recursos que el mercado no produce; la pregunta es si puede sostenerlos sin convertirse en proveedora de datos para el mercado.

En 2020, Mohamed publicó con Marie-Therese Png y William Isaac un ensayo que se volvió una referencia: «Decolonial AI». La tesis es que las teorías decoloniales, nacidas para explicar las relaciones de poder que sobrevivieron a los imperios, sirven como herramienta de anticipación para la inteligencia artificial. No se trata de aplicar un vocabulario exótico a la tecnología, sino de reconocer que la tecnología repite patrones coloniales: clasifica, extrae, tutela y decide quién es sujeto y quién es recurso.

El ensayo propone tres tácticas. Una práctica técnica crítica incorpora la reflexión sobre el poder dentro del trabajo de construcción, no como apéndice ético sino como parte del diseño. La tutela inversa propone aprender de las comunidades que normalmente son objeto de intervención, en lugar de enseñarles; la renovación de las comunidades afectivas y políticas, por su parte, reconstruye los lazos que hacen posible la solidaridad, porque sin ellos la crítica se vuelve un ejercicio individual.

Hay una crítica al marco de la «inteligencia artificial para el bien social» que conviene tomar en serio. La filantropía técnica suele llegar con una definición del bien ya hecha: alguien del centro decide qué necesita la periferia y diseña la solución antes de preguntar. La tutela inversa invierte esa dirección: primero se escucha, después se construye. No es una inversión retórica; es una inversión de poder.

La noción de anticipación sociotécnica completa el argumento. El futuro no se predice: se practica. Las decisiones sobre qué datos se juntan, quién los etiqueta y qué se mide van construyendo el mundo que después llamamos destino. Por eso la crítica decolonial no es una reflexión sobre el pasado, sino una forma de intervenir en el presente técnico. El colonialismo no terminó con las independencias; se mudó a los sistemas de clasificación.

Me interesa la incomodidad de hacer esta crítica desde un laboratorio del Norte. Mohamed no la evita: la convierte en método. El método tiene, sin embargo, un límite que el propio ensayo reconoce: la crítica desde adentro corre el riesgo de ser absorbida como una voz más del repertorio. El campo puede premiar al crítico y seguir haciendo lo mismo.

En 2020, Mohamed dio una conferencia en un taller de NeurIPS sobre aprendizaje por refuerzo biológico y artificial. El tema era el dolor. Junto con Daniel Ott, un doctorando de historia y filosofía de la ciencia, se preguntó qué puede aprender el aprendizaje automático de una experiencia que no se deja reducir a una señal. La conferencia es una de las cosas más raras que produjo el campo: un investigador de DeepMind hablando de la experiencia subjetiva del dolor, de la filosofía de la mente y de un poema de Kahlil Gibran.

El argumento tiene una parte técnica y una parte ética. La técnica: el aprendizaje automático heredó del modelo perceptivo una obsesión por los objetos. Detecta cosas, las clasifica y actúa. El dolor no funciona así: no siempre tiene un objeto, no siempre tiene una causa visible, no siempre se puede localizar. Por eso Mohamed propone pensar la percepción como una evaluación situacional, que combina contexto, memoria y estado del cuerpo, en lugar de como un detector de objetos. La ética: el dolor es una experiencia cultural, y la forma en que se lo mide y se lo trata reproduce jerarquías.

La conferencia termina con un poema de Gibran sobre el dolor como la ruptura de la cáscara que encierra el entendimiento. En su sitio, Mohamed tiene otro poema, de Michael Donaghy, que habla de la maquinaria de la gracia: una máquina simple, un ciclista que se sostiene porque se mueve, un equilibrio que solo existe mientras dura el movimiento. Las dos imágenes dicen algo sobre su posición: la técnica es una máquina, pero la gracia no está en la máquina; está en quien la usa, en la comunidad que la sostiene y en la forma en que se mueve.

Ahí hay una idea de autoría que no se parece ni a la del genio solitario ni a la de la máquina autónoma. El investigador no es el dueño de lo que produce; es una parte de un sistema que incluye a los etiquetadores, a las comunidades, a los poetas y a los pescadores. La gracia es el nombre que le da a esa coordinación que no se puede programar del todo.

Me cuesta pensar la inteligencia artificial sin esa dimensión. Un modelo puede aprender a detectar el dolor en una imagen, pero no puede saber qué significa para quien lo siente. La distinción no es un obstáculo técnico; es una advertencia política. Cuando un sistema decide sobre el dolor de alguien, la pregunta no es solo si acierta, sino quién responde por el error.

