211service.com
Repita, en inglés, por favor
Si bien la calidad de las traducciones realizadas por computadora ha mejorado enormemente en los últimos 20 años, algunos resultados siguen siendo tan gramaticales como las instrucciones en un envoltorio de palillos. Tomemos, por ejemplo, un sitio web para un Granja de manzanas japonesa que se convirtió al inglés con Google servicio de traducción automática :
¡El jardín de manzanas Someya pasará muy! Se planta en 1954, además, incluso ahora, supera la edad del árbol de 50 años prósperamente, grande - cuando el árbol de manzana de cocodrilo de juego anormal está fructificado. Se crea la manzana sabrosa, donde la diferencia de temperatura del día y la noche se apretaba para ser la ciudad extrema de la prefectura de Gunma Numata, que cuatro estaciones son claras, grande la naturaleza, dura. *
Sí, el panorama general se transmite, pero el algoritmo de traducción del japonés al inglés de Google pierde mucho. Google ha estado ofreciendo su función de traducción durante varios años, al igual que la empresa de Internet con sede en Canadá. Pez de Babel . Más recientemente, sin embargo, los desarrolladores de software comercial han comenzado a explorar la traducción más allá de una página web estática o un documento electrónico y están aplicando la tecnología a las conversaciones de mensajería instantánea de Internet en tiempo real. A principios de este mes, AvMedia lanzó un servicio de mensajería instantánea translator diseñado para que el chat con amigos que hablen alemán, español, francés, italiano y portugués sea más fácil para los angloparlantes, y viceversa (el francés también se puede traducir al alemán y el alemán al francés).
Pero todo este software aún carece de la precisión suficiente para ser útil en situaciones exigentes, como negociaciones comerciales o planificación militar. Esto probablemente se deba a que la mayoría del software comercial sigue un enfoque tradicional de traducción automática, dice Kevin Knight, científico informático de la Universidad del Sur de California. Instituto de Ciencias de la Información (ISI) y cofundador de la empresa con sede en California Lenguaje Weaver .
Tradicionalmente, el software de traducción automática ha dependido de algoritmos que clasifican miles de reglas gramaticales para los dos idiomas a traducir, dice Knight. El problema, explica, es que muchas reglas deben escribirse manualmente, al igual que las excepciones a estas reglas, y la inexactitud se infiltra cuando conjuntos complejos de reglas se contradicen entre sí. Si escribes la regla número 5000, a veces rompes cosas, dice Knight.
Con Language Weaver y su investigación en la USC, Knight, así como un puñado de otros investigadores en todo el mundo, abordan el problema de manera diferente. En lugar de seguir reglas gramaticales rígidas, Language Weaver combina palabras y frases correctas en todos los idiomas según la probabilidad de que dichas palabras y frases sean correctas en un contexto dado.
Este enfoque estadístico se basa en una gran cantidad de ejemplos de documentos ya traducidos, dice Michael Collins, un ingeniero informático del MIT que usa el mismo método para una aplicación de software que está construyendo para realizar traducciones del alemán al inglés. IBM fue pionera en este enfoque en la década de 1990, dice, en parte, aprovechando una enorme base de datos de procedimientos parlamentarios canadienses publicados en versiones en francés e inglés.
La variedad estadística de la traducción automática no solo produce mejores resultados que el método tradicional, dice Knight, sino que también el software está diseñado para continuar mejorando por sí solo. Cuantos más documentos traducidos encuentre el software, es más probable que coincida con las frases correctamente. Hace unos años, para nuestros idiomas chino y árabe, todo lo que pudimos obtener fue el tema básico de lo que trataba un artículo, dice Knight. Ahora, la resolución está a nivel de oración. [Continúa en la siguiente página ]
—
* Corrección, 18 de enero de 2006, 10:00 a.m. EST: En la versión original de esta historia, citamos la siguiente traducción del sitio web de Someya Apple Farm: El huerto de manzanas con grandes árboles de más de 50 años. El entorno natural alrededor de Numata, con la enorme diferencia de temperatura entre el día y la noche, crea una manzana exquisitamente deliciosa. De hecho, este fue un extracto de la traducción de Google de la versión en inglés de su sitio web de la granja de manzanas, no de la traducción de Google de la página original en japonés. Por tanto, no era un ejemplo válido de la mala calidad de algunos algoritmos de traducción automática. En la historia, ahora hemos sustituido la traducción de Google del sitio original en japonés. Gracias a nuestros lectores por señalar el error. - Eds.
La Agencia de Proyectos de Investigación Avanzada de Defensa de los Estados Unidos (DARPA) es uno de los principales financiadores de la traducción automática estadística. En agosto pasado, DARPA patrocinó pruebas de traducción automática para documentos en chino y árabe; un grupo de investigación de Google obtuvo la puntuación más alta, superando al Instituto de Ciencias de la Información de la USC y al brazo de traducción automática de IBM. Google, que también usa el enfoque estadístico, podría haber tenido una ventaja, señala Knight, porque podrían usar una gran cantidad de computadoras para procesar palabras y podrían utilizar Internet para su base de datos de documentos pretraducidos.
En 2005, DARPA también anunció el programa Global Autonomous Language Explitation (GALE), destinado a acelerar el procesamiento informático de una gran cantidad de documentos traducidos adquiridos por su programa principal, el programa con sede en Filadelfia. Consorcio de datos lingüísticos . ** GALE se encuentra actualmente en el primer año y transcribirá discursos de fuentes de noticias y programas de entrevistas en árabe, chino e inglés, y también catalogará los canales de noticias, grupos de discusión de noticias en la Web y blogs en esos idiomas. Por ahora, el proyecto se centra principalmente en la recopilación de datos de estos géneros, y los investigadores del departamento de ciencias de la computación y la ingeniería de la Universidad de Pensilvania realizan gran parte del trabajo.
Pero incluso con una gran colección de material traducido, todavía habrá problemas de idioma que resolver. El siguiente paso en la investigación de la traducción automática, más allá de hacer coincidir palabras y frases, dice Knight, es suavizar las inconsistencias gramaticales que surgen cuando las palabras y frases se unen. Este suavizado se puede lograr indexando millones de oraciones cuyas estructuras se han diagramado en la Universidad de Pensilvania en la década de 1990 (los datos provienen de 50,000 oraciones en el Wall Street Journal ). De manera similar a la forma en que una base de datos llena de palabras y frases permite que el software de traducción elija la combinación de palabras más probable estadísticamente, estos ejemplos específicos de gramática de las oraciones en diagrama ayudan al software a asignar la probabilidad del orden de las palabras, dice Collins del MIT.
Este es un avance sobre el método tradicional en el que las reglas gramaticales se establecían en un algoritmo, dice. En lugar de obedecer las convenciones gramaticales codificadas en un algoritmo, como ocurre con la traducción automática tradicional, la base de datos de oraciones en diagrama permite que el software asigne probabilidades y peso en esas reglas, dice Collins. Es más probable que [el software] aprenda el contexto, dice.
De alguna manera, sin embargo, el enfoque estadístico solo será tan bueno como el traductor común de mensajería instantánea. Los nombres propios, por ejemplo, todavía hacen tropezar al traductor automático más leído y, a menudo, simplemente se traducen junto con el resto del texto. Según su sistema, admite Knight, la versión en español de su apellido sigue siendo Kevin Caballero.
** Corrección, 20 de enero de 2006: la versión original de esta historia, publicada el 18 de enero, indicaba que el Consorcio de datos lingüísticos se lanzó en 2005. De hecho, el consorcio se lanzó en 1992 y se lanzó su proyecto Global Autonomous Language Exploitation. en 2005. - Eds.