Van Esch, D., & Okonkwo, U. (2026, 9 de noviembre). Exploring the world’s languages with Language Explorer. Google Research. https://research.google/blog/exploring-the-worlds-languages-with-language-explorer/
Language Explorer es una plataforma interactiva desarrollada por Google Research y Google DeepMind que permite explorar, visualizar y comprender la extraordinaria diversidad lingüística del planeta a través de representaciones gráficas, mapas y datos sobre miles de lenguas. Su propósito es acercar el conocimiento sobre las lenguas del mundo a investigadores, docentes, estudiantes y cualquier persona interesada en la lingüística, la cultura y la diversidad humana.
La iniciativa parte de una realidad fundamental: las lenguas constituyen una parte esencial del patrimonio cultural de la humanidad, pero muchas de ellas siguen estando insuficientemente representadas en el entorno digital. La tecnología puede contribuir a preservar esta diversidad, facilitar el acceso a la información y evitar que determinadas comunidades lingüísticas queden excluidas de los avances tecnológicos.
Google recuerda su trayectoria en el desarrollo de tecnologías lingüísticas. En 2006 comenzó a experimentar con Google Translate, que inicialmente únicamente admitía inglés y árabe. Dos décadas después, el servicio alcanza casi 250 idiomas y procesa alrededor de un billón de palabras traducidas mensualmente. Esta evolución refleja el crecimiento de las tecnologías de procesamiento del lenguaje natural y los esfuerzos por ampliar la cobertura lingüística de los servicios digitales.
Sin embargo, el artículo subraya que ampliar el número de idiomas disponibles no consiste únicamente en desarrollar mejores algoritmos. Es necesario comprender las particularidades culturales, históricas y sociales de cada comunidad, respetar sus formas de expresión y trabajar directamente con sus hablantes. Por ello, Google destaca la importancia de colaborar con organizaciones locales, instituciones académicas, investigadores y comunidades lingüísticas.
Entre las iniciativas mencionadas sobresalen Project Vaani, desarrollado en India, y Project Waxal, en África. Ambos proyectos colaboran con organizaciones locales para recopilar miles de horas de grabaciones de voz y construir conjuntos de datos abiertos que permitan desarrollar tecnologías para lenguas insuficientemente representadas. Estas experiencias muestran que la recopilación de datos lingüísticos debe realizarse desde una perspectiva colaborativa, incorporando las voces auténticas de las comunidades y evitando que su identidad cultural quede diluida en los procesos de digitalización.
El artículo también destaca la importancia de las alianzas institucionales, como la colaboración con la Fundación Gates, para conseguir que las herramientas digitales reflejen las particularidades y necesidades reales de los hablantes. Esta perspectiva resulta especialmente relevante porque la vitalidad de una lengua no depende exclusivamente de que existan recursos tecnológicos para procesarla, sino también de que sus hablantes puedan utilizarla en contextos educativos, culturales, sociales y cotidianos.
Como ejemplo de los resultados de este trabajo, se menciona Gboard, el teclado de Google para dispositivos Android, que admite más de 900 variedades lingüísticas. Esto evidencia que la diversidad lingüística comprende no solamente idiomas diferenciados, sino también variedades, formas de pronunciación y particularidades locales que deben tenerse en cuenta en el desarrollo tecnológico.
La principal aportación del proyecto es convertir un conjunto complejo de información lingüística en una experiencia visual, interactiva y accesible. La plataforma permite explorar más de 7.000 lenguas mediante diferentes criterios:
- Distribución geográfica: localizar las lenguas por países, regiones y continentes.
- Número de hablantes: consultar estimaciones sobre las comunidades que utilizan cada idioma.
- Grado de vulnerabilidad: identificar lenguas amenazadas y conocer su situación de conservación.
- Sistemas de escritura: descubrir los alfabetos y sistemas gráficos utilizados por las distintas comunidades.
- Identificación lingüística: consultar denominaciones originales, códigos lingüísticos y otros identificadores normalizados.
La navegación permite introducir el nombre de una lengua, un país o una región, o utilizar directamente un mapa interactivo para descubrir qué idiomas se hablan en una determinada zona. Al seleccionar una lengua se accede a una ficha con información más detallada.
