Machine Translation e Traduzione Automatica: Pro e Contro

Cosa vuol dire quella parola? Non l’ho mai vista prima!

Se in passato utilizzavamo dizionari cartacei per cercare parole nuove in lingue straniere, negli ultimi 15 anni c’è stato un notevolissimo incremento di dizionari bilingue online, come, ad esempio, Word Reference. Questo ultimo è molto utile soprattutto perché fornisce più definizioni ed utilizzi della stessa parola in diversi contesti.

E poi venne Google Translate ed altri strumenti di machine translation.

Per alcuni manna dal cielo, per altri una maledizione, per altri ancora una fonte infinita di risate (perché ahimè la tecnologia non è ancora perfetta). Come si vede sotto, chiaramente non c’è sempre una corrispondenza 1:1 fra le parole nelle diverse lingue.

 

Se ti sei mai chiesto cos’è di preciso la traduzione automatica, come funziona, come sfruttarla al meglio, e quando invece è opportuno optare per il “tocco” umano, ecco sotto alcune delucidazioni per te.

 

Che cos’è la traduzione

Ormai, tradurre i propri contenuti è una condicio sine qua non per poter essere visibili ad un pubblico multilingue. Anzi, meglio localizzare per arrivare al cuore del target, cioè non preoccuparsi delle parole da utilizzare solamente in ragione di una più o meno corrispondenza a livello tecnico, ma anche delle culture e costumi del pubblico destinatario.

Mentre in passato bisognava tradurre ogni contenuto manualmente da un esperto multilingue, oggi la tecnologia ci può dare una grossa mano.

Come? Automatizzando i processi tramite tool specializzati. Per capire come la tecnologia ha trasformato il mondo delle traduzioni, guardiamo in dettaglio alcuni termini e facciamo un pochino di chiarezza.

 

Che cos'è la machine translation

La machine translation (MT), conosciuta come traduzione automatica in italiano, è un processo in cui un programma informatico (software, sito web, ecc.) analizza un testo sorgente (nella c.d. source language) e lo traduce in un’altra lingua (c.d. target language) senza intervento umano. Ad oggi, la più diffusa per un utilizzo comune è senza dubbio Google Translate.

In pratica i termini machine translation e traduzione automatica sono interscambiabili: tutt’e due comprendono l’utilizzo della tecnologia senza che ci sia l’intervento umano.

Non confondiamoli però con la Computer Assisted Translation (CAT)[1], in italiano traduzione assistita dal computer), e cioè quando è una persona a svolgere l’attività di traduzione e nel farlo utilizza dei tool ad hoc.

 

Storia della traduzione automatica

I primi sviluppi risalgono agli anni ’50 quando alcuni ricercatori ne intuirono l’enorme potenziale ma, allo stesso tempo, si resero anche conto delle notevoli limitazioni.

Poi, nei primi anni ’60 furono fondate la Association for Machine Translation and Computational Linguistics e l’Automatic Language Processing Advisory Committee (ALPAC) negli Stati Uniti. Ma i progressi erano ancora lenti e difficoltosi.

È solamente alla fine degli anni ’80, man mano cioè che aumentava la potenza di calcolo dei computer e diventava anche meno costosa, che il suo utilizzo divenne più comune. Infatti, nel 1983 nacque il Translation Support System (TSS), il primo programma di traduzione automatica per PC, il quale venne subito adottato da tante grandi società come IBM, per gestire le proprie attività di traduzione interna.

Nel frattempo però le tecnologie sottostanti hanno fatto passi da gigante negli anni, andando verso risultati via via sempre più affidabili.

 

Come funziona la traduzione automatica?

Esistono più approcci tecnici per svolgere la traduzione automatica, ecco alcuni dei più comuni.

1. Rule-Based Machine Translation (RBMT)

Questa tipologia di traduzione automatica fu la prima ad essere introdotta. Si basa su regole grammaticali e dizionari bilingue per ogni coppia di lingue sorgente-target.

In sostanza, utilizza delle “sets” (serie) di regole per trasferire le parole (cioè il loro significato) e la struttura grammaticale dei contenuti sorgenti nella lingua target.

Image source: Kaka Khan, Kanaan. (2018). English to Kurdish Rule-based Machine Translation System. UHD Journal of Science and Technology. 2. 32. 10.21928/uhdjst.v2n2y2018.pp32-39. 

