L\u2019evoluzione della machine translation (termine inglese che preferiamo a \u201ctraduzione automatica\u201d, che fa pensare a un prodotto finito e perfetto) \u00e8 proseguita nel corso dei decenni sfruttando tecnologie e processi diversi, tutti annunciati con grande entusiasmo e di volta in volta ridimensionati, quando ne emergevano i limiti.<\/p>\r\n\r\n\r\n\r\n
Dal 2016, i sistemi di machine translation funzionano tramite reti neurali artificiali<\/strong>: un notevole passo avanti rispetto alle tecnologie precedenti perch\u00e9 basate su quantit\u00e0 imponenti di dati<\/strong> e in grado di apprendere dagli input<\/strong> ricevuti, modificando i risultati di conseguenza.<\/p>\r\n\r\n\r\n\r\n \u00c8 importante ricordare che, nonostante il fascino dell\u2019espressione \u201crete neurale\u201d e nonostante i risultati molto pi\u00f9 naturali e scorrevoli rispetto al passato, il sistema si basa pur sempre su una serie di operazioni matematiche e calcoli probabilistici e realizza due operazioni fondamentali: la codifica<\/strong> del testo di partenza in codice informatico e la successiva de<\/strong>codifica<\/strong> del messaggio d’arrivo in linguaggio naturale. Di fatto, la macchina traduce per s\u00e9 prima di tradurre per noi. Non c\u2019\u00e8 comprensione del testo<\/strong> da parte della macchina, che lo scompone e lo ricompone secondo ci\u00f2 che trova nel proprio database. Il motore di traduzione ricicla materiale gi\u00e0 esistente e si basa su previsioni e calcoli complessi per scegliere, parola dopo parola, come proseguire il messaggio. Per questo funziona meglio per i settori pi\u00f9 standardizzati e per le combinazioni linguistiche pi\u00f9 comuni.<\/p>\r\n\r\n\r\n\r\n Dall\u2019avvento della machine translation neurale chiunque ha notato un netto miglioramento nei risultati, perlomeno nella resa di testi generici e nelle lingue pi\u00f9 parlate del mondo occidentale. Questo avanzamento ha generato enormi aspettative, talvolta deluse, pi\u00f9 spesso sfruttate con scarsa consapevolezza dei risultati<\/strong>. Questi motori generano infatti testi di fluidit\u00e0 e naturalezza tali da sembrare del tutto corretti<\/strong> a un occhio non esperto, mentre i difetti rimangono spesso ben nascosti, soprattutto se la nostra conoscenza della lingua d\u2019arrivo \u00e8 limitata.<\/p>\r\n\r\n\r\n\r\n I vantaggi dello strumento sono innegabili: la macchina ha \u2013 evidentemente \u2013 delle capacit\u00e0 che le persone non hanno in termini di velocit\u00e0 e dati<\/strong> a cui attingere. Tuttavia, l\u2019output grezzo di una macchina non sar\u00e0 mai sovrapponibile a quello di una persona: da entrambi i lati ci sono abilit\u00e0 e debolezze diverse<\/strong>. Gli umani possono produrre errori che un buon motore di traduzione non commette (di ortografia, grammatica, distrazione, copiatura) mentre le macchine hanno altri limiti.<\/p>\r\n\r\n\r\n\r\n In alcuni casi, quando bisogna soltanto farsi un\u2019idea del contenuto di un testo, \u00e8 sufficiente basarsi sui risultati grezzi<\/strong> di una macchina. In altri casi, la MT potrebbe non presentare alcun vantaggio<\/strong> perch\u00e9 i rischi superano di gran lunga i vantaggi in termini di tempi e costi. Nella maggior parte delle situazioni, la machine translation \u00e8 un attrezzo del mestiere che deve servire al traduttore professionista al pari di altri strumenti di lavoro.<\/p>\r\n\r\n\r\n\r\n \u00c8 necessario stabilire priorit\u00e0 e livello di qualit\u00e0 atteso, trovando il giusto compromesso tra le esigenze e le possibilit\u00e0 di ciascun attore: tempi, costi, finalit\u00e0 e rischi connessi.<\/p>\r\n\r\n\r\n\r\n La MT neurale \u00e8 accessibile gratuitamente a chiunque tramite internet, in centinaia di lingue e combinazioni. Certamente questa accessibilit\u00e0 rende un grande servizio all\u2019interazione fra persone.<\/p>\r\n\r\n\r\n\r\n Tuttavia, come per qualsiasi servizio, se \u00e8 gratuito<\/strong> ci sono dei motivi: i motori di traduzione automatica sul web sono alimentati con dati generici e possono restituire dunque soltanto risultati generici<\/strong>; non garantiscono la riservatezza<\/strong> su testi e dati che ricevono, che saranno memorizzati e riutilizzati per elaborare altre richieste, sempre di dominio pubblico.