I dati al servizio dell’economia e della cultura europea

Parigi, 21 luglio 2025- L’Europa ospita più di 200 lingue e un ricco patrimonio culturale che abbraccia migliaia di anni, conservato in milioni di beni culturali che raccontano la storia dei suoi popoli. Ma queste lingue sono più che portatrici di patrimonio e storia: supportano sia la cultura che il commercio, rendendo possibile alle persone di connettersi, creare e operare.

Tuttavia, con la digitalizzazione del mondo, gran parte della diversità linguistica e culturale dell’Europa rischia di essere lasciata indietro.
La maggior parte dei contenuti web online, la principale fonte di dati di addestramento per gli odierni Large Language Models (LLM), è in inglese. Gran parte del contenuto riflette inoltre una prospettiva statunitense. La Commissione europea ha segnalato che l’obiettivo di digitalizzare il patrimonio culturale europeo rimane ancora significativamente distante dall’essere raggiunto. Come i leader europei hanno riconosciuto, senza un’azione urgente, questo squilibrio non è solo una questione culturale, ma commerciale. L’intelligenza artificiale che non comprende le lingue, le storie e i valori dell’Europa non può servire pienamente i suoi cittadini, le sue imprese o il suo futuro.

Ecco perché oggi a Parigi, Microsoft rafforza il suo impegno per il futuro digitale dell’Europa con due nuove iniziative incentrate nel rendere più aperto e accessibile ciò che è unicamente europeo: le sue lingue e la sua cultura. Gli annunci di oggi si basano sull’ impegno di Microsoft in Europa per il digitale, annunciati all’inizio di quest’anno, per espandere l’intelligenza artificiale e l’infrastruttura cloud, rafforzare la resilienza digitale e la protezione della privacy dei dati, migliorare la cibersicurezza e sostenere la sovranità digitale e l’economia dell’Europa in generale.

In primo luogo, per sostenere lo sviluppo di un maggior numero di LLM multilingue in Europa e per l’Europa, Microsoft fa leva su due dei suoi centri di innovazione a Strasburgo, in Francia, a lungo crocevia di culture e ora sede di importanti istituzioni europee. Questi centri contribuiranno ad espandere la disponibilità di dati multilingue per lo sviluppo dell’intelligenza artificiale, sfruttando la piattaforma Microsoft Azure, le competenze tecniche e le partnership in tutta Europa per promuovere una rappresentazione linguistica più inclusiva nei modelli di intelligenza artificiale. Nell’ambito di questo impegno, Microsoft pubblicherà un invito a presentare proposte per contribuire ad ampliare l’offerta di contenuti digitali per 10 lingue europee.

In secondo luogo, per garantire che la ricchezza culturale dell’Europa sia rappresentata e accessibile nel mondo digitale, Microsoft sta espandendo l’iniziativa Culture AI di Microsoft, che aiuta a salvaguardare lingue, punti di riferimento e artefatti attraverso repliche digitali e collaborazione sui dati. Dal 2019, Microsoft ha conservato digitalmente il patrimonio tra cui l’antica Olimpia in Grecia, il Monte St. Michel in Francia, la Basilica di San Pietro a Roma e l’80° anniversario dello sbarco alleato sulla spiaggia in Normandia, solo per citarne alcuni. Oggi, Microsoft annuncia che questo autunno inizierà a lavorare con il Ministero della Cultura francese e la società francese Iconem per creare una replica digitale di Notre Dame, il capolavoro gotico di Parigi recentemente restaurato e risalente a 862 anni fa.

Queste attività a supporto dell’Europa e della sua diversità non sono una novità per Microsoft. Le iniziative presentate oggi per sostenere le lingue e la cultura sono basati su 40 anni di esperienza al servizio di paesi e culture in tutta Europa e in tutto il mondo. Da sempre crediamo che per fare in modo che le persone possano sfruttare al meglio la tecnologia, è necessario che queste siano disponibili nelle lingue parlate dal mondo. Ecco perché oggi Windows supporta oltre 90 lingue, tra cui tutte le lingue ufficiali EU e altre lingue tra cui basco, catalano, galiziano, lussemburghese, valenciano e altre ancora. Anche Microsoft 365 offre supporto tramite applicazioni Office in più di 30 lingue europee, incluse tutte le lingue ufficiali dell’Unione Europea.

