// SMARTWORLD — INTELLIGENZA ARTIFICIALE
Google ha risolto il dilemma di Babele con l'AI che parla fluentemente 300 lingue, ma l'obiettivo è molto più in alto
Tradurre un testo è una cosa. Capire come le persone parlano davvero, con le loro emozioni, i cambi di lingua a metà frase e le sfumature culturali, è un'altra. Google ha pubblicato un lungo aggiornamento su come sta usando l'AI per affrontare questa seconda sfida, e i numeri che tira fuori sono interessanti: le sue tecnologie linguistiche coprono oggi oltre 300 lingue, raggiungendo l'86% della popolazione mondiale.
Non è solo una questione di Google Traduttore, che nel frattempo è passato da poche lingue a più di 250. L'obiettivo dichiarato è molto più ambizioso: supportare le 1.000 lingue più parlate al mondo, comprese quelle che fino a oggi erano quasi invisibili nel mondo digitale.
Preferisci ascoltare il riassunto audio? Abbiamo scelto una voce realizzata con strumenti avanzati IA per rendere rendere i nostri testi subito accessibili a tutti
Il cambiamento più rilevante riguarda il modo in cui i modelli AI elaborano il parlato. I vecchi sistemi funzionavano in tre passaggi separati: ascoltavano, trascrivevano, poi sintetizzavano. Un processo che perdeva per strada tutto quello che rende umana una conversazione: il tono, le pause, le emozioni.
Google ha addestrato modelli come Gemini ad ascoltare l'audio direttamente, senza passare per la trascrizione testuale.
Il risultato pratico più visibile è Gemini 3.5 Live Translate, che traduce conversazioni in tempo reale su 70 lingue e oltre 2.000 coppie linguistiche, gestendo anche il code-switching, ovvero quando una persona passa da una lingua all'altra a metà frase, come accade naturalmente con lo Spanglish o l'Hinglish. C'è poi Gemini 3.5 Transcribe, descritto come il modello di trascrizione vocale più preciso di Google, capace di funzionare anche in ambienti rumorosi. Su Android alimenta già Rambler su Gboard, che rimuove i riempitivi, corregge la punteggiatura e permette di riscrivere il testo con comandi vocali.
Per le lingue meno rappresentate, Google ha sviluppato un modello chiamato Universal Speech Model, addestrato su 12 milioni di ore di audio. Il trucco sta nel cross-lingual transfer learning: il modello impara da lingue con tanti dati disponibili e trasferisce quella conoscenza alle lingue con pochissimi dati, come molte lingue africane o dialetti regionali.
Una parte del mondo non ha accesso affidabile a internet, e un'AI che richiede il cloud per funzionare non serve a nulla in quelle aree. Per questo Google ha sviluppato TranslateGemma, una famiglia di modelli di traduzione leggeri che girano direttamente sul dispositivo, senza bisogno di connessione, su 55 lingue.
Il problema però è che anche avere uno smartphone non è scontato ovunque. Per chi usa ancora i vecchi telefoni con tasto fisico (i cosiddetti feature phone), Google supporta Viamo e il suo assistente vocale AVA, che porta le capacità di Gemini su questi dispositivi tramite chiamata vocale interattiva. Testato in Rwanda, il servizio ha già risposto a più di 2 milioni di domande.
C'è poi un fronte che riguarda l'accessibilità in senso più ampio: Google sta sviluppando Sign Language-to-Text (SL2T), addestrato su più di 50 lingue dei segni, che alimenta la dettatura tramite linguaggio dei segni su Gboard e Live Transcribe su Pixel 11, partendo dalla lingua dei segni americana.