🪶 Pütchi — Traductor y Guardián del Wayuunaiki

🌐 Repositorios Oficiales (v0.2): - 🦙 Ollama Hub (GGUF Listo para usar): 🔗 https://ollama.com/bladealex/putchi — ollama run bladealex/putchi - 🤗 Hugging Face (Safetensors texto): 🔗 https://huggingface.co/bladealex/putchi Borrador v0.2 sin validar por hablantes — fraseario, no traductor que generalice.

El tercer pilar del Ecosistema · Justicia (TutelaBot) → Seguridad (VulnSentinel) → Lengua y Cultura (Pütchi) ollama run bladealex/putchi

“Pütchi significa «la palabra». En la tradición wayúu, el pütchipü’ü —el palabrero— es quien lleva la palabra para reconciliar, no para imponer. Este modelo nace con esa misma humildad: no reemplaza al hablante patrimonial ni al maestro etnoeducador; lleva la palabra un poco más lejos, hasta el niño de la ranchería sin señal y hasta el alijuna que quiere acercarse con respeto.” — Alexander Oviedo Fadul, Ing. de Sistemas y Abogado· Premio Innovación JusticiaLab

[!IMPORTANT] Estado: 🟢 v0.2 — DESPLEGADO y corriendo localmente en Ollama (23 mayo 2026). Entrenado sobre un corpus bootstrap de 5.228 pares derivado del dataset semilla de Wayuunaiki (lexicón de 854 entradas + clases cerradas). v0.2 corrige la señal de EOS (fin de secuencia) que faltaba en v0.1: la degeneración cae de 58.8% a 0% y español→wayuunaiki de 18.8% a 81.2% EM.

Dirección	Estado v0.2
Wayuunaiki → Español	✅ Funciona (wiin→agua, tepichi→niño, pütchi→palabra…) — 75% EM
Español → Wayuunaiki	✅ Funciona (agua→wiin, siki→fuego…) — 81% EM, sin run-on

Corre localmente con: ollama run bladealex/putchi. Es un fraseario sin validar por hablantes que memoriza el léxico que vio (no generaliza a pares nuevos: held-out 0% EM), no un traductor profesional.

🎯 El Problema que Resuelve

El wayuunaiki (ISO 639-3: guc) es la lengua indígena más vital del norte de Suramérica: ~150.000 hablantes en Colombia y ~50.000 en Venezuela, con cerca del 30% de monolingüismo en la Alta Guajira. Pero esa vitalidad se erosiona: el desplazamiento por la crisis hídrica y la hegemonía del castellano en las aulas urbanas hacen que cada vez más niños wayúu lleguen a la escuela hablando solo español, sin poder dialogar con sus mayores ni con sus pares de las rancherías remotas.

Las herramientas existentes son valiosas pero fragmentadas: diccionarios en PDF, cartillas dispersas, plataformas que exigen conexión a internet en un territorio con marginación digital severa. Y las IA comerciales de traducción no incluyen el wayuunaiki ni respetan la gobernanza comunitaria sobre el conocimiento ancestral.

Pütchi rompe ese ciclo: un modelo de lenguaje que traduce Español↔Wayuunaiki, asiste la educación intercultural bilingüe y consulta la gramática y el léxico —100% offline, para que funcione en la intranet de una escuela rural (al estilo de la Red Local Kimera) sin entregar el patrimonio lingüístico a servidores extranjeros.

📌 Resúmenes de Presentación (Copys Rápidos)

• Diminuto (1 Oración): Pütchi es un traductor offline Español↔Wayuunaiki que extiende el modelo TranslateGemma de Google DeepMind para incluir, por primera vez, la lengua originaria más numerosa del norte de Suramérica.
• Medio (Párrafo Corto): Pütchi («la palabra» en wayuunaiki) es un modelo de IA para la revitalización del wayuunaiki construido sobre TranslateGemma (Gemma 3). Traduce en ambas direcciones preservando los rasgos propios de la lengua (la vocal /ü/, el cierre glotal, el sistema de género proyectado por el hablante), apoya a maestros de educación intercultural bilingüe y corre enteramente offline para respetar la soberanía de datos de las comunidades. Es mi obsequio a La Guajira en el marco del Decenio Internacional de las Lenguas Indígenas (2022–2032) de la ONU.
• Largo (Completo): En un territorio transfronterizo asediado por la sequía y la migración, la pervivencia del wayuunaiki es el bastión primordial de la resistencia cultural wayúu. Pütchi nace para sumarse a ese esfuerzo: un modelo de lenguaje afinado con LoRA sobre TranslateGemma 4B (Gemma 3) —el modelo de traducción multilingüe de Google DeepMind— al que se le enseña una lengua de la familia Arawak que ninguna IA comercial cubre. Entrenado sobre un corpus curado de gramáticas (Jusayú & Olza, Álvarez, Mansen & Mansen), diccionarios bilingües, cartillas etnoeducativas del MEN/ICBF/UNICEF y textos de derechos (la Convención de los Derechos del Niño en wayuunaiki), Pütchi traduce, conjuga, explica reglas morfosintácticas y genera material didáctico —todo en local. No reemplaza al hablante patrimonial ni al pütchipü’ü: lleva la palabra a quien hoy no puede alcanzarla.

