UNIR Revista
La traducción neuronal es un sistema que utiliza redes neuronales artificiales y procesa secuencias de datos para elaborar traducciones cada vez más naturales y precisas.
La revolución tecnológica puede aplicarse en todos los campos, incluido el ámbito lingüístico. Dentro del área de la traducción destaca el traductor neuronal, una herramienta que ha permitido mejorar las traducciones automáticas en cuanto a fluidez, precisión y eficacia.
Contrariamente a lo que pueda parecer, el trabajo de profesionales del sector que dominen las principales técnicas de traducción, así como que entiendan al completo el proceso, garanticen su calidad… sigue siendo fundamental en este contexto. De hecho, algunas de las salidas profesionales que ofrece el Grado en Traducción e Interpretación online de UNIR es el de poseditor de traducciones automáticas o el de gestor de motores de traducción, entre otras. Esto es así porque durante la carrera es posible cursar la asignatura optativa Traducción automática.
Por otro lado, aquellos graduados en Ingeniería Informática, Telemática o Matemáticas que busquen enfocarse hacia el área específica de la traducción automática neuronal, pueden optar por cursar el Máster en Inteligencia Artificial online de UNIR, el cual aporta la especialización necesaria en este ámbito, y en cuyo plan de estudios se aborda tanto el aprendizaje automático o machine learning como el aprendizaje profundo o deep learning.
El concepto de traducción automática neuronal
La traducción automática neuronal, también conocida como neural machine translation (NMT), es una forma avanzada de traducción automática que utiliza redes neuronales artificiales para traducir contenido de un idioma a otro.
Desde un punto de vista técnico, la traducción automática neuronal utiliza arquitecturas de redes neuronales profundas, las cuales pueden ser redes neuronales recurrentes (RNN por sus siglas en inglés), redes neuronales convolucionales (CNN) o una fusión de ambas denominada redes neuronales recurrentes convolucionales (RNN-CNN). Todas ellas están diseñadas para analizar e interpretar datos o información del contenido traducido.
La utilidad de un traductor neuronal es amplísima y puede ser empleado para la traducción de textos estándar o funcionales sin matices creativos o complejidades lingüísticas. Esto se debe a que los traductores pierden precisión y sutileza al carecer de capacidad para interpretar juegos de palabras, ironías, figuras retóricas, estilos humorísticos, etc.
Lo que evidencia la importancia de la intervención humana para editar, revisar y corregir posibles errores de traducción o de adaptación textual.
¿Cómo funciona un traductor neuronal?
Un traductor neuronal funciona mediante el procesamiento de texto a través de redes neuronales artificiales, donde las palabras se vinculan con información subyacente para establecer conexiones conceptuales y facilitar la traducción. Después, le siguen diferentes fases:
- Se alimenta al sistema con un texto en el idioma de origen.
- Las redes neuronales procesan esta información, asimilando y aprendiendo las relaciones entre las palabras y su significado. El codificador, o encoder en inglés, convierte cada palabra en un vector al que se le asocia un significado y contexto, es decir: cómo se relaciona cada palabra con el conjunto del texto.
- A continuación, el traductor neuronal traduce esos datos en el idioma de destino basándose en este aprendizaje.
- Este proceso se repite y se ajusta de manera continua con más ejemplos de entrenamiento para mejorar la precisión, dotar de naturalidad las traducciones que realiza y mostrar comportamientos inteligentes. Este paso puede incluir, además, ajustes gramaticales, de concordancia o de estilo con el fin de dotar al texto traducido de naturalidad, precisión y fluidez.
- Este aprendizaje constante se consigue a partir de la extracción de datos de otras traducciones y del entrenamiento continuo de los modelos de las redes neuronales artificiales que utiliza este modelo. Así, se desarrollarán traducciones cada vez más óptimas y más similares a las ejecutadas por un humano.
Este funcionamiento está relacionado con el deep learning, que forma parte del aprendizaje automático, un proceso mediante el cual las máquinas o las tecnologías aprenden a reconocer patrones de comportamiento, los clasifican y los usan para realizar predicciones, cada vez más claras y precisas.
En este sentido, el concepto de aprendizaje es el núcleo central del tándem entre big data y machine learning o aprendizaje automático, porque en este procedimiento el algoritmo aprovecha de manera eficiente toda la información de los metadatos (big data) y proporciona proyecciones más acertadas.
Las ventajas de la traducción automática neuronal
La traducción neuronal aporta múltiples ventajas que se enumeran a continuación:
- Precisión y calidad: las traducciones generadas por un traductor neuronal son más correctas, precisas y coherentes. Esto se debe en gran parte a su proceso de aprendizaje a través de patrones lingüísticos complejos, diferente a la metodología que utilizan los sistemas de traducción tradicionales.
- Contextualización: el procesamiento de secuencias completas de texto permite que la traducción se adapte mejor al contexto y por tanto sean más relevantes.
- Eficacia: aborda una amplia variedad de idiomas, lo que la convierte en una herramienta útil y eficaz para usarla en entornos multilingües.
- Eficiencia: gracias a la traducción automática neuronal se incrementa la productividad y esto reducirá costes y plazos debido a las traducciones en tiempo real que realiza y la rapidez de su ejecución.
- Versatilidad: la capacidad de adaptación del traductor neuronal a diferentes contenidos facilita las traducciones en cualquier formato ya sea: audiovisual, vídeo, texto, etc.
A pesar de esta lista de ventajas, hay que tener en cuenta que la traducción neuronal es una tecnología de reciente creación y aún existen áreas de mejora que abordar para cumplir el objetivo de generar traducciones más precisas y exactas, imitando el comportamiento humano.
Así, de momento se producen fallos frecuentes al traducir contenido con estilo retórico, al interpretar el orden sintáctico de una oración o al traducir neologismos, entre otros.
Principales traductores neuronales
Actualmente, hay varias empresas con productos de traducción neuronal. Las principales son:
- IBM Watson Language Translator. Herramienta de traducción neuronal creada en 2016 y diseñada para integrarse en aplicaciones empresariales. Proporciona traducciones automáticas en tiempo real y personalización avanzada para sectores especializados en salud, finanzas y comercio electrónico, entre otros ejemplos.
- Traductor de Google. El sistema de traducción del gigante tecnológico utiliza un enfoque neuronal para realizar traducciones entre una gran variedad de idiomas, en total 133. La traducción automática neuronal de esta herramienta de Google se incorporó en el año 2016. Su uso es gratuito hasta los 5000 caracteres. No obstante, permite traducir cualquier página web sin gasto alguno.
- SYSTRAN (NMT). Plataforma de traducción automática neuronal de 2017 especializada en sectores como finanzas, gobierno y defensa. Utiliza redes neuronales profundas para ofrecer traducciones personalizadas y de alta calidad.
- DeepL. Traductor neuronal conocido por la calidad de sus traducciones del inglés a otros idiomas. Fue creado en el año 2017 en Colonia (Alemania) y soporta 26 idiomas.
- Microsoft Translator. Fue en el año 2018 cuando Microsoft implementó la tecnología de las máquinas neuronales a sus sistemas de traducción. En la actualidad, la app soporta más de 60 idiomas y 12 idiomas de habla, en los que se han incluido el chino y el alemán.
En conclusión, el traductor neuronal ha transformado el campo de la traducción automática, permitiendo que las traducciones realizadas por máquinas estén cada vez más cerca del nivel de calidad de las humanas.
