Traducción automática neuronal

Con el auge de la traducción automática neuronal, la cuestión de si las traducciones automáticas conducirán o no a la desaparición de los traductores humanos se ha hecho más prominente. Hay que reconocer que las traducciones automáticas neuronales han mejorado notablemente la calidad y, sobre todo, la fluidez de los textos producidos mediante programas de traducción automática como DeepL, en comparación con las traducciones automáticas anteriores, basadas en reglas y estadísticas. Las ventajas para los clientes son evidentes en cuanto a velocidad de traducción, sobre todo en proyectos de gran volumen, y ahorro de costes. Sin embargo, a pesar de la mejora sustancial de los resultados de la traducción automática, parece casi seguro que en un futuro próximo seguirá siendo necesario contar con traductores humanos para mejorar los textos traducidos por programas neuronales, de modo que los textos de destino se lean como textos auténticos escritos en la lengua de destino y no como traducciones. En términos de "sensibilidad lingüística", la inteligencia humana sigue siendo superior a la traducción automática.

Postedición ligera vs. Postedición completa

Antes de profundizar en la MTPE y su enfoque en la detección de errores en las traducciones automáticas, es importante definir los términos "postedición ligera" y "postedición completa". La postedición ligera busca erradicar los errores obvios de traducción automática, así como aquellos que puedan distorsionar el significado del texto. En este caso, el objetivo no es producir un texto de llegada perfectamente traducido, sino convertirlo en un texto comprensible, "suficientemente bueno", que transmita correctamente los mensajes del texto de origen. En cambio, con la postedición completa, el objetivo del traductor es que el resultado de la traducción automática sea un texto fluido, sin errores y que no parezca una traducción. Dado su alcance, la postedición completa suele llevar más tiempo y ser más cara que la postedición ligera. Según mi experiencia, también es el motor de la gran mayoría de proyectos de MTPE que se encargan a traductores humanos. El siguiente diagrama muestra en qué parte del proceso de MTPE se encuentra el traductor humano, es decir, en la fase de edición de la traducción automática y en la posterior fase de control de calidad, ambas a menudo realizadas por la misma persona.

"Lo ideal sería que los poseditores recibieran una formación especializada, ya que sus tareas difieren de las de un revisor o un corrector. ❠

Al igual que un revisor, el posteditor debe examinar tanto el texto de partida como el de llegada. Sin embargo, los errores en el resultado de la traducción automática suelen ser bastante diferentes de los errores cometidos por un traductor humano, por ejemplo, elegir palabras que no transmiten correctamente el mensaje del texto de origen (por ejemplo, "falsos amigos") o palabras que no se ajustan al tono y al registro requeridos para el tipo de texto respectivo. Tales errores léxicos entran en el ámbito de los procesos de edición ligera. Los errores sintácticos pertenecen a la misma categoría de errores evidentes que deben corregirse en la edición ligera. Suelen aparecer en traducciones automáticas en las que las frases del texto original son muy largas. Estos errores sintácticos, por ejemplo, un orden incorrecto de las palabras, hacen que el resultado de la traducción automática suene ilógico, por lo que corregirlos es crucial para conseguir un texto de destino que no distorsione el significado del texto de origen ni deje al lector confuso.

Luego hay errores menos evidentes, que deben detectarse en la edición completa. Estos errores pueden ser múltiples: faltas de ortografía, errores ortográficos como mayúsculas y minúsculas, formas gramaticales erróneas (por ejemplo, confundir singular y plural o utilizar mayúsculas y minúsculas incorrectas), cadenas de texto sin traducir y errores de puntuación. Cuando se utiliza una herramienta TAO, es especialmente importante confirmar que las etiquetas se han colocado correctamente en el texto de destino. Las etiquetas son marcadores de posición que determinan el formato en el archivo de destino nativo, es decir, el texto de destino en el formato de archivo original, como Word o Power Point. Otro foco de atención en la postedición completa son los errores en las características de estilo, por ejemplo el tono y el registro. En este caso, la inteligencia humana es indispensable, ya que la máquina no necesariamente puede emular el estilo requerido por la lengua de destino. Un buen ejemplo son las expresiones idiomáticas, de las que la máquina suele sacar traducciones literales en lugar del sentido figurado. Las características de estilo son elementos esenciales en la fluidez de un texto que, en última instancia, determinan si una traducción suena o no como un texto auténtico escrito en la lengua de llegada. El objetivo de la postedición completa es lograr una calidad equivalente a la de un traductor humano. Estos son algunos ejemplos en los que los traductores humanos aportan un claro beneficio en términos de calidad de la traducción a través de la MTPE.

Enfoco las tareas de postedición en dos pasos: en primer lugar, decido si una cadena de traducción automática tiene sentido o si hay que traducir un segmento desde cero y, en segundo lugar, si la cadena tiene sentido, erradico todos los errores obvios y menos obvios. En mi opinión, la MTPE es un servicio esencial en un mundo de traducción cada vez más automatizado en el que los traductores humanos siguen siendo relevantes siempre que acepten la MTPE como una oportunidad y no como una amenaza.