211service.com
Skype se ha vuelto multilingüe
Katrina Rippel es una oradora cuidadosa que sigue todas las reglas. Hao Chen es un conversador más libre. Y soy un alborotador sin parar, constantemente dejando escapar cualquier noción que pase por mi cabeza. En una mañana reciente, los tres nos reunimos en el ciberespacio para averiguar qué tan bien (o mal) podíamos comunicarnos en una mezcla de alemán, mandarín e inglés. Cada uno de nosotros hablaba sólo nuestro idioma nativo.
Poniéndonos auriculares, aprovechamos Skype Translator, una creación del equipo de investigación de Microsoft. (Mis compañeros de chat eran consultores a tiempo parcial de Microsoft, que estaba a miles de millas de distancia de mi base en la costa oeste de EE. UU.). Cuando le pregunté a Chen dónde creció, no me desconcertó escucharlo decir: 我在中国的家乡在东北,辽宁省,鞍山市. Unos segundos después, una voz sintética amistosa me dijo: Mi ciudad natal está en el noreste de China, provincia de Liaoning, Anshan.
Ojalá el resto de nuestros intercambios hubiera funcionado tan bien. Cuando Chen trató de explicar sus viajes por EE. UU., Skype manejó mal un sustantivo mandarín ambiguo y me dijo que había viajado al cuadro de Nueva York. Solo cuando Chen probó una redacción diferente, Skype estuvo dispuesto a convertirlo en el estado de Nueva York. Cuando le pregunté a Rippel sobre su ciudad natal alemana, el software de Skype, esperando que hablara inglés, no alemán, me escuchó decir vestido en lugar de Dresden. Entonces creó una oración incomprensible, en la que aparecía la palabra alemana bekleidet en lugar del nombre de su ciudad.
Como muestran tales tropiezos, la traducción automática del habla cotidiana aún no está allí, a pesar de 30 años de intentarlo. Es culpa nuestra, de verdad. Si habláramos con la claridad y precisión de los diplomáticos de las Naciones Unidas, las herramientas de inteligencia artificial podrían descifrar todo de acuerdo con patrones bien establecidos. Cuanto más confiemos en palabras o sintaxis desconocidas para transmitir nuestros pensamientos, más difícil será para el software de traducción hacer todo bien sin ayuda adicional.
Aun así, Microsoft, Google, Baidu, Facebook, IBM y muchos otros compiten por la supremacía en este difícil campo. Ofrecer traducción y reconocimiento de voz de primer nivel puede convertirse en una tarjeta de visita atractiva que ayuda a atraer clientes para muchos otros servicios. Estos van desde la búsqueda en Internet hasta la computación en la nube, en la que el almacenamiento y el procesamiento de datos se proporcionan a través de servidores remotos y una conexión a Internet.
El gasto mundial en infraestructura y nube superó los $115 mil millones el año pasado y está creciendo a una tasa anual del 28 por ciento, según Synergy Research. La traducción en tiempo real puede ayudar a que las suites generales de servicios en la nube de la competencia se destaquen en lo que de otro modo se convierte en un negocio de productos básicos impulsado por los precios. Por ahora, la mayoría de los servicios de traducción están disponibles de forma gratuita, pero pueden surgir alternativas pagas a medida que las empresas globales busquen herramientas de traducción personalizadas que funcionen aún mejor.
Microsoft, en particular, está explorando formas en que los usuarios corporativos pueden desarrollar mayores capacidades sobre el motor básico de Skype Translator que probamos Rippel, Chen y yo. Un área de interés: ayudar a los clientes a cargar con anticipación miles de términos especializados, documentos de referencia, conversaciones de muestra y locuciones extravagantes. De esa manera, los problemas tipo Dresden deberían ser mucho menos probables de ocurrir.
El software de traducción funciona mucho mejor si puede acceder a una gran base de datos de patrones lingüísticos que es probable que utilicen hablantes particulares, explica el director de estrategia de investigación de Microsoft, Vikram Dendi. Los consultores de gestión pueden usar términos como delta y granularidad en contextos que parecen impensables para el resto de nosotros. Los químicos industriales pueden bromear sobre más de una docena de tipos diferentes de ftalatos. Y dentro de cualquier gran empresa, los apodos para proyectos, procesos y altos ejecutivos son infinitos.
Ofrecer reconocimiento de voz y traducción de primer nivel puede ayudar a asegurar a los clientes para muchos otros servicios, que van desde la búsqueda en Internet hasta la computación en la nube.
Desde 2011, Microsoft ha permitido que los grandes clientes carguen sus propios glosarios o materiales escritos en bases de datos de traducción de texto especializadas. Eso está destinado a producir resultados más confiables que los que proporciona el servicio Bing básico de Microsoft, especialmente en material técnico denso. Más de 100.000 usuarios han optado por la personalización, dice Dendi. Los usuarios ligeros pueden pagar tan solo $40 al mes; los grandes usuarios como Adobe y Twitter pueden pagar mucho más.