L’urgenza di colmare il divario linguistico

L’Unione europea ha 24 lingue ufficiali, con decine di altre lingue riconosciute a livello nazionale o regionale. Eppure molte di queste lingue, anche quelle che fanno parte delle 24 lingue ufficiali, come il danese, il finlandese, lo svedese e il greco, rappresentano meno dello 0,6% dei contenuti web. Altri, come il maltese, l’irlandese, l’estone, il lettone e lo sloveno, sono a malapena visibili online. Mentre solo il 5% della popolazione mondiale parla inglese come prima lingua, il testo in inglese costituisce la metà dei contenuti web, dominando i dati utilizzati per addestrare i modelli di intelligenza artificiale.

Questa sottorappresentazione digitale ha conseguenze reali, poiché gli LLM fanno molto affidamento sui contenuti web per la formazione. Quando una lingua non ha una presenza online sufficiente, rischia di essere esclusa dai futuri servizi di intelligenza artificiale. Sebbene i modelli più grandi e generici possano gestire più lingue, possono comunque perdere le sfumature linguistiche, il contesto culturale e la profondità regionale necessari per applicazioni veramente inclusive. Gli LLM addestrati su dati limitati sono meno accurati, hanno allucinazioni ed errori più elevati, lottano con il vocabolario e riflettono più pregiudizi.[1]

Ad esempio, Llama 3.1, un popolare modello open source, mostra un divario di prestazioni di oltre 15 punti percentuali tra le risposte in inglese e greco e un divario di oltre 25 punti quando si confronta l’inglese con il lettone. Se questo modello fosse uno studente, eccellerebbe in inglese, avrebbe risultati medi in greco e sarebbe carente in lettone. Questa disparità è evidente in tutti i test principali delle prestazioni dei LLM tra le lingue.[2]

In molti casi, le lingue con un profondo patrimonio culturale, come il bretone, l’occitano e il romancio, che l’UNESCO classifica come in via di estinzione, sono in gran parte non supportate dai principali sistemi di intelligenza artificiale di oggi.

Il potere economico delle lingue

Questo sviluppo asimmetrico dei modelli linguistici ha conseguenze economiche reali. Quando i sistemi di intelligenza artificiale non sono in grado di comprendere o rispondere nella lingua di una regione, limitano l’accesso ai servizi e alle opportunità, con impatti negativi sia per le imprese locali che per la crescita economica in generale.

L’ampia diffusione dell’IA, ovvero l’adozione e l’uso in tutte gli ambiti economici , sarà uno dei più importanti motori dell’innovazione e della crescita della produttività nel prossimo decennio. Come l’elettricità e altre tecnologie di uso generale in passato, l’intelligenza artificiale rappresenta la fase successiva dell’industrializzazione.

Per le comunità le cui lingue sono sottorappresentate online, i vantaggi dell’IA rischiano di rimanere fuori portata. Un esempio potrebbe riguardare un piccolo imprenditore a Malta che parla solo maltese. Attualmente, gli strumenti avanzati di intelligenza artificiale per attività come l’analisi di mercato o la generazione di contenuti probabilmente non funzionano a Malta, limitando le possibilità di questo imprenditore per sfruttare l’intelligenza artificiale. Oppure, uno studente di lingua polacca in una città fuori Varsavia che non riesce a trovare risorse educative sull’intelligenza artificiale nella sua lingua, può avere un potenziale impatto sulle opportunità di apprendimento. E anche quando una piattaforma di intelligenza artificiale supporta nominalmente una lingua, l’esperienza può essere scadente.

