La Traduzione Automatica Neurale (NMT) su cui si basano le piattaforme online più evolute come DeepL traduttore – e tra gli altri Baidu translate, Microsoft, e Google per tradurre un testo da una lingua all’altra, utilizza le tecnologie di Deep Learning che hanno fatto progredire rapidamente l’Intelligenza Artificiale negli ultimi 10 anni.
È attualmente la tecnologia più avanzata nella machine translation e quella che offre la massima qualità di traduzione. Google Translate ha iniziato a utilizzarla per potenziare il proprio servizio nel 2016, dopo aver utilizzato metodi statistici per molti anni.
Questa applicazione della linguistica computazionale si basa su reti neurali artificiali, a loro volta modellate sul cervello, per prevedere la verosimiglianza di determinate sequenze di parole.
1. Deepl traduttore: un algoritmo basato su connessioni e grandi set di dati
L’algoritmo NMT che utilizza Deepl traduttore è un esempio di deep learning, nel senso che attraverso l’apprendimento automatico, i motori NMT come Deepl possono essere addestrati a riconoscere le connessioni nelle lingue di origine e di destinazione, utilizzando set di dati di grandi dimensioni.
Man mano che le connessioni tra le parole vengono rafforzate o indebolite attraverso l’addestramento, Deepl traduttore registra queste correlazioni e si adatta a prevedere la probabilità di una sequenza di parole, spesso sotto forma di intere frasi.
2. Differenze tra traduzione automatica statistica e neurale
A differenza della traduzione automatica statistica, che consuma più memoria e tempo e coinvolge componenti ingegnerizzati separatamente, la traduzione automatica neurale come quella utilizzata da Deepl traduttore funziona in modo coerente e addestra le sue parti end-to-end per massimizzare le prestazioni in velocità ed efficacia.
Rispetto ai modelli basati su frasi, il framework di base è dunque molto più semplice: al posto di utilizzare componenti separati, NMT lavora su un singolo modello di sequenza, che produce una parola alla volta.
Se il moderno deep learning, funziona con l’intelligenza artificiale, i primissimi modelli di traduzione automatica richiedevano agli sviluppatori di definire e programmare manualmente quello che era effettivamente un ampio insieme di regole.
3. Prima della NMT alla base di Deepl traduttore: la traduzione automatica statistica
Negli ultimi anni prima dell’avvento della NMT si sono succedute invece diverse applicazioni della machine learning basate sulla traduzione automatica statistica (SMT), a partire dall’apprendimento automatico completamente automatizzato (FAMT – Fully Automatic Machine Translation), eseguito senza l’intervento umano, fino alla traduzione assistita da computer (CAT), che nel flusso di lavoro di traduzione dipende completamente dall’input umano, mirando a supportare piuttosto che a sostituire l’impegno del linguista umano.
Come la traduzione automatica neurale, anche la SMT si basa sul linguaggio probabilistico e sull’analisi dei dati di addestramento mono e bilingue per “imparare” come restituire una buona traduzione.
Attualmente i moderni sistemi NMT stanno rapidamente conquistando la prima linea della traduzione automatica, superando le forme tradizionali di machine translation e aumentando la probabilità di traduzioni coerenti e di qualità.
4. Come funziona la traduzione automatica neurale alla base di Deepl traduttore
Una delle piattaforme più popolari al mondo per traduzione online è appunto Deepl traduttore. Il sistema utilizza la traduzione automatica neurale per aumentare la fluidità e la precisione dei testi tradotti.
Oltre ad applicare un ampio set di dati per l’addestramento dei suoi algoritmi, grazie al suo design end-to-end può apprendere nel tempo e creare traduzioni progressivamente migliori e più naturali.
La traduzione automatica neurale come già detto funziona prevedendo la probabilità di determinate sequenze di parole, sulla base di modelli analizzati nei set di dati utilizzati per il suo addestramento.
Ne è un meccanismo chiave la rappresentazione vettoriale: in NMT le parole vengono trascritte in vettori, ciascuno identificato con una grandezza e una direzione univoche, in un processo di codifica dell’input di testo di origine e di successiva decodifica nell’output quindi nel testo di destinazione, che non esegue una serie di regole predefinite dall’inizio, ma determina la previsione della probabile traduzione corretta.
Sebbene incorpori ancora modelli probabilistici, la traduzione automatica su apprendimento neurale differisce dagli altri tipi di machine translation basati su statistiche, in quanto parte dal valutare l’input nel suo insieme, invece di separarlo in sottocomponenti.