Hay una tensión de lugar. Mohamed trabaja en Google DeepMind, la empresa que también financia parte del ecosistema que él ayuda a construir. No es una contradicción que se resuelva con una frase: es la condición de su trabajo. La crítica desde adentro puede ser más eficaz que la crítica desde afuera, porque conoce las reglas y tiene acceso a las decisiones. También puede ser más vulnerable, porque el acceso depende de no romper del todo la relación. La pregunta es qué se puede decir y qué se calla cuando el sueldo viene del mismo lugar que el objeto de la crítica.

El financiamiento agrega otra tensión. Masakhane, el Indaba y los proyectos comunitarios dependen de grants, de donaciones y de créditos de cómputo. Esa dependencia no es una mancha; es la estructura de cualquier proyecto que quiera existir a escala. Conviene, sin embargo, nombrarla: la soberanía de los datos se proclama en un ecosistema donde el cómputo, los modelos y las plataformas pertenecen a unas pocas empresas. La comunidad puede ser dueña de sus datos y no ser dueña de la infraestructura que los procesa.

Está también la cuestión del talento. El Indaba formó a una generación de investigadores africanos; algunos se quedaron, otros trabajan en laboratorios del Norte. ¿Es eso un éxito de la capacidad construida o una fuga de talento hacia los centros que ya concentraban el poder? Las dos cosas pueden ser verdad. La comunidad que forma a sus investigadores también los exporta, y el mercado global premia esa exportación. La pregunta por la soberanía incluye la pregunta por quién se queda.

Y el lenguaje crítico tiene su propia deriva. «Decolonial» se volvió una palabra que viaja: aparece en papers, en conferencias, en informes de empresas. Esa circulación puede ser una victoria y un riesgo. La victoria es que el vocabulario llegó al centro; el riesgo es que el centro lo use para legitimarse sin cambiar nada. Un paper sobre colonialidad puede convivir con una empresa que extrae datos sin pagar. La crítica no garantiza la transformación.

Queda la medición. El campo premia papers, benchmarks y citas; la soberanía se mide de otras maneras, con comunidades que sostienen sus lenguas, con datos que se quedan en el territorio, con decisiones que se toman localmente. Esa diferencia de métricas hace que el éxito técnico y el éxito político no siempre coincidan. Y cuando no coinciden, el campo suele quedarse con la métrica que sabe medir.

No le voy a pedir a Mohamed que resuelva esas tensiones. Su trabajo consiste, en buena medida, en sostenerlas a la vista. Conviene no confundir, sin embargo, la lucidez con la solución: nombrar una contradicción no la elimina.

La pregunta que deja su trabajo se puede formular así: ¿puede un corpus ser un bien común? Un corpus es una colección de datos, pero también es una decisión sobre qué se conserva y qué se olvida. Si la lengua pertenece a sus hablantes, el corpus debería pertenecerles también; si el corpus pertenece a la empresa que lo procesa, la lengua entra en una economía de la que sus hablantes no son dueños.

La distinción entre representación y propiedad es la que más importa. Que una lengua aparezca en un modelo no significa que sus hablantes tengan poder sobre el modelo. Pueden estar representados y seguir siendo receptores. La diferencia entre aparecer y decidir es la diferencia entre la inclusión y la soberanía, y no se resuelve con más datos.

Queda también la pregunta por lo que no se traduce. Una lengua no es solo un conjunto de equivalencias; es una forma de nombrar el mundo que resiste la conversión. Un modelo entrenado para maximizar la similitud tiende a borrar esa resistencia. La pregunta es si se puede construir un sistema que aprenda a convivir con lo intraducible, en lugar de domesticarlo.

Vuelvo al pronóstico de 1998. Los pescadores no necesitaban un modelo más preciso; necesitaban un modelo que los escuchara. La inteligencia artificial que Mohamed imagina no es la que decide por la comunidad, sino la que se deja corregir por ella. Esa es una idea técnica y es una idea política, y las dos están en el mismo lugar.

La lengua también es una infraestructura.

Me quedo con la imagen de la máquina de la gracia: un mecanismo simple, un ciclista que se sostiene porque se mueve. La técnica no garantiza el equilibrio; lo hace posible. La pregunta que queda abierta es quién pedalea, quién decide hacia dónde y quién se queda en el camino.