I governi e le istituzioni europee hanno riconosciuto l’importanza di affrontare questa situazione. Per promuovere la competitività economica nell’era dell’IA, l’Europa dovrà abbattere le barriere linguistiche e stimolare la diffusione dell’IA in tutto il continente. Secondo la Commissione europea, solo il 13,5% delle imprese dell’UE utilizza l’intelligenza artificiale. Il piano d’azione dell’UE per il continente AI rileva che l’abbattimento delle barriere linguistiche nel mercato unico potrebbe aumentare gli scambi all’interno dell’UE fino a 360 miliardi di EUR.

Nuovi passi per colmare le lacune linguistiche

Per contribuire a colmare questo divario linguistico, Microsoft collaborerà con i partner europei per aumentare la disponibilità di dati multilingue. In collaborazione con il Laboratorio ICube dell’Università di Strasburgo, un’istituzione dedicata all’ingegneria, all’informatica e all’imaging, sosterrà gli sforzi di formazione sull’intelligenza artificiale collocando personale del Microsoft Open Innovation Center (MOIC) e del Microsoft AI for Good Lab a Strasburgo, in Francia. Questo team sarà supportato da una rete interna globale di oltre 70 ingegneri, data scientist e professionisti delle policy Microsoft. Questa collaborazione tra il MOIC, Microsoft AI for Good Lab e l’Università di Strasburgo finanzierà anche due ricercatori post-dottorato e fornirà fino a 1 milione di dollari in crediti Azure.

Questo team inizierà attingendo all’archivio di dati multilingue di Microsoft, rendendolo accessibile e trasparente al pubblico europeo, compresi gli sviluppatori open source. Ciò include, ad esempio, i dati di testo multilingue da GitHub e i set di dati vocali. MOIC e GitHub collaboreranno con Hugging Face, una popolare piattaforma di collaborazione per lo sviluppo di modelli di intelligenza artificiale, per ospitare e rendere i dati ampiamente accessibili. Questo si basa sulla relazione esistente tra Microsoft ed Hugging Face per rendere disponibile un’ampia gamma di modelli aperti nella raccolta di modelli Hugging Face per la distribuzione con 1 clic nel catalogo dei modelli di Azure, incluso il rilascio della scorsa settimana degli ultimi contributi all’intelligenza artificiale multilingue: il  modello  SmoILM3 , un modello multilingue con parametri del modello 3B altamente efficiente con supporto per 6 lingue: inglese, francese, spagnolo, tedesco, italiano e portoghese.

MOIC collaborerà anche con Common Crawl, uno dei più grandi archivi gratuiti e aperti di dati scansionati sul web. Il MOIC finanzierà il lavoro di Common Crawl, sfruttando personale madrelingua per annotare e inserire i dati delle lingue europee nel set di dati Common Crawl disponibile al pubblico.

Inoltre, il MOIC e l’AI for Good Lab pubblicheranno un invito a presentare proposte per contribuire ad ampliare l’offerta di contenuti digitali per 10 lingue europee, rendendo disponibili le loro raccolte di testi in modo responsabile ed etico alle proprie condizioni per lo sviluppo e le esperienze multilingue dell’IA. Le domande di sovvenzione saranno disponibili sul sito web di AI for Good Lab a partire dal 1° settembre 2025. Nella selezione dei destinatari, il MOIC e l’AI for Good Lab si concentreranno sulle opportunità di sbloccare i dati in lingue con una rappresentazione relativamente bassa nei contenuti online, come l’estone, l’alsaziano, lo slovacco, il greco e il maltese. I grand forniranno ai destinatari crediti Azure e supporto ingegneristico e tecnico.

