Para resolverlo proponemos: una gobernanza transparente y representativa, algoritmos de búsqueda y recomendación optimizados para la equidad representiva, y comités de ética para auditar los modelos de IA.
Nuestras propias voces, textos e imágenes, aseguramos que conceptos como "familia", "naturaleza", "belleza" o "justicia" sean interpretados con la riqueza y diversidad latinoamericanas.
Un modelo de EducaSur entenderá que un "cerro" puede ser un apu (divinidad andina) y no solo una formación geológica.
Las soluciones son:
Herramientas de Documentación Activa: Apps móviles fáciles de usar para que las comunidades puedan subir palabras, frases, historias y audios, que alimenten directamente los modelos de IA.
Entornos Digitales en Lenguas Indígenas: Crear interfaces de la plataforma en lenguas como el guaraní, quechua, náhuatl, etc.
Contexto, no solo datos: El conocimiento indígena no se almacenará como un dato frío, sino siempre vinculado a la historia, el territorio y la comunidad que lo genera.
Solución:
Plataforma de Bajo Ancho de Banda: Diseñar una versión accesible que funcione bien con conexiones lentas.
Acceso sin Conexión: Paquetes de datos descargables (ej., la Wikipedia en español/portugués/guaraní, diccionarios, libros clave) para escuelas o comunidades rurales.
Centros Comunitarios de Acceso: Trabajar con gobiernos locales y ONGs para dotar de acceso y capacitación en el uso de la plataforma.
Traductores de IA Livianos: Desarrollar modelos pequeños y eficientes que puedan correr en teléfonos móviles de gama media para traducción en tiempo real.