Traduzione umana e traduzione automatica: la versione per il settore della traduzione

A novembre 2016 Google ha rilasciato una nuova versione di Google Translate e fa scalpore in tutto il mondo con la “straordinaria qualità” delle traduzioni fornite dal nuovo motore. Decine di articoli che confrontano la vecchia versione con la nuova versione in varie lingue, traducendo e controtraducendo testi letterari (reputati più difficili da tradurre), hanno occupato per mesi le colonne ei blog dei media generalisti e specializzati.

Ciò che Google ha rilasciato tecnicamente è stata l'introduzione di un modello di traduzione neurale nel loro motore di traduzione automatica. Questo importante miglioramento della qualità delle traduzioni fornite (gratuitamente!) da Google Translate ha iniziato a cambiare le opinioni del grande pubblico sul futuro del industria della traduzione e il posto della traduzione automatica in esso. Lo sviluppo di nuovi strumenti e l'accesso a traduzioni automatiche di qualità superiore hanno spinto i grandi clienti del settore a considerare di tagliare i costi ottenendo servizi di post-editing anziché traduzioni. Il post-editing della traduzione automatica è diventato quindi più ampiamente offerto dai fornitori di servizi di traduzione come servizio professionale. I grandi attori e gli editori di TMS hanno accelerato l'addestramento dei propri motori MT. L'industria della traduzione ha iniziato a cambiare profondamente.

In questo articolo abbiamo voluto ricordarvi cos'era la traduzione automatica, cosa è diventata e quali sono i cambiamenti che crea nel settore della traduzione.

La storia della traduzione automatica

La traduzione automatica (MT) ha una lunga storia che risale al 1949, quando apparve per la prima volta nel Memorandum on Translation di Warren Weaver. Il primo ricercatore nel campo, Yehosha Bar-Hillel, inizia i suoi studi al MIT nel 1951. Il team di ricerca MT di Georgetown segue con una dimostrazione pubblica del suo sistema nel 1954. La traduzione automatica è anche una delle prime applicazioni non numeriche per computer. Una vasta scala di ricercatori ha iniziato ad evolversi quando l'Associazione per la traduzione automatica e la linguistica computazionale è emersa negli Stati Uniti e l'Accademia nazionale delle scienze ha formato un consiglio (ALPAC) per studiare MT.

MT entra in vigore nel 1970, con l'Istituto tessile francese per tradurre abstract da e in francese, inglese, tedesco e spagnolo. Vengono lanciate varie società di traduzione automatica, tra cui Trados (1984), che è la prima a migliorare e commercializzare la tecnologia della memoria di traduzione (TM) nel 1989.

Negli ultimi anni, la tecnologia di traduzione automatica si è evoluta in una nuova dimensione e un futuro promettente ci fa l'occhiolino mentre la ricerca sulla traduzione automatica neurale continua a costruire una nuova era per il settore.

Traduzione automatica neurale

Utilizzando i vantaggi tecnologici del Deep Learning, la traduzione automatica neurale sta oggi dominando gli sforzi di sviluppo della traduzione automatica in tutti i continenti. Come sottocampo della linguistica computazionale, la traduzione automatica neurale è fondamentalmente un'applicazione di Deep Learning in cui un algoritmo viene addestrato da enormi quantità di set di dati di testi tradotti. Fondamentalmente utilizza un modello di previsione, codificando prima il testo di origine in numeri e decodificandolo nuovamente in un testo finale nella lingua richiesta. Spiegato molto semplicemente, tra tutte le possibilità, l'algoritmo sceglie il gruppo di parole che hanno la più alta probabilità di essere viste insieme e lo mostra come traduzione finale. Più dati di traduzione devi alimentare con la tua macchina, più ti avvicini a una traduzione dal suono più naturale, poiché anche i tocchi stilistici e il contesto vengono rilevati dagli algoritmi. Ma devi assicurarti che gli input siano molto puliti per addestrare correttamente il motore. Pertanto, la qualità del tuo motore di traduzione automatica neurale dipende dalla quantità ma anche dalla qualità dei dati di traduzione originali che utilizzi per addestrare i tuoi algoritmi.

Finora, anche se i motori di traduzione automatica hanno migliorato la qualità dell'output, esiste un problema di fiducia nei contenuti e nei testi che verranno utilizzati in modo professionale. Ciò che viene dopo è una soluzione alternativa per traduzioni di qualità accettabile con un processo ibrido, traduzione automatica seguita da verifica umana, ovvero post-editing.

La tendenza post-editing nel settore della traduzione

Poiché i dati di traduzione disponibili digitalmente stanno crescendo in modo esponenziale e il Deep Learning ha aperto le porte a una traduzione automatica di qualità superiore, il primo riflesso degli acquirenti di servizi di traduzione professionale è stato quello di vedere se potevano tagliare i costi utilizzando la traduzione automatica nei loro processi di traduzione. Poiché l'output della traduzione automatica non è ancora "pronto per il cliente" ma è ancora notevolmente migliorato, i consumatori di servizi di traduzione hanno iniziato a chiedere il post-editing della traduzione automatica per traduzioni più veloci ed economiche con una qualità "accettabile". Il post-editore non riformulerà né ritradurrà ma correggerà eventuali errori sul significato e renderà il testo coerente. Il tono potrebbe essere un po' robotico, ma il significato rimarrà lo stesso.