Se da un lato è essenziale disporre di un maggior numero di dati multilingue, dall’altro possono essere utili strumenti tecnologici e know-how. Ad esempio, molte lingue utilizzano script (sistemi di scrittura) che attualmente pongono sfide ai modelli originariamente progettati per l’alfabeto latino. I caratteri cirillici, l’alfabeto greco e la scrittura corsiva araba hanno proprietà diverse. I “tokenizzatori” standard spesso interrompono questi script in modi non ottimali. Questo può danneggiare la capacità di un modello di apprendere un contesto più ampio o un’ortografia accurata in quelle lingue. I nuovi progressi nelle tecniche che consentono a un modello di gestire qualsiasi script in modo uniforme possono essere d’aiuto. Anche migliori meccanismi i per creare dati sintetici e per elaborare e gestire tali dati possono essere d’aiuto, soprattutto quando gestiscono in modo efficace i problemi relativi alla privacy e ai dati sensibili.

Il MOIC e l’AI for Good Lab lavoreranno per facilitare lo sviluppo e la condivisione di conoscenze, strumenti e capacità per affrontare queste problematiche e responsabilizzare gli sviluppatori europei. L’AI for Good Lab pubblicherà un progetto per descrivere in dettaglio come creare set di dati linguistici di alta qualità e addestrare gli LLM locali per ottenere più potenza dai dati esistenti. Questi due gruppi sosterranno anche la ricerca, organizzeranno convegni, co-investiranno in progetti di dati comuni e garantiranno che le conoscenze, gli strumenti e le capacità siano disponibili dove sono più necessari. Questi team continueranno anche a supportare iniziative come quelle del Barcelona Supercomputing Center,  del Basque Center for Language Technology e dell’Università di Santiago de Compostela per rilasciare modelli di intelligenza artificiale addestrati in spagnolo, catalano, basco e galiziano in Azure AI Foundry. Questa iniziativa consente agli sviluppatori di creare sistemi di intelligenza artificiale che operano nelle lingue ufficiali della Spagna, promuovendo l’innovazione e l’inclusività.

Infine, per far progredire la ricerca responsabile sull’intelligenza artificiale e contribuire a colmare il divario linguistico, Microsoft sta lanciando due nuove collaborazioni accademiche in Europa presso l’Università di Strasburgo e la IE University School of Science & Technology in Spagna. AI for Good Lab e MOIC di Microsoft collaboreranno con l’Università di Strasburgo per fornire grant Azure a sostegno della ricerca congiunta sull’intelligenza artificiale. Presso  la IE University School of Science & Technology, Microsoft AI for Good Lab fornirà grant Azure per supportare la ricerca congiunta rivolta ai linguaggi con poche risorse, incluso il supporto per i progetti finali correlati per accelerare nuove soluzioni incentrate sul linguaggio e sull’intelligenza artificiale.

Nuove misure per contribuire a salvaguardare digitalmente il patrimonio culturale dell’Europa

Dal 2019, l’iniziativa Culture AI di Microsoft si è concentrata sull’uso dell’intelligenza artificiale in tutto il mondo per aiutare a preservare le lingue, i luoghi, le storie e gli artefatti che definiscono la storia umana.  Alimentata dall’AI for Good Lab e attraverso partnership con organizzazioni non profit, università, governi e istituzioni culturali, l’iniziativa sostiene progetti di digitalizzazione e protezione del patrimonio culturale, dalle lingue in via di estinzione ai monumenti iconici, in Francia, Italia e Grecia. Che si tratti di creare repliche digitali di siti storici o di rendere più accessibili le collezioni museali, l’obiettivo è garantire che l’identità culturale e la diversità non solo siano preservate, ma rese più inclusive e accessibili nell’era digitale.

Oggi, abbiamo annunciato il prossimo progetto: la costruzione di una replica digitale in collaborazione con il Ministero della Cultura francese e lo studio francese Iconem. Il progetto creerà un gemello digitale di Notre Dame a Parigi, un punto di riferimento architettonico e culturale plasmato nel corso dei secoli. La costruzione di Notre Dame iniziò nel 1163 e continuò per quasi 200 anni, dando vita a un capolavoro gotico lungo 128 metri con torri gemelle che si innalzano a 69 metri sopra la Senna. Dopo un devastante incendio nel 2019, Notre Dame ha riaperto al pubblico alla fine del 2024. Il progetto utilizzerà la tecnologia e i metodi che abbiamo sviluppato con Iconem per creare un gemello digitale della Basilica di San Pietro lo  scorso anno, basato su oltre 400.000 foto e algoritmi avanzati di intelligenza artificiale, in collaborazione con il Vaticano.

