En la mitología náhuatl, Xolotl es el hermano mellizo de Quetzalcóatl, quien al rehusarse a ser sacrificado para dar movimiento al Quinto Sol, recurrió a sus poderes de transformación para esconderse. Primero se convirtió en una planta de maíz, luego en una penca de maguey y, finalmente, en el animal llamado axolotl.
Académicos y alumnos de la UNAM retomaron el nombre y la imagen de este anfibio endémico del Valle de México para nombrar al repositorio digital que permite consultar documentos que cuentan con más de un millón de palabras con traducción del español al náhuatl.
El objetivo de Axolotl, corpus paralelo español-náhuatl, es dar textos similares, traducciones del español al náhuatl o del náhuatl al español, con las que se puede saber qué oración corresponde a esa misma en la otra lengua (su significado y uso). Traer esos escritos con base en una búsqueda determinada nos sirve para conocer cómo se utiliza una palabra en el otro idioma.
“Además, posibilita tener una base para la generación de léxico bilingüe entre estas dos lenguas y un componente básico para hacer un sistema de traducción automática”, explicó Gerardo Sierra, jefe del grupo de Ingeniería Lingüística del Instituto de Ingeniería.
Tecnologías del lenguaje
Para crear este corpus se recurrió a técnicas de procesamiento del lenguaje natural e inteligencia artificial que permiten segmentar y paralelizar textos. Se utilizaron tecnologías del lenguaje, un sistema de recuperación de la información y un software de reconocimiento óptico de caracteres con la idea de que los usuarios pudieran hacer búsquedas en las fuentes de la naturaleza paralela español-náhuatl”, detalló Ximena Gutiérrez, estudiante de posgrado y participante del proyecto Axolotl.
Normalmente, prosiguió, los traductores digitales se basan en grandes colecciones, lo que facilita estadísticamente encontrar la equivalencia entre una palabra y otra.
Pero para desarrollar Axolotl, el reto fue mayor. Tras una búsqueda exhaustiva de documentos, se localizaron unos 30 libros traducidos del español al náhuatl, o viceversa. Entre ellos hay textos antiguos y actuales, con temáticas que van desde lo religioso e histórico hasta los cuentos o recetarios.
También fue necesario que el grupo multidisciplinario que creó este sitio web elaborara un diccionario que le permitiera al reconocedor óptico de caracteres identificar de mejor manera las grafías del náhuatl, pues este tipo de software usualmente está enfocado a lenguas como el inglés y no funciona bien cuando se enfrenta a las menos conocidas.
“Cuando ingresas a Google Traslate ves muchos pares de idiomas: del francés al japonés, del japonés al italiano, y nosotros pensamos: ¿Por qué no del español al náhuatl o del zapoteco al español? Éste es nuestro primer caso de estudio de extracción léxica bilingüe y traducción, pero queremos que exista para muchas otras lenguas mexicanas”, añadió Ximena Gutiérrez.
Diversidad lingüística
Gerardo Sierra, jefe de Ingeniería Lingüística, coincidió en que ante la vasta diversidad lingüística de México se debe incentivar el desarrollo de repositorios digitales y tecnología.
El equipo que creó Axolotl colabora con académicos y alumnos del Centro Nacional de Investigación y Desarrollo Tecnológico, para construir un corpus similar de textos entre el mixteco y el español.
Axolotl está disponible para todo público desde la dirección http://www.corpus.unam.mx/axolotl, y es usado principalmente por estudiosos –sobre todo del náhuatl–, tecnólogos o ingenieros lingüistas, a quienes les interesa generar tecnología para lenguas con escasos recursos digitales.