Più nello specifico, nella versione “dictionary-based” di RBMT, un dizionario bilingue è utilizzato per selezionare le parole più appropriate nella lingua target. Le regole di sintassi e grammatica della lingua target vengono poi applicate, e le parole prese dal dizionario sono così “declinate” e “coniugate” (genere, numero grammaticale, ordine delle parole, concordanza, ecc.) adeguatamente nella lingua target.

La sua efficacia dipende dall’affidabilità dei dizionari e correttezza delle regole sintattiche, semantiche e morfologiche.

 

2. Statistical Machine Translation

Questa tecnica di traduzione automatica statistica funziona tramite corpora di traduzioni esistenti eseguite precedentemente, note come corpora di testo bilingue; i cosiddetti corpora (sing. corpus) linguistici sono collezioni, per lo più di grandi dimensioni, di testi orali o scritti prodotti in contesti comunicativi reali (per es., registrazioni di discorsi o articoli di giornale).

Funziona tramite modelli statistici basati sulle analisi dei suddetti corpora. Analizza le frasi e genera una traduzione utilizzando sovrapposizioni e “match” fra la lingua sorgente e contenuti nei corpora, quindi con modelli statistici predittivi circa la corretta sequenza di parole e frasi.

Image source: https://www.researchgate.net/figure/Basic-Statistical-Machine-Translation-Pipeline_fig2_279181014

Un buon esempio di SMT è il famoso Google Translate fino al 2016, quando ha iniziato ad utilizzare NMT (vedi p. 4 sotto).

SMT è ottimo per la traduzione di base, ma il suo più grande svantaggio è che non tiene conto del contesto, il che significa che le traduzioni possono spesso essere errate. In altre parole, non aspettarti traduzioni di alta qualità.

 

3. Hybrid Machine Translation

La Hybrid machine translation (HMT) ovvero traduzione automatica ibrida è un approccio che sfrutta i punti di forza delle metodologie di traduzione statistiche e basate su regole. Esistono due tipi principali di HMT:

Regole successivamente elaborate dalle statistiche: le traduzioni vengono eseguite utilizzando un motore basato su regole. Le statistiche vengono quindi utilizzate nel tentativo di regolare/correggere l'output dal motore delle regole, come nell'imagine sotto.

Statistiche guidate da regole: le regole vengono utilizzate per pre-elaborare i dati nel tentativo di guidare meglio il motore statistico. Le regole vengono utilizzate anche per post-elaborare l'output statistico per eseguire funzioni come la normalizzazione.

Image source: Ekanayake, A. et al. “ESANA : Hybrid Machine Translation Approach for English-to-Sinhala Language Translation.” (2014).

Questo approccio ha molta più potenza, flessibilità e controllo durante la traduzione rispetto ai modelli di solo rule-based vs. statistical, però richiede sempre tanta revisione umana.

 

4. Neural Machine Translation

La Neural Machine Translation (NMT) ovvero traduzione automatica neurale è l’ultimo modello di MT.

La NMT utilizza “deep learning” per costruire modelli di rete neurali (basati sul cervello umano) per sviluppare modelli statistici che svolgono la traduzione.

Sostenuta da una potente intelligenza artificiale, la NMT tenta di determinare il significato del contenuto sorgente e di replicarlo nella lingua target inviandolo attraverso vari strati di "neuroni" che lavorano tra loro per determinare la frase più probabile nella lingua target.

Image source: https://opennmt.net/

In altre parole, utilizza l’intelligenza artificiale per “insegnarsi” a tradurre da una lingua ad un’altra. Utilizza le reti neurali per tradure frasi intere, senza doverle suddividere in pezzi più piccoli.

Il punto di forza di NMT è che utilizza “deep learning” e quindi si “addestra” e si migliora in continuazione.

 

I pro e contro della traduzione automatica

A prescindere dalla tipologia tecnica di traduzione automatica, ci sono alcuni vantaggi e svantaggi se la paragoniamo alla traduzione umana.

 

I vantaggi

I vantaggi principali sono la scalabilità.

• è più veloce di un traduttore umano;
• più economico se si ha già accesso al software adeguato;
• è sempre disponibile;
• e ci sono anche più lingue target rispetto ad un traduttore umano che è esperto solo nelle proprie lingue di riferimento.