Proprio come il progetto del Vaticano per San Pietro, questo nuovo progetto creerà una replica digitale che conserverà in modo permanente in forma digitale ogni dettaglio di Notre Dame, assicurando che la sua struttura, la sua storia e il suo simbolismo siano protetti e accessibili per le generazioni a venire. Combinando l’imaging avanzato con l’intelligenza artificiale, Microsoft creerà e donerà allo Stato francese un gemello digitale che può essere utilizzato dai team dedicati alla conservazione ed essere esposto nel futuro Musée Notre Dame de Paris.

Oltre al progetto a Notre Dame, Microsoft annuncia anche una partnership con la Bibliothèque Nationale de France e in collaborazione con Iconem per digitalizzare quasi 1.500 set di modelli cinematografici di spettacoli all’Opéra National de Paris tra il 1800 e il 1914. I set di modelli digitalizzati saranno resi disponibili attraverso esperienze interattive ed educative e mostre e come set di dati resi disponibili sulla piattaforma Gallica della Bibliothèque Nationale de France per l’intelligenza artificiale culturale e i progetti di ricerca.

Infine, Microsoft avvierà una collaborazione con il Musée des Arts Décoratifs per rendere accessibili al pubblico le descrizioni digitali dettagliate di circa 1,5 milioni di manufatti dal Medioevo ai giorni nostri. Questa iniziativa consentirà ai ricercatori di storia, storia dell’arte e conservazione di accedere a queste nuove informazioni per lo studio e l’utilizzo nella propria ricerca basata sull’intelligenza artificiale.

Uno sguardo al futuro: adottare un approccio basato sui principi

Oggi, Microsoft compie questi nuovi passi con umiltà e rispetto, riconoscendo che la conservazione della diversità linguistica e culturale dell’Europa è un compito degli europei che deve essere guidato dagli europei. L’Unione europea ha già avviato uno sforzo tra Paesi per mettere in comune i dati linguistici dell’UE e digitalizzare tutti i tipi di patrimonio culturale. Il  ruolo di Microsoft è quello di contribuire e sostenere questi e simili sforzi. Nessuna delle iniziative annunciate oggi comporterà la creazione di dati o tecnologie proprietarie per Microsoft.

In sintesi, per rispondere efficacemente a queste esigenze in Europa è fondamentale fornire a più persone competenze sull’IA. Come ha recentemente concluso la Commissione europea, la carenza di competenze digitali nel settore culturale sta ostacolando gli sforzi per digitalizzare le opere del patrimonio culturale in tutta Europa. Per contribuire a colmare questo divario di competenze, il MOIC e l’AI for Good Lab condivideranno gli apprendimenti su come svolgere questo lavoro critico.

La tecnologia dovrebbe riflettere la ricchezza dell’umanità, non ridurla. Con azioni mirate, possiamo far sì che l’intelligenza artificiale valorizzi, invece di minacciare la diversità linguistica e culturale.

Questa è una delle sfide che definiscono l’equità dell’era dell’intelligenza artificiale. E solo lavorando insieme, con determinazione e urgenza, è possibile colmare il divario e costruire un futuro digitale che onori ogni lingua, ogni cultura e ogni comunità in tutta Europa.

[1] P. Rohera, C. Ginimav, G. Sawant e R. Joshi, “Meglio chiedere in inglese? Valutazione dell’accuratezza fattuale degli LLM multilingue in inglese e nelle lingue a basse risorse”, 28 aprile 2025, arXiv: arXiv:2504.20022. doi: 10.48550/arXiv.2504.20022.

[2] K. Thellmann et al., “Verso la valutazione LLM multilingue per le lingue europee”, 17 ottobre 2024, arXiv: arXiv:2410.08928. doi: 10.48550/arXiv.2410.08928.