<\/p>\r\n\r\n\r\n\r\n Per un uso professionale e aziendale di queste tecnologie occorre investire<\/strong>. Alcuni motori di traduzione permettono abbonamenti in forma di servizi online: questi assicurano maggiore riservatezza, ma anche in questo caso non \u00e8 possibile affinare i risultati in base alle proprie esigenze. Inoltre queste soluzioni, che possiamo comunque considerare \u201cdi base\u201d, non consentono di gestire i testi in maniera omogenea: traducono senza alcun controllo<\/strong> sulla terminologia, sulla coesione e la coerenza del testo (ricordiamo che la macchina non comprende il contenuto, n\u00e9 tantomeno il contesto<\/a>). Per le esigenze aziendali occorre gestire un complesso di materiali e specificit\u00e0, spesso in pi\u00f9 lingue e di ambiti diversi, con diversi livelli di servizio<\/strong>. Chi offre e chi riceve servizi linguistici sa bene che la traduzione vera e propria copre soltanto una parte delle esigenze.<\/p>\r\n\r\n\r\n\r\n Le lingue coinvolte<\/strong> hanno un peso: i risultati saranno di qualit\u00e0 inferiore per le combinazioni meno usuali, con meno dati storici. Molti motori di traduzione, quando non possiedono dati diretti da una lingua all\u2019altra, tendono a elaborare una traduzione intermedia passando per l\u2019inglese<\/strong>, cosa che pu\u00f2 ulteriormente abbassare la qualit\u00e0 finale. La maggior parte dei motori di traduzione viene allenata con dati in lingua inglese, cosa che permea anche le modalit\u00e0 comunicative<\/strong>, che saranno quelle tipiche del mondo anglosassone.<\/p>\r\n\r\n\r\n\r\n Le reti neurali sono inoltre soggette a imprevedibilit\u00e0<\/strong> e alle cosiddette \u201callucinazioni<\/strong>\u201d, soprattutto quando elaborano testi molto lunghi e complessi. Nel loro output potrebbero comparire aggiunte oppure omissioni rispetto al testo di partenza, contenuti privi di senso, frasi di senso contrario rispetto all\u2019originale. Senza una visione complessiva del testo, non sono in grado di gestire con coerenza le parti testuali che si ripetono\u00a0identiche o simili tra loro e generano risultati sempre diversi.<\/p>\r\n\r\n\r\n\r\n Infine, la machine translation \u00e8 realizzata \u2013 vale la pena ricordarlo \u2013 da una macchina: una macchina che non sa nulla di preferenze, stili di vita, collegamenti, emozioni, differenze culturali, sorprese e diplomazia, tutti fattori che entrano in gioco in una traduzione davvero efficace e di qualit\u00e0.<\/p>\r\n\r\n\r\n\r\n Non \u00e8 possibile rinunciare all\u2019intervento umano per un uso professionale e affidabile della MT: il professionista con le sue conoscenze rimane cruciale nelle scelte prima e dopo la traduzione. Gli interventi di correzione e adeguamento<\/strong> della traduzione automatica prendono il nome di post editing<\/strong>.<\/p>\r\n\r\n\r\n\r\n Il post editing si \u00e8 affermato ormai come un\u2019attivit\u00e0 distinta dalla traduzione e dalla revisione. Per mantenere l\u2019efficienza in termini di tempi e costi sui grandi volumi (sostanziale vantaggio della MT) il post editor deve imparare, con app<\/strong>osita formazione<\/strong> e molto esercizio, a manipolare l\u2019output della traduzione automatica scegliendo esattamente dove intervenire e dove invece il risultato \u00e8 accettabile. Deve conformarsi agli standard di qualit\u00e0 concordati, modellando il testo per la migliore resa possibile<\/strong> entro i termini e le esigenze stabilite.<\/p>\r\n\r\n\r\n\r\n Viste le caratteristiche della machine translation neurale, il carico cognitivo<\/strong> per questo lavoro \u00e8 notevole e limita la produttivit\u00e0 del post editor, che pu\u00f2 dedicarsi a questa attivit\u00e0 solo per poche ore al giorno. \u00c8 ormai dimostrato che l\u2019esposizione costante <\/strong>ai risultati grezzi della MT influisce negativamente sulle capacit\u00e0 di valutazione dei post editor e sulla qualit\u00e0 delle traduzioni che essi producono autonomamente.<\/p>\r\n\r\n\r\n\r\n Implementare la traduzione automatica a livello professionale significa quindi rivedere i processi<\/strong> di lavoro abituali e le attese, sia per chi commissiona le traduzioni, sia per chi fornisce il servizio. Significa investire in tecnologia, formazione e servizi collaterali<\/strong>, come la gestione terminologica o il pre-editing<\/strong>. Soltanto cos\u00ec si potr\u00e0 avere un beneficio in termini di efficienza. \u00c8 evidente quindi che i vantaggi economici possono arrivare soltanto sul lungo termine e per determinati settori di specializzazione<\/strong> come il settore tecnico e alcuni tipi di documenti legali o finanziari, non per il marketing e i testi emozionali.<\/p>\r\n\r\n\r\nAspettative, strategia e vantaggi della machine translation<\/h2>\r\n\r\n\r\n\r\n
Limiti della tecnologia<\/h2>\r\n\r\n\r\n\r\n
Post editing di traduzione automatica e implicazioni<\/h2>\r\n\r\n\r\n\r\n
![\"qualit\u00e0](\"https:\/\/studiointra.it\/wp-content\/uploads\/2022\/11\/grafico-MT.png\")
<\/figure><\/div>\r\n\r\n\r\nQualit\u00e0 dei risultati con la machine translation<\/h2>\r\n\r\n\r\n\r\n