Microsoft ha probado una amplia gama de estrategias para descifrar la traducción desde mediados de la década de 1990, cuando el fundador de la empresa, Bill Gates, predijo que el reconocimiento de voz estaría ampliamente disponible en 10 años. Los primeros enfoques se basaron en gran medida en los intentos de catalogar reglas específicas de gramática y uso. A partir de 2009, Microsoft amplió su énfasis. Las técnicas estadísticas se han combinado con redes neuronales, un sistema de aprendizaje automático basado en la estructura y la naturaleza autodidacta del cerebro humano.
Actualmente, Microsoft utiliza cinco capas de redes neuronales para analizar el habla, según Peter Lee, jefe de la división de investigación de la empresa. Las capas más bajas analizan los sonidos en un nivel que es tan rudimentario como la forma en que el software de análisis de imágenes busca bordes y superficies, sin intentar averiguar qué objetos podrían ser. Al igual que con muchos enfoques avanzados de inteligencia artificial, existe cierto misterio sobre cómo funciona, incluso para los investigadores involucrados. No tiene nada que ver con palabras o fonemas, dice Lee, refiriéndose a los sonidos que distinguen una palabra de otra. No creo que ninguno de nosotros entienda exactamente lo que está mirando la capa inferior. Pero funciona sorprendentemente bien.
Los investigadores de Microsoft también han estado haciendo un mayor uso de lo que se conoce como memoria a corto plazo. Al reconocer el habla o traducir, las redes neuronales hacen una serie de conjeturas que siguen siendo revisadas a medida que llega nueva información. Ocasionalmente, un patrón esperado falla repentinamente. En tales casos, las redes neuronales pueden hacer un mejor trabajo de reagrupación si pueden revisar las suposiciones que llevaron a varias palabras de conjeturas. Mantener un rastro más largo en la memoria a corto plazo del sistema hace posible ese rastreo y las correcciones posteriores.
Se necesitan al menos 4000 horas de muestras habladas y millones de palabras de texto para entrenar las redes neuronales de Skype Translator en cada nuevo idioma. Arul Menezes, jefe del equipo de traducción automática de Microsoft, dice que esperaba dificultades en idiomas como el árabe, donde los acentos de los hablantes pueden variar mucho. Pero al recopilar muestras de suficientes voces de hablantes diferentes, dice Menezes, ha sido posible desarrollar el oído de Skype Translator para diferentes entonaciones hasta el punto de que los acentos regionales no son un problema. Lo mismo se aplica a las diferencias entre las voces masculinas y femeninas.
Otras variaciones en el habla cotidiana resultan ser más complicadas. Las redes neuronales son exquisitamente sensibles a las diferencias en los micrófonos. (Los humanos pueden ser buenos para detectar la diferencia entre estática y habla, pero eso es mucho más difícil de dominar para las máquinas). Las pausas en el habla también son problemáticas. Como señala Menezes, las personas generalmente no hacen una pausa al final de una oración. Hacen una pausa en otro lugar. Las pausas terminan siendo inútiles para detectar cuándo comienza o termina una oración. Tienes que guiarte por las palabras mismas.
Clasificar las traducciones correctas para palabras ambiguas también es un desafío interminable, reconoce Menezes. Mientras habla alemán, Rippel usa con frecuencia la palabra Sie, que puede significar ella, tú o ellos, según la situación. Skype Translator lo hace bien aproximadamente el 80 por ciento de las veces.
De manera similar, Skype Translator tropieza un poco cuando Chen habla sobre el tamaño de las familias en China. Independientemente de las políticas gubernamentales, me dice Chen, el costo total de la crianza de los hijos en China significa que muchas personas solo quieren dar a luz a un niño.
Unos minutos más tarde, sentados en el Edificio 99 de la sede de Microsoft, Menezes y yo revisamos una transcripción de la conversación. Menezes señala con tristeza el intercambio de crianza de los hijos. Eso debería ser 'un niño', dice. Pero en chino, no hay distinción entre 'uno' y 'a'. Hay una diferencia en inglés, pero tiene que entenderse completamente en contexto.
No creo que los traductores profesionales estén todavía temblando por lo que estamos haciendo, agrega, con una leve sonrisa. Sus trabajos están seguros durante bastante tiempo.
Rippel, un traductor profesional, no es tan crítico. Siempre que los usuarios hablen despacio y mantengan las oraciones cortas, dice, los servicios automatizados como Skype Translator pueden hacer un trabajo útil para superar las barreras del idioma.
Es muy importante que exista esta herramienta, dice ella. En los tiempos actuales, es más importante que nunca que las personas de todas las comunidades puedan comunicarse entre sí.