En las últimas décadas, la traducción automática moderna ha mejorado cada vez más. Desde sus inicios, en los cuarenta, hasta sus mejoras contemporáneas, la traducción automática ha atravesado grandes cambios. Sin embargo, aunque ha mejorado, se ha cuestionado su capacidad una y otra vez.

En nuestro reciente seminario web, El futuro de la traducción automática, Spence Green, el director ejecutivo de Lilt, habló sobre el trasfondo de la traducción automática, la situación actual y qué nuevos desarrollos y mejoras podemos esperar en el futuro.

El futuro de la TA no está tan definido como puede parecer, y la importancia de la participación humana es crucial. En Lilt, sabemos lo importante que son los traductores y hemos construido nuestro ecosistema para brindarles las herramientas que necesitan y lograr ser más eficientes que nunca. Después de todo, hay una razón por la cual más del 70 % de los traductores prefieren trabajar con un sistema que aumenta sus capacidades en lugar de simplemente editar contenido traducido.

Lo primero que hizo Spence fue dar un paso atrás para entender mejor la historia de la traducción automática y la forma en que llegamos adonde estamos ahora. La investigación de TA comenzó en los cuarenta, aunque no fue como te imaginas. Al comienzo, la investigación se centró en escribir reglas lingüísticas sobre cómo traducir de un idioma a otro. Aunque los resultados fueron relativamente precisos (dependiendo de la representación lingüística), había demasiadas oraciones en el mundo para que ese proceso manual fuera viable.

La década de 1980 trajo más poder computacional e IBM comenzó a construir sistemas que podían aprender reglas a partir de entradas de datos bilingües. El paso siguiente en la TA fueron los sistemas basados en frases: en lugar de traducciones palabra a palabra, se trabajaba de fragmentos de texto a fragmentos de texto. Hoy en día, nos encontramos con redes neuronales que pueden incorporar muchos más parámetros para traducir datos.

La calidad de la TA pura mejoró muchísimo con los años. Pero, para los negocios, los resultados en bruto no garantizan calidad. Google Translate, por ejemplo, es rápido y asequible, pero tiene resultados de baja calidad. Se usa comúnmente en situaciones en las que la velocidad y el costo son factores más importantes que la calidad; por ejemplo, si un negocio tiene que traducir cantidades enormes y crecientes de contenido generado por los usuarios. Los usuarios de Airbnb no esperan que las traducciones sean perfectas en las publicaciones de un anuncio. Por lo general, el texto de origen no es perfecto, por lo que los productos de la TA pura de sistemas como Google Translate pueden ser aceptables.

El flujo de trabajo de traducción automática más la posedición: una máquina traduce el contenido que luego edita un lingüista.

Sin embargo, sigue siendo poco funcional para el contenido más profesional, como la documentación financiera, información de productos, leyes, etc. La TA más posedición (MTPE) añade un paso de revisión humana después de que el sistema de TA realiza las traducciones. Aunque puede ser relativamente barato, es un proceso mucho más lento que el de la TA pura y la calidad todavía se ve afectada. Además, la MTPE es un proceso con el que los traductores no están cómodos; de hecho, expresan que el trabajo no les resulta satisfactorio.

La investigación sobre el tema respalda esa afirmación. En un estudio realizado por CSA Research, el 89 % de los traductores dijeron que prefieren traducir texto en lugar de editar los productos de la TA pura. Y si bien la calidad de las traducciones de MTPE sirve, suele sonar más literal, porque la base de la traducción sigue estando creada por una máquina. Y debido a que los humanos editan el producto en bruto, no hay mejoras en la eficiencia que beneficien a los traductores, ya que los modelos de TA no mejoran con el tiempo a partir de las entradas del traductor, sino cuando se los reentrena manualmente.

Entonces, si no es la MTPE, ¿cuál es el futuro de la traducción automática? En Lilt, creemos firmemente que la inteligencia artificial potenciará (sin reemplazar) a los traductores humanos. Si bien las máquinas son excelentes para automatizar tareas repetitivas, no funcionan tan bien con las tareas complejas. Con las tareas complejas que incluyen razonamiento, uso del contexto e integración de la información de muchas fuentes de conocimiento, es donde sobresalen los humanos y donde la brecha entre el ingenio humano y la capacidad automática es más clara.

El enfoque ya ha comenzado a orientarse y seguirá haciéndolo hacia la IA con humano en el bucle (HITL, por sus siglas en inglés), un sistema en el que el bucle de retroalimentación del humano a la máquina ayuda a mejorar los resultados con el tiempo. Actualmente, hay muchísimos ejemplos de sistemas de inteligencia artificial con HITL en el mundo, desde la industria automotriz, la aeroespacial hasta la médica. 

La traducción automática adaptativa de Lilt emplea la retroalimentación humana para entrenar y actualizar los sistemas.

Esta figura muestra el sistema de traducción. El modelo se entrena primero con datos de referencia y datos de traducciones de los clientes. Cuando el motor ofrece sugerencias de traducción, el lingüista humano puede revisar y brindar retroalimentación inmediata. Esa retroalimentación luego actualiza el motor para futuras sugerencias de traducción y así sucesivamente. 

¿Cuál fue el resultado? Las respuestas futuras son más precisas, ya que se basan en un modelo que se actualiza constantemente y permite que los traductores mejoren su eficiencia en la calidad y la velocidad. Según el mismo estudio de CSA Research, el 71 % de los lingüistas prefiere trabajar con un sistema de TA adaptativa como Lilt en lugar de editar el resultado de TA en bruto.

Si quieres saber más sobre el futuro de la traducción automática, los servicios de traducción y cómo la inteligencia artificial con HITL ya está teniendo un impacto en los sistemas de todo el mundo, mira el seminario web a pedido aquí. Obtén más información sobre las reflexiones de Spence y comprende cómo puedes preparar tu empresa para el futuro con la correcta solución de TA adaptativa.