5. Input e output per gestire la complessità
Può quindi identificare le connessioni tra parole, che vengono rafforzate o indebolite a seconda di quali di esse ricorrono insieme, in modo da permettere alla NMT di operare delle scelte e di produrre output accurati e di qualità.
In generale, queste reti neurali progrediscono utilizzando il metodo di apprendimento supervisionato: alla rete vengono mostrati diversi esempi più volte, in modo che possa confrontare ripetutamente le proprie traduzioni con quelle dei dati di addestramento. Se ci sono discrepanze tra le traduzioni, i pesi della rete vengono regolati di conseguenza.
In poche parole, le reti neurali consentono la complessità: dispongono della flessibilità necessaria per adattarsi a dati altamente complessi e per addestrare modelli complessi per nuovi contesti. Inoltre possono processare grandi volumi di esempi su cui essere addestrati e milioni di coppie linguistiche.
6. Cos’è una rete neurale per la machine translation
Una rete neurale è una serie interconnessa di nodi, vagamente modellata sul cervello. In questo sistema informativo i dati di input vengono passati attraverso questi nodi per produrre gli output, attraverso un’architettura ramificata (architettura Transformer) chiamata sequence-to-sequence (Seq2Seq), che funziona esaminando una frase nella lingua di partenza e producendo una corrispondente frase nella lingua di destinazione.
Oggi una traduzione automatica neurale come quella di Deepl traduttore può elaborare quelle che vengono chiamate “traduzioni zero-shot” ovvero tradurre direttamente da una lingua a un’altra, saltando il passaggio intermedio dell’inglese, al contrario di come avveniva in precedenza nelle prime fasi della machine translation.
7. La qualità nelle NMT come Deepl traduttore
La traduzione automatica neurale come abbiamo detto si affida a input di apprendimento per imparare a produrre output di qualità: ne consegue che le prestazioni di piattaforme come Deepl traduttore dipendono molto dalla qualità dei set di dati utilizzati per l’addestramento.
Questo, a sua volta, solleva interrogativi sugli standard di qualità di questo tipo di traduzioni automatiche, dal momento che qualsiasi nuova tecnologia è suscettibile di errori e di utilizzi errati: una questione particolarmente importante questa, se pensiamo alle traduzioni specialistiche di argomenti complessi, magari con elevati livelli di criticità e gradi di precisione, o destinate a un pubblico accademico o di esperti.
È il caso delle traduzioni legali, delle traduzioni tecniche, delle traduzioni finanziarie di quelle brevettuali oppure delle traduzioni scientifiche, per non parlare di quelle necessarie in campo medico, dove la sicurezza e la salute del paziente potrebbero essere a rischio per una traduzione poco corretta.
8. Selezionare la piattaforma ottimale per il contenuto da tradurre
Sebbene sempre più evolute, anche le traduzioni automatiche neurali di ultima generazione a volte possono risultare innaturali se non addirittura goffe e, nel peggiore dei casi, essere visibilmente imprecise, dal momento che la macchina non sempre ha la capacità di scegliere l’opzione di traduzione più coerente, o più in linea con i requisiti specifici di un settore accademico o professionale, né è sempre in grado di rilevare tutte le sfumature di significato e il tono di voce utilizzato nella lingua source.
Del resto, la machine translation su apprendimento neurale non è un approccio valido per tutti: per questo è sempre importante saper valutare quando va preferita come soluzione per le traduzioni e quando invece è meno efficace.
Maggiore è il numero di traduzioni già eseguite da un traduttore automatico neurale per un dominio o una lingua specifici, maggiore sarà l’output di qualità che esso sarà in grado di produrre: con la quantità di traduzioni in continuo aumento, selezionare la piattaforma ottimale per il contenuto da tradurre è fondamentale per la precisione del risultato.
9. Quando la traduzione automatica neurale è preferibile ai traduttori umani
Le considerazioni sul tipo di testo e di contesto, sulla terminologia e sulle lingue sorgente e di destinazione determinano quando la traduzione automatica può essere preferita all’intervento di linguisti preparati.
Ad esempio, dovrebbero sempre essere gestiti da traduttori umani i testi che richiedono un alto grado di creatività, mentre la documentazione tecnica di tipo ripetitivo può risultare particolarmente adatta all’utilizzo di una NMT come quella di Deepl traduttore.
