Amália

AMÁLIA is een nationaal AI-project waarmee Portugal een eigen technologische basis wil opbouwen. En nee, het heeft niet de pretentie om een concurrent te worden van ChatGPT en consorten.

AMÁLIA staat voor Assistente Multimodal Automático de Linguagem com Inteligência Artificial. Het is het eerste grote taalmodel dat in Portugal is ontwikkeld voor het Europees Portugees. AMÁLIA verwijst naar Amália Rodrigues, de beroemde Portugese fadozangeres. De naam verklapt de strategie, AMÁLIA is namelijk een taalspecialist, die ook nog eens de Portugese culturele identiteit waarborgt en weergeeft. AMÁLIA is geen kleine Portugese startup, maar een samenwerking van een zestigtal onderzoekers van Technische Hogescholen en de Universiteiten van Lissabon, Coimbra, Porto en de Minho.

Open technologische basis

AMÁLIA is bedoeld als een open bron van systemen, software en koppelingen van verschillende eigenaars. Het is geen chatbot met een eigen app. Gebruikers kunnen het model downloaden en er hun eigen toepassingen bovenop bouwen. Er zijn geen licentiekosten verbonden aan het gebruik ervan.

Digitale souvereiniteit

Portugal wil voor AI-toepassingen niet afhankelijk zijn van Amerikaanse- of Chinese technologiebedrijven, met name als de overheid AI systemen wil gebruiken bij bijvoorbeeld: belastinggegevens, medische gegevens, juridische documenten, overheidsadministratie en persoonsgegevens van burgers. Met een eigen model kan Portugal beter bepalen waar de gegevens worden opgeslagen, waarmee het model wordt getraind en hoe het wordt aangepast.

Taal

En tools als ChatGPT zijn goed in Portugees, maar Europees Portugees is niet hetzelfde als Braziliaans Portugees, dus AMÁLIA wordt specifiek getraind op de Europees Portugese variant en op de Portugese geschiedenis, cultuur, wetgeving en terminologie.

Multimodaal

De eerste ontwikkelingsfase kostte €5,5 miljoen, dat grotendeels betaald werd uit het Portugese PRR (Plano de Recuperação e Resiliência). Voor nieuwe ontwikkelingen wordt nog eens €1,5 miljoen uitgetrokken. AMÁLIA is inmiddels multimodaal, dus het betreft tekst, stem, afbeeldingen en video. Het is de bedoeling dat er later systemen op worden gebouwd die documenten van de overheid kunnen analyseren, burgers helpen met overheidsdiensten of gebruikt kunnen worden bij het onderwijs en in de gezondheidszorg. De Universiteit van de Minho heeft bijvoorbeeld al een onderwijscomponent ontwikkeld met hulpmiddelen voor leraren, een persoonlijke tutor voor leerlingen en een chatbox voor studenten.

De Portugese overheid stelt dat AMÁLIA niet bedoeld is om beter te zijn dan de grote internationale modellen voor bijvoorbeeld complexe redeneringen of berekeningen. Het sterke punt moet juist zijn: Europees Portugees, Portugese context, Portugese gegevens en Portugese controle. Dus als je AI een bepaalde applicatie wilt laten ontwikkelen dan moet je Claude of ChatGPT raadplegen, maar als je op zoekt bent naar een manier om aan de gewone Portugese burger een bestuursrechtelijke procedure uit te kunnen leggen dan is AMÁLIA je beste keus.

Portugal bouwt een eigen basisinfrastructuur waarop universiteiten, bedrijven en de overheid vervolgens toepassingen kunnen bouwen. De insteek is dus dat Portugal ervoor zorgt dat het zelf begrijpt, beheerst en kan ontwikkelen wat er onder de motorkap van AI gebeurt.

Is AMÁLIA een poging om de Portugese taal vrij te houden van Braziliaanse en andere invloeden die de taal eigenlijk verarmen in plaats van deze te verrijken? Nee, zo moet je dat niet zien. Het project probeert juist te voorkomen dat Europees Portugees in een mondiale AI-omgeving wordt overvleugeld door grotere taalvarianten, zoals het Braziliaans Portugees.

Er is een reëel probleem met grote taalmodellen: de hoeveelheid beschikbare digitale tekst bepaalt mede hoe goed een taalvariant wordt weergegeven. Braziliaans-Portugees heeft door de omvang van Brazilië een veel grotere digitale aanwezigheid dan Europees Portugees. Als je een algemeen model traint op enorme hoeveelheden Portugese tekst, is het dus logisch dat het model gemakkelijk een soort “gemiddeld Portugees” produceert dat in de praktijk sterk Braziliaans gekleurd kan zijn.

AMÁLIA probeert daar bewust iets tegenover te zetten. De makers zeggen expliciet dat het model is ontwikkeld om Europees Portugees te begrijpen en te produceren en om Portugese culturele referenties, uitdrukkingen, spreekwoorden, monumenten en historische kennis te behouden. Maar er is wel een aparte benchmark ontwikkeld om vooringenomenheid tussen pt-PT en pt-BR te meten, met andere woorden men is zich bewust van het probleem van taalpurisme.

Taalpurisme

Maar taalbescherming kan ook omslaan in taalzuivering. Een jonge Portugees in Lissabon gebruikt misschien woorden uit het Engels, Afrikaans of Braziliaans Portugees. Een Portugees in Porto spreekt anders dan iemand in de Algarve. Migranten brengen weer andere woorden en constructies mee. Een taal die je volledig probeert te “bevriezen” wordt uiteindelijk een museumtaal.

AI als cultureel geheugen

Portugees is een wereldtaal. Europees Portugees, Braziliaans-Portugees, Angolees-Portugees, Mozambikaans-Portugees enzovoort zijn allemaal legitieme varianten.

Portugal is een klein land en Brazilië heeft ruim twintig keer zoveel inwoners. In de digitale wereld kan het daardoor gebeuren dat ‘Portugees’ ‘Braziliaans Portugees’ gaat betekenen, dus als je iets vraagt krijg je Braziliaanse juridische termen, spelling of historische voorbeelden.

Een AI-model kan die verschillen herkennen waardoor de Europees Portugese woorden, grammatica, uitspraak, uitdrukkingen en culturele referenties worden beschermd. Hierdoor wordt tevens de Portugese literatuur, geschiedenis, monumenten, musea en cultureel erfgoed (de Portugese identiteit) gedigitaliseerd. Als Portugese archieven, boeken, kranten, museale collecties en historische documenten goed in zo’n model terechtkomen, wordt het veel gemakkelijker om toekomstige generaties toegang te geven tot kennis die anders langzaam uit het digitale landschap kan verdwijnen. AMÁLIA wordt al gebruikt door Portugese musea bij het herkennen en contextualiseren van kunstwerken en historische informatie.