🛑 El Dolor en el Territorio

Un niño wayúu nacido en la periferia de Maicao crece escuchando español en la calle y wayuunaiki solo en los audios de WhatsApp que su abuela envía desde la Alta Guajira. En la escuela, el maestro —a veces designado desde el interior del país, sin formación en la lengua— no puede tender el puente. El diccionario está en un PDF de 10 MB que nadie puede abrir sin datos móviles. La palabra, pütchi, se va quedando sin quien la lleve.

💡 La Oportunidad: La Palabra que Viaja Offline

Pütchi convierte ese PDF inerte en un interlocutor. Al instalarse sobre Ollama en un computador modesto (o en un servidor local tipo Kimera que emite Wi-Fi sin internet), el modelo:

• Traduce frases y textos Español↔Wayuunaiki conservando la estructura.
• Explica gramática: género proyectado, determinativos enclíticos, voz pasiva morfológica.
• Apoya al maestro EIB: genera ejercicios, listas léxicas temáticas y ejemplos contextualizados.
• Acerca con respeto al alijuna (no indígena) que desea aprender bajo protocolos de corresponsabilidad.

Casos de Uso

• Aulas de Educación Intercultural Bilingüe (EIB): material didáctico instantáneo para grados 2°–6°, alineado con marcos como Ekirajawaa Süpüla Wayuuwaa (“Aprender para ser wayuu”).
• Diáspora wayúu: padres fuera del territorio que quieren transmitir la lengua a sus hijos.
• Investigadores y traductores interculturales: consulta lexicográfica y morfosintáctica asistida.
• Entidades públicas: traducción de documentos de derechos, salud y emergencias climáticas a wayuunaiki.

🌿 Particularidades Lingüísticas que el Modelo Debe Honrar

A diferencia de un traductor de lenguas indoeuropeas, Pütchi se entrena para respetar la idiosincrasia del wayuunaiki:

⚙️ Arquitectura Técnica y Metodología (Ingeniería de Lengua de Bajo Recurso)

• Modelo base: TranslateGemma 4B (familia Gemma 3, Google DeepMind), elegido por su especialización nativa en traducción multilingüe (55 idiomas) como punto de partida sólido para añadir un idioma de bajo recurso.
• Técnica: Fine-tuning LoRA supervisado con gemma-tuner sobre Apple Silicon (MPS), modalidad text.
• Construcción del dataset:
  1. Se recopilaron 22 documentos de referencia (gramáticas tradicionales, diccionarios bilingües, cartillas de educación intercultural bilingüe y textos de derechos) y se digitalizaron para extraer su contenido de forma limpia.
  2. Se extrajeron pares paralelos de vocabulario y frases Español↔Wayuunaiki, así como explicaciones gramaticales en formato de preguntas y respuestas.
  3. Se estructuró y consolidó el dataset para el entrenamiento del modelo.
• 🛡️ Soberanía de datos (Offline): Toda la inferencia y el procesamiento ocurren de manera local en el computador o servidor de la institución. Ningún texto sale del perímetro de la comunidad, garantizando la privacidad y soberanía de los datos lingüísticos.

🗺️ Hoja de Ruta Técnica (Transparencia en el Desarrollo)

• Disponibilidad del Modelo: Se hace uso de la versión instructiva de TranslateGemma de Google DeepMind para aprovechar su capacidad de traducción preexistente.
• Afinamiento Local (Fine-Tuning): El proceso está optimizado para ejecutarse localmente usando aceleración por hardware en computadores de escritorio (como Apple Silicon), reduciendo la necesidad de servidores en la nube de alto costo.
• Validación de Datos: Se prioriza la revisión del vocabulario y reglas gramaticales para asegurar el respeto a la fonología y ortografía tradicional del Wayuunaiki antes de generar los entregables finales.