Uno de los elementos más interesantes es que Language Explorer se apoya en LinguaMeta, un repositorio abierto de metadatos lingüísticos desarrollado por Google Research.
Este conjunto de datos integra y armoniza información procedente de 19 fuentes diferentes. Incluye, entre otros elementos, códigos de identificación, número de hablantes, sistemas de escritura, denominaciones originales y estado de vulnerabilidad de las lenguas.
Su principal ventaja es reunir información que anteriormente estaba dispersa en diferentes bases de datos y recursos especializados. Además, cada dato puede rastrearse hasta su fuente original, lo que facilita comprobar su procedencia, detectar posibles errores y mejorar la calidad de la información.
LinguaMeta se distribuye como un proyecto de código abierto en GitHub. Esto permite descargar el conjunto completo de datos, utilizarlo en investigaciones y proponer modificaciones o incorporar nuevos recursos lingüísticos. Se trata, por tanto, de una iniciativa que favorece la transparencia, la reproducibilidad de la investigación y la colaboración científica.
La plataforma también contempla mecanismos de participación: los usuarios pueden comunicar errores, aportar información y proponer correcciones para mejorar los registros existentes. sites.research.google.
La propia documentación reconoce que representar las lenguas sobre un mapa puede resultar problemático. Las lenguas no están necesariamente vinculadas a territorios delimitados: sus hablantes pueden encontrarse dispersos geográficamente, desplazarse o compartir espacios con otras comunidades lingüísticas.
Por ello, las coordenadas utilizadas representan centros geográficos aproximados y no fronteras lingüísticas reales.
También hay que señalar que el proyecto se centra principalmente en lenguas habladas vivas. No incluye lenguas antiguas, históricas, construidas, familias lingüísticas ni lenguas de signos. Sí contempla determinadas lenguas clasificadas como extintas cuando existen indicios de que conservan pequeñas comunidades de hablantes.
Estas decisiones delimitan el alcance de la herramienta y recuerdan que cualquier representación de la diversidad lingüística constituye una aproximación a una realidad mucho más compleja.
Language Explorer representa un ejemplo significativo de cómo la inteligencia artificial, los datos abiertos y las tecnologías de visualización pueden contribuir a documentar y difundir el patrimonio cultural y lingüístico de la humanidad. Su interés no reside únicamente en ofrecer un mapa de las lenguas del mundo, sino en construir una infraestructura de conocimiento que reúne información dispersa, permite su consulta y facilita su reutilización por parte de investigadores y comunidades.
Desde la perspectiva bibliotecaria, la iniciativa presenta varias aplicaciones:
- Alfabetización informacional y digital: permite trabajar con fuentes de información, metadatos, sistemas de clasificación y criterios de calidad y procedencia de los datos.
- Preservación del patrimonio cultural: contribuye a visibilizar lenguas minoritarias y comunidades lingüísticas insuficientemente representadas en Internet.
- Investigación académica: ofrece una fuente unificada de metadatos que puede servir de apoyo a estudios lingüísticos, sociológicos, educativos y culturales.
- Recursos educativos: facilita la elaboración de actividades sobre diversidad cultural, geografía, comunicación e identidad lingüística.
- Datos abiertos y ciencia abierta: permite descargar y reutilizar información, comprobar su procedencia y colaborar en la mejora de los registros.
- Inclusión digital: pone de manifiesto la necesidad de que las tecnologías y los servicios de información contemplen también a las comunidades que utilizan lenguas con menor presencia en el entorno digital.
Hay una cuestión especialmente relevante: la diversidad lingüística debe formar parte de la construcción de una inteligencia artificial verdaderamente inclusiva. Si los sistemas de IA se entrenan fundamentalmente con datos de las lenguas mayoritarias, existe el riesgo de reproducir desigualdades y dejar fuera del ecosistema digital a millones de hablantes.
Por eso, proyectos como Language Explorer muestran que el desarrollo tecnológico debe acompañarse de políticas de documentación, colaboración comunitaria, acceso abierto y respeto por la diversidad cultural.