Gli svantaggi

Detto questo, ci sono anche svantaggi che dobbiamo considerare:

• spesso la MT non coglie sfumature né modi di dire e chiaramente non sa leggere fra le righe, perché come per tutte le tecnologie, manca la “consapevolezza”;
• imprecisione: spesso fa errori (e.g. IT “prestatore” in un contratto viene tradotto come “lender” ma invece sarebbe “service provider”);
• può cambiare il senso o rendere una traduzione incomprensibile, soprattutto con frasi lunghe;
• non considera il contesto (es. omonimi: lo stesso spelling ma significati/utilizzi diversi, quale usare?)

 

Il fattore umano

Nonostante gli innumerevoli vantaggi della machine translation, finora non è stata in grado di sostituire completamente i traduttori. Questo perché ci sono certo elementi che la tecnologia non è ancora in grado di fare.

Quindi, qual è il valore aggiunto di un traduttore umano rispetto alla traduzione automatica?

In primis la localizzazione: quando si traducono contenuti da una lingua ad un’altra, più volte che no, sarà inevitabilmente destinato ad un paese diverso da quello del documento sorgente. Ed a paesi diversi corrispondono culture diverse. Per esempio, una parola o modo di dire che va benissimo in una cultura potrebbe essere fuori senso o anche offensivo nella cultura target, e al momento la traduzione automatica non è in grado di considerare anche gli elementi culturali.

Inoltre, fortemente legato alla localizzazione è la transcreazione. Per finalità di marketing e pubblicitarie ad esempio, bisogna comunicare non le parole del contenuto sorgente, ma il messaggio. Per questo motivo, spesso è necessario scrivere contenuti ad hoc nella lingua target partendo dal senso e obiettivo del sorgente. Chi fa la transcreazione di contenuti deve considerare il contesto, il tono di voce, la cultura e i valori del pubblico di destinazione, e per il momento la MT semplicemente non ha quelle capacità.

Infine, quando viene coinvolto un traduttore umano, c’è una garanzia di qualità che non esiste con la MT: questo aspetto è critico rispetto alle comunicazioni e contenuti esterni, pensiamo ad esempio ai contratti legali, dove un minimo errore o incomprensione può costare milioni!

Un piccolo esempio: un’azienda si è affidata a Google Translate per un contratto importante, nel quale c’erano elencate condizioni legate alla spedizione dei beni ordinati. Peccato che hanno utilizzato il termine generico “shipping” invece di distinguere fra il momento di spedizione e il momento di consegna. Il risultato è stato che un cliente gli ha fatto causa per 2 milioni di euro di risarcimento quando un enorme ordine è stato consegnato 10 giorni dopo del previsto: semplicemente perché nel contratto non hanno usato il termine “delivery” per consegna, parlando solo di garanzie di “shipping”!

 

Conclusione

Quindi, come comportarsi per le traduzioni ora che le tecnologie sono sempre più potenti e disponibili?

Il nostro consiglio è di utilizzare un misto di traduzione automatica e traduttori umani, in cui la scelta dipende dal testo e utilizzo.

Ci si può affidare esclusivamente alla traduzione automatica quando l’obiettivo è di semplicemente comprendere un testo o per uso puramente interno – quello che possiamo considerare “low stakes”.

Per altri testi che vengono visti anche dall’esterno, la migliore soluzione sarebbe adottare un Computer-Assisted Translation (CAT) – e cioè quando un traduttore professionale umano utilizza tools e apps che sfruttano la traduzione automatica per velocizzare il proprio lavoro, ma comunque rivede e verifica ogni output della MT.

In questo caso, è critico la fase di post-editing ovvero revisione, in cui un esperto traduttore specializzato nel settore di appartenenza del documento rivede il testo sorgente, la traduzione svolta, e verifica il tutto, facendo eventuali correzioni e miglioramenti.

Consigliamo sempre che il revisore sia una persona diversa da chi abbia svolto la traduzione stessa, così da avere un occhio “fresco” ma allo stesso tempo critico.

E non dimentichiamo l’importanza di una terza persona che svolga il controllo qualità: una volta impaginata o la traduzione, verifica che tutto si trovi nel posto giusto, senza errori di DTP (desktop publishing – impaginazione).

 

Come procedere

Se ti serve veicolare un messaggio di qualsiasi tipo in un’altra lingua, non esitare a contattarci.

Con Intuition, la garanzia è che il prodotto finale non è una mera traduzione, ma sembrerà piuttosto un documento creato direttamente in quella lingua (target), aspetto fondamentale per far sì che il tuo messaggio abbia un’efficacia garantita.