🔬 Resultados (camino real recorrido: prototipo → v0.1 → v0.2)

El proyecto pasó por tres fases honestas sobre Apple Silicon M4 Max (MPS):

1. Prototipo semilla (~78 pares) — fracasó. Tres experimentos de hiperparámetros (lr alto → degenera; lr bajo → alucina) demostraron que con tan pocos datos ninguna configuración produce un modelo usable: el fine-tuning era net-negativo (EM 0%, 85% degeneración). El cuello de botella era el dato, no el tuning.
2. v0.1 bootstrap (5.228 pares). Se generó un corpus ampliado a partir de diccionarios y gramáticas estructuradas (~67 veces el tamaño del prototipo semilla). Ya superó la línea base de traducción y aprendió el vocabulario elemental, pero presentaba comportamientos repetitivos en algunas traducciones de Español a Wayuunaiki (no lograba detenerse tras generar la traducción correcta).
3. v0.2 — Corrección de parada (actual). Se corrigió la señal de fin de turno en el formato del modelo, asegurando que se detenga inmediatamente al responder. Con esta mejora, las respuestas son precisas, limpias y sin repeticiones.

Benchmark cuantitativo (34 ítems de docs/Wayuu, vs base TranslateGemma)

✅ v0.2 supera ampliamente la base y a v0.1 y resuelve el problema de repetición.

⚠️ Límite honesto que permanece: en vocabulario o frases no vistas durante el entrenamiento, el modelo aún no generaliza bien. Memoriza y maneja con alta precisión el léxico del dataset semilla (in-train 92.6%), actuando como un fraseario limpio y verificado, pero no como un traductor universal de lenguaje libre. Para superar este techo técnico, el camino es ampliar el corpus de entrenamiento en un volumen de 100 a 1000 veces mayor, contando siempre con la validación de hablantes patrimoniales y maestros.

📊 Métricas Objetivo (✅ = logrado en v0.2; el resto, para una versión con dataset ampliado)

⚖️ Uso Rápido

ollama run bladealex/putchi

Funciona (léxico del fraseario): Traduce del wayuunaiki al español: wiin → agua · ¿Cómo se dice «fuego» en wayuunaiki? → siki

No esperes traducción de oraciones nuevas complejas ni vocabulario fuera del lexicón: v0.2 es un fraseario, no traductor que generalice. Para oraciones complejas no incluidas en el vocabulario, se sugiere el acompañamiento directo de un etnoeducador o el uso de diccionarios de referencia para evitar que el modelo genere términos incorrectos.

🤝 Ética, Consentimiento y Gobernanza Comunitaria

La lengua es un bien patrimonial colectivo, no un dato extraíble. Pütchi adopta principios de gobernanza de datos indígenas (CARE / OCAP) inspirados en el modelo de la plataforma comunitaria En Mi Idioma:

• No reemplaza a hablantes patrimoniales, maestros EIB ni al pütchipü’ü; es una herramienta de apoyo.
• Consentimiento y atribución: las fuentes documentales se citan; se busca activamente la validación y el aval de autoridades y comunicadores wayúu (p. ej. la red Pütchimaajana) antes de un lanzamiento amplio.
• Limitaciones honestas: un modelo afinado con corpus escrito no captura la riqueza oral del wayuunaiki ni toda la variación dialectal; puede cometer errores que un hablante debe corregir. No debe usarse como autoridad única en contextos ceremoniales, jurídicos o de salud sin revisión humana.
• Sesgo de fuentes: parte del corpus histórico tiene origen misionero/prescriptivo; el modelo puede heredar ese sesgo y se documenta como tal.

👤 Autor y Contexto

Desarrollado en Colombia por Alexander Oviedo Fadul (@bladealex9848).

Ingeniero de Sistemas y Abogado, arquitecto del Ecosistema MARDUK — IA judicial, técnica y cultural open-source. Premio de Innovación JusticiaLab. Pütchi es la rama cultural del ecosistema, hermana de TutelaBot (justicia) y VulnSentinel (seguridad).

Este modelo es un obsequio para el pueblo wayúu y para todos quienes defienden las lenguas originarias. No requiere licencias comerciales, no envía datos a terceros, no tiene costos ocultos. Solo pide que la palabra —pütchi— se use con respeto.

Marco de referencia: Decenio Internacional de las Lenguas Indígenas 2022–2032 (UNESCO/ONU) Corpus fuente: Recopilación etnoeducativa y gramáticas de referencia del Wayuunaiki Estado: 🟢 v0.2 desplegado (Ollama + HF) · borrador sin validar por hablantes · Fecha: Mayo 2026