Mentre alcuni tipi di contenuto è meglio lasciarli nelle mani di traduttori umani, come testi pubblicitari progettati per il massimo impatto, la traduzione automatica neurale eccelle in altri tipi di utilizzi, tra cui:
- traduzione di grandi quantità di contenuti in tempi estremamente brevi
- traduzione di contenuti altamente ripetitivi – come manuali, guide per l’utente o tutorial
- traduzione di contenuti generati dagli utenti (UGC) – per la sentiment analysis dei social, le recensioni e i commenti online
- servizio clienti online – operazioni di helpdesk o customer care per mercati esteri
C’è però da considerare un ulteriore punto nodale nell’affrontare il tema della qualità: l’uso di sistemi di traduzione automatica personalizzati.
In pratica, i Language Service Provider che lavorano con la neural machine translation di DeepL traduttore o di altri fornitori, generalmente lo fanno costruendo sistemi su misura per le esigenze dei loro clienti.
Nelle agenzie di traduttori professionali questi motori sono addestrati fin dall’inizio su input specifici del settore del committente e come riferimento utilizzano traduzioni di alta qualità, in modo da ottenere output di standard superiore alla media di questo tipo di soluzioni.
Inoltre non vanno tralasciate le attività di post-editing e le procedure di Quality Control, che grazie all’intervento umano mirano a ottenere traduzioni finali affidabili e coerenti, redatte in forma chiara, accurata e con un linguaggio non artefatto, naturale.
10. L’ottima reputazione di Deepl traduttore
Benché secondo quanto afferma lo “State of Machine Translation 2022” report di Intento, alla fine “ogni motore di traduzione automatica è il migliore in qualcosa”, DeepL traduttore è stato subito percepito a livello mondiale come uno fra i migliori servizi di traduzione automatica neurale, battendo anche altri servizi più popolari come Google Traduttore in fatto di accuratezza della traduzione.
I dati processati nella traduzione automatica neurale devono essere necessariamente:
- di alta qualità
- volume elevato
- in linea con il campo in cui verrà distribuito il sistema di machine translation
Oltre a un set di dati ben curato e oggetto di una rigorosa pre-elaborazione, ciò che rende DeepL traduttore superiore ad altre soluzioni dello stesso tipo, almeno in determinate combinazioni linguistiche e domini, pare l’essere stato costruito inizialmente, ancora prima che con Transformer, su reti neurali convoluzionali (CNN), ovvero quelle più comunemente utilizzate nell’analisi delle immagini, mentre la prima versione di NMT di Google Translate, rilasciata nel 2016, funzionava su reti neurali ricorrenti (RNN).
11. Gli inizi di DeepL traduttore
Rilasciata alla fine dell’estate 2017, la piattaforma web gratuita di DeepL traduttore con sede a Colonia, in Germania, all’inizio offriva sette lingue europee, per poi ampliarle progressivamente prima a russo e portoghese, poi a cinese e giapponese, arrivando ora a supportare 26 lingue totali e più di 800 combinazioni linguistiche.
L’azienda fin dall’inizio si è mossa rapidamente con DeepL Pro, per fornire una versione professionale della sua traduzione automatica, che ha rilasciato a marzo 2018. Il servizio in abbonamento Pro di traduzione automatica offre una maggiore sicurezza dei dati, l’integrazione dello strumento CAT e l’accesso API.
Una nuova funzionalità di glossario, implementata da DeepL a maggio 2020, consente agli utenti di definire e applicare terminologie personalizzate.
DeepL offre quindi tre interfacce di diverso per la traduzione dei contenuti:
- Interfaccia web, dove si può fare copia/incolla di un testo o caricare un documento da tradurre
- Applicazioni per desktop e dispositivi mobili
- API per la personalizzazione e l’integrazione della piattaforma nei sistemi e processi aziendali
Con il suo mix di competenze linguistiche e di machine learning, sembra probabile che nel prossimo futuro l’azienda si espanderà oltre la machine translation in altre applicazioni linguistiche dell’intelligenza artificiale.
12. Il futuro come combinazione virtuosa tra NMT e traduttori umani
È importante ricordare che se i vantaggi in termini di performance di una traduzione automatica neurale come quella utilizzata da DeepL traduttore ne hanno fatto una parte indispensabile della gestione e del flusso di lavoro della traduzione, è altrettanto vero che gli esseri umani giocheranno sempre un ruolo fondamentale nelle procedure di traduzione automatica, per controllarne l’accuratezza e affidabilità.
La maggior parte degli esperti concorda sul fatto che il futuro della traduzione sarà sempre la combinazione tra traduzione automatica neurale e capacità umane, nella quale le macchine apporteranno alla traduzione performance scalabili, mentre gli esseri umani forniranno creatività, pensiero critico e sfumature linguistiche.
Photocredits: Image 2 by javi_indy (Freepik)
