AI neurale e generativa per le traduzioni

I primi tentativi di traduzione automatica furono compiuti già negli anni Cinquanta del secolo scorso. Si trattava di una tecnologia rudimentale che si basava su database terminologici e in grado di tradurre solo singole parole o proposizioni semplici, ben lungi dal poter essere utilizzata nel processo traduttivo professionale.

Ci vollero decenni prima che venisse sviluppata un’elaborazione dei dati basata su un “ragionamento” probabilistico e fuzzy capace di “risolvere problemi” e quindi fornire un output utile.

Ora esistono diversi tipi di intelligenza artificiale, ma attualmente la più usata nel campo delle traduzioni è certamente la cosiddetta intelligenza artificiale neurale.

La Neural Machine Translation: l’intelligenza artificiale al servizio dei traduttori… e viceversa!

 Questo tipo di intelligenza artificiale è stato concepito sul modello del cervello umano, ossia una serie di nodi interconnessi attraverso cui l’input (i dati in ingresso) vengono elaborati su più livelli (l’architettura sequence-to-sequence) per fornire dati in uscita (output) elaborati.

L’elaborazione dei dati avviene attingendo da un corpora di testi e analizzando la probabilità che una determinata parola venga usata in uno specifico contesto.

Uno degli aspetti peculiari di questo tipo di intelligenza artificiale è il machine learning, vale a dire la capacità della macchina di apprendere e migliorare così il prodotto finale. In parole semplici, più traduce e più impara, esattamente come avviene negli esseri umani.

L’introduzione di questo sistema nel processo traduttivo è stato rivoluzionario, cambiando non solo il processo stesso, ma anche la velocità di traduzione e quindi influenzando gli aspetti commerciali.

Mentre la traduzione vera e propria prevede la completa elaborazione del testo di destinazione da parte del traduttore, con la traduzione automatica da macchina, il traduttore professionista rivede il testo già tradotto apportando le dovute modifiche per “umanizzarlo”. Questo processo prende il nome di post-editing.

Con il post-editing, il lavoro di traduzione richiede meno tempo e la capacità del traduttore in termini di volumi di parole giornaliere aumenta.

D’altro canto, attraverso il post-editing, l’algoritmo apprende nuovi modelli e perfeziona così la capacità di fornire risultati sempre migliori.

La traduzione fornita dall’intelligenza artificiale è davvero così intelligente?

La percentuale di testi tradotti attraverso il post-editing è in continuo aumento e dunque anche la resa della macchina è, in generale, sempre migliore.

A questo punto, però, occorre fare una precisazione.

La natura, lo stile e le finalità di un testo sono molteplici e l’analisi di questi fattori è fondamentale per la scelta della tecnica di traduzione da applicare.

I testi tecnici sono per lo più ripetitivi a livello di contenuto, semplici in termini di sintassi e univoci a livello terminologico. Questo significa che un termine, non solo avrà molto probabilmente un solo traducente in quel contesto, ma che verosimilmente sarà ripetuto più volte nel testo.

In questo caso, la traduzione proposta dall’intelligenza artificiale costituisce una buona base su cui lavorare, pur non essendo perfetta.

Alla macchina non piace lasciare “buchi”, quindi colma le lacune dovute a errori di battitura o di conversione (OCR) con parole inesistenti.

Per lo stesso motivo, quando nel testo di partenza sono presenti neologismi, la macchina propone traduzioni a dir poco strampalate. Così, ad esempio, “non-trapping” diventa “non rompicaptazione”.

Inoltre, sebbene l’intelligenza artificiale sia concepita per valutare la parola nel contesto, non sempre riesce a cogliere il senso, trasformando i chip elettronici in patatine fritte!

Andando oltre il livello terminologico, un’altra criticità che viene corretta dal linguista durante la fase di post-editing è la coerenza. La macchina difficilmente propone un unico traducente per la stessa parola straniera e questo costituisce un problema per testi quali i brevetti e i manuali.

Ad esempio, se nelle istruzioni di montaggio di un mobile, il termine “bolt” venisse tradotto una volta con “bullone” e una volta con “perno”, l’utilizzatore si aspetterebbe di trovare all’interno del kit due elementi distinti.

Altro caso in cui l’intelligenza artificiale non dimostra di meritare l’appellativo con cui viene chiamata è il caso in cui è necessario rispettare un glossario specifico del cliente.

L’intelligenza artificiale è istruita per utilizzare i termini richiesti, ma spesso la macchina assegna una priorità maggiore a questi termini anziché alla coerenza con il contesto. Se, ad esempio, il glossario prevede che “best” venga tradotto con “cordiali saluti”, la macchina potrebbe tradurre “best friend” con “cordiali saluti amico”.

La questione si complica ulteriormente con i testi non tecnici, nei quali si usa un linguaggio figurativo o allusivo.

L’intelligenza artificiale non è in grado di cogliere il senso delle figure retoriche, di tradurre il “non detto”, e proporrà sempre una traduzione letterale.

In questi casi, la machine translation non solo non è di aiuto, ma a volte è addirittura fuorviante e l’unica soluzione è quella di cancellare completamente la traduzione da macchina e riscriverla da capo.

Questo avviene, ad esempio, per la traduzione dei siti web, nei quali il linguaggio deve essere accattivante e consono alla cultura di destinazione.

Ad esempio, l’inglese americano predilige un registro molto diretto facendo ampio uso del linguaggio figurativo e di sintagmi verbali. Non è così in italiano, in cui si utilizzano preferibilmente termini astratti e sintagmi nominali.

L’intelligenza artificiale generativa e la creazione di testi d’impatto

 L’intelligenza artificiale generativa è un ulteriore passo avanti nel campo dell’elaborazione dei dati.

Questo tipo di tecnologia riprende le funzionalità dell’intelligenza neurale, ma aggiungendo la capacità di creare contenuti nuovi sulla base di un comando fornito dall’uomo (il cosiddetto prompt).

Dato il comando, la macchina cerca una soluzione traendo spunto da ciò che trova in Internet e combinando i dati per creare qualcosa di nuovo.

Molto amata da chi vuole svolgere un lavoro velocemente, presenta tuttavia delle criticità.

Innanzitutto, affinché l’output si avvicini il più possibile al risultato desiderato, è necessario sapere come formulare il prompt. Più è specifico e migliore sarà l’output.

D’altro canto, anche con un prompt ben compilato, il testo proposto risulterà sempre impersonale, distante e in qualche modo, “freddo”.

Anche qui, occorre distinguere i vari casi di testo.

I testi tecnici potrebbero essere più soddisfacenti dei contenuti creativi, sebbene in tutti i casi occorra prestare attenzione alle cosiddette “allucinazioni” della macchina.

Nel complesso, però, la differenza tra un testo elaborato dall’intelligenza artificiale e uno scritto da un essere umano è la stessa che esiste tra una fotografia scattata in modalità automatica e una gestita per tempi e/o apertura dal fotografo. La fotografia automatica è certamente corretta, un bel ricordo, ma non dice nulla di più di quello che mostra.

La capacità dell’uomo di trasmettere sensazioni attraverso le sue opere non è ancora eguagliata dalle macchine.

In conclusione, l’intelligenza artificiale rappresenta una grande conquista anche nel campo delle traduzioni, ma è ben lungi dal sostituire un professionista.