Crean un buscador multilingüe de imágenes en Internet

Informáticos de la universidad de Washington han desarrollado un buscador de imágenes en Internet multilingüe. Según los creadores de PanImages, esta herramienta hará accesibles las imágenes que circulan por la red a todo el mundo, ya que permite buscar imágenes usando cientos de lenguas.

Desde la caída de la Torre de Babel hasta el Esperanto, uno de los sueños de la humanidad ha sido compartir una misma lengua. Internet parecía que nos iba a situar más cerca de este sueño, pero la realidad es que, por ejemplo, millones de fotografías en Internet no se pueden encontrar porque nadie las ha traducido.

“Las imágenes son universales, pero los buscadores de imágenes no”, dice Oren Etzoni, profesor de informática en la universidad de Washington que ha estado al frente de este proyecto. “Una persona que teclea su búsqueda en inglés, evidentemente, no va a encontrar fotografías clasificadas en chino y un alemán no podrá encontrar imágenes etiquetadas en inglés. Lo que hemos hecho es crear una herramienta colaborativa para resolver este problema”, afirma en un comunicado de la universidad.

Los buscadores como Google buscan imágenes detectando el término de búsqueda en los pies de foto o en otros textos cercanos. Dado que el proceso busca series de letras, los resultados están limitados a la lengua materna de quien busca la imagen.

PanImage (“pan” significa en griego “todo”) es capaz de traducir automáticamente un término de búsqueda en unas 300 lenguas diferentes, sugiriendo algunas que pueden estar más acordes a la búsqueda y mostrando las imágenes a partir de Google y la base de datos fotográfica Flickr.

Esta herramienta sobre todo ayudará a internautas que hablan lenguas minoritarias y que tienen una limitada presencia en la web. Por ejemplo, si un hablante zulú busca una imagen de un frigorífico en un buscador y teclea “ifriji”, que es cómo se dice en su lengua, sólo obtendrá dos resultados. Sin embargo, si lo introduce en PanImage, tendrá 472.000 fotografías a su disposición. En un texto de una lengua minoritaria, PanImage es capaz de encontrar 57 veces más resultados que el buscador de imágenes de Google.

“Queremos servir al gran número de internautas que no habla una lengua mayoritaria”, comenta Etzioni. “Internet es cada vez más accesible en muchos países que no forman parte de las naciones industrializadas, por eso es cada vez más importante dar este tipo de servicios a personas que no hablan inglés, francés o chino”.

Escanear diccionarios

El potente cerebro de PanImages fue creado escaneando más de 350 diccionarios online. Algunos de ellos eran “wikidiccionarios”, diccionarios multilingües escritos por voluntarios.

El software de PanImages escanea estos diccionarios y usa un algoritmo para encontrar los resultados más precisos. Después, el sistema ensambla los resultados en una matriz que permite la traducción en combinaciones que nunca han sido intentadas antes, por ejemplo del lituano.

“Es un recurso léxico que no tiene precedentes. Lo que distingue este buscador de otros es su habilidad para escalar tal cantidad de lenguas. Nuestro último objetivo es cubrir finalmente todas las lenguas en las que la gente esté interesada”, comenta Etzioni.

Para todos

Incluso las personas que hablan estas lenguas mayoritarias se pueden beneficiar de PanImage. Las palabras que tienen más de un significado inevitablemente producen resultados no deseados cuando son buscadas. Por ejemplo, si buscamos “spring” en inglés obtendremos resultados muy diversos: un prado, un rollo de metal e imágenes de una ciudad norteamericana llamada Silver Spring. En este caso, y si queremos buscar el significado “rollo de metal”, sería posible introducir en PanImage la palabra francesa “ressort”, que es mucho más precisa.

Los experimentos hechos con lenguas más comunes han puesto de manifiesto que PanImage dobla el número de imágenes correctas en las quince primeras páginas de resultados.

Los servicios de traducción online gratuitos usados por Yahoo y Google incorporan únicamente dos docenas de lenguas. Y se dan situaciones como que en los Estados Unidos, si usamos un traductor, la tendencia es que se centre en lenguas que tienen una relevancia militar, como el chino o el árabe.

PanImages tenía 50 lenguas a principios de año y en junio ya había alcanzado las 100. Ahora mismo incluye unas 300 y 2,5 millones de palabras.

Sus creadores seguirán desarrollando esta herramienta rastreando más diccionarios online para aumentar el número de palabras y lenguas que puede manejar. Asimismo, quieren traducir las palabras usadas en páginas que etiquetan palabras, tipo del.icio.us, donde los usuarios utilizan una única palabra para describir el contenido de una página web.

Los resultados de las investigaciones y pruebas hechas con PanImages fueron presentados recientemente en el Machina Translation Summit que se celebró en Copenhague.