Poiché la pandemia di COVID ha accelerato i contenuti di e-commerce in più lingue, la necessità di traduzioni rapide ed economiche è diventata reale per un gran numero di PMI. Fiere ed eventi sono stati cancellati, i viaggi vietati per mesi e le PMI hanno iniziato a dipendere maggiormente dalle vendite online rispetto ai metodi di vendita tradizionali. In questo contesto, il post-editing della traduzione automatica si è imposto come una valida soluzione per queste PMI. Questo fenomeno è stato osservato da un gran numero di Language Service Provider e una breve spiegazione è stata data anche da Florian Faes, fondatore di Slator e l'evento del settore linguistico SlatorCon, che si è tenuto da remoto e online in luglio 2020 .

Anche per le grandi aziende che sviluppano i propri motori di traduzione automatica, il servizio di post-editing della traduzione automatica sembra essere l'unico necessario a un fornitore di servizi linguistici (LSP). Ad esempio, il servizio Watson Language Translator di IBM viene utilizzato internamente da IBM come strumento di traduzione, ma sembra che l'output debba ancora essere verificato .

Man mano che la domanda modella l'offerta, gli LSP hanno iniziato a offrire regolarmente il servizio di post-editing della traduzione come opzione di traduzione più economica ma valida alle grandi aziende, ai veterani del settore e al grande sgomento dei traduttori professionisti. Anche le argomentazioni contrarie a questa tendenza sono in crescita e hanno punti solidi.

Traduzione umana, ancora la migliore opzione per contenuti di alta qualità

Nella corsa tra macchine e umani, la traduzione automatica sta raggiungendo enormi passi avanti mentre anche gli umani avanzano nel fornire strumenti tecnologici dall'uso più rapido, ma apparentemente non abbastanza. La traduzione umana rimane oggi l'opzione migliore per contenuti creativi e di alta qualità. E ci sono alcuni punti validi a sostegno di questo.

La mancanza di processi nella gestione della qualità e del rischio durante l'utilizzo della traduzione automatica in settori critici (medico e farmaceutico ad esempio per le conseguenze sulla salute delle persone, e finanza e legale per le conseguenze finanziarie sulle aziende) sta ponendo un problema per l'implementazione di soluzioni MT su larga scala in questi settori. La responsabilità in caso di errori di traduzione è di difficile soluzione. Nessuno vuole davvero correre il rischio. Il post-editing si sta facendo strada, poiché c'è la verifica umana e limita i rischi, ma comunque non risolve il problema su dove mettere il motore di traduzione automatica nella catena di responsabilità.

Se i tuoi contenuti non sono altamente tecnici, hai bisogno di un tono meno formale o vuoi essere creativo, beh, le macchine non ci sono ancora. Le traduzioni automatiche sono per lo più alimentate da traduzioni ufficiali (disponibili gratuitamente in grandi volumi e in molte lingue), versioni in diverse lingue di siti web aziendali. È qui che sono disponibili gli enormi set di dati. Quando si tratta di contenuti creativi, è più difficile per una macchina duplicare lo stile e l'atmosfera del testo, poiché non c'è abbastanza input nella maggior parte delle lingue. A proposito, nelle aziende che utilizzano la traduzione automatica e il post-editing della traduzione automatica per creare nuove versioni del proprio sito Web, ad esempio, o per tradurre i propri post e articoli del blog, si consiglia alla persona che creerà il contenuto di origine (spesso in inglese) di astenersi dall'utilizzare specifiche figure retoriche nel testo. La qualità del testo sorgente è quindi limitata a ciò che sarà traducibile correttamente da una macchina, il che a sua volta crea una sensazione generale mediocre sul contenuto disponibile. Se utilizzi traduzioni umane professionali, non devi davvero pensare a queste per ottenere un testo di alta qualità in qualsiasi lingua...

Un ultimo punto, sulla qualità e le preoccupazioni sull'uso diffuso del post-editing della traduzione automatica rispetto alle traduzioni umane, è il seguente: mentre le traduzioni automatiche post-edit creano nuovi enormi set di dati che alimentano i motori, l'"evoluzione" e la formazione delle macchine diventano problematiche. Se vogliamo ottenere risultati di alta qualità da una soluzione di traduzione automatica, dovremmo alimentarla con cibo di alta qualità. Fino ad ora, la maggior parte delle soluzioni di traduzione automatica sono state addestrate da traduzioni umane di buona qualità. Cosa accadrà quando la maggior parte dei set di dati di traduzione appena disponibili deriverà dal post-editing della traduzione automatica? Bene, le preoccupazioni sono che non puoi davvero ottenere risultati migliori da una macchina se non usi i dati giusti.

In breve, se stai cercando traduzioni veloci, economiche e di qualità mediocre, ma soprattutto corrette, puoi optare per il post-editing della traduzione automatica. Se ti interessa davvero il modo in cui ti rivolgi alle persone nella lingua di destinazione in cui desideri tradurre i tuoi contenuti, se stai cercando contenuti che generino traffico e entrate reali, scegli un doppio set di occhi professionali: la traduzione professionale seguita dalla correzione di bozze è la tua soluzione e molti fornitori di servizi di traduzione saranno più che felici di servirti.