Quando o projecto estava em processo de elaboração, eu fui convidado para participar de uma das oficinas porquê um dos especialistas convidados. Junto com outros pesquisadores, alertei bastante da premência de promovermos a geração e disponibilização de conjuntos de dados nacionais para o treinamento de grandes modelos com foco no português.
Nossa preocupação é que, embora os modelos comerciais porquê ChatGPT e Gemini “falem” a nossa língua, muitas vezes isso ocorre por meio de traduções. Esse processo pode resultar em uma imposição cultural e subjetiva das línguas dominantes, porquê o inglês, gerando respostas incorretas e enviesadas.
Fiquei feliz em ver que a nossa inquietação foi contemplada, mas ainda tenho dúvidas de porquê as coisas vão intercorrer. O documento prevê a construção de um padrão de linguagem (LLM) robusto para português em 12 meses, mas não deixa nenhuma pista de porquê isso será feito.
Quem vai desenvolver o...
padrão? Vamos apostar em um vencedor pátrio? O padrão será disponibilizado em qual licença? Aliás, esse é um ponto de atenção. O documento não cita explicitamente a influência e premência de modelos de código lhano, que é um fator estratégico e fundamental para o progressão da espaço no Brasil.
Outra questão que passou batida é a colaboração com os países líderes neste setor. O projecto cita ações de compartilhamento da infraestrutura brasileira com outros países emergentes, mas o que podemos fazer com aqueles que lideram o desenvolvimento da tecnologia?
Eu sei que o projecto visa justamente trazer autonomia, mas o país não está só e a inovação não acontece no vácuo. O Brasil deve pensar também em ações estratégicas de colaboração e intercâmbio com quem está na frente nesta corrida.
