La traduzione è stata una delle prime sfide affrontate dai ricercatori nel campo dell’intelligenza artificiale (IA). È uno dei problemi più complessi e difficili per una macchina da eseguire a livello di un essere umano, perché il linguaggio è la cosa più naturale che ci sia. È il linguaggio che ci distingue dagli animali, che ci ha consentito di evolverci e ci permette di continuare a farlo. Grazie al linguaggio pianifichiamo il futuro e collaboriamo per realizzarlo.
IA e traduzione: la ricerca
Nonostante questo, le macchine hanno compiuto e stanno compiendo progressi importanti e continui e oggi non sembrano più così lontane dal colmare il divario, come dimostrato da una ricerca che Translated è stata invitata a presentare a Orlando durante il keynote di apertura dell’ultima conferenza dell’Association for Machine Translation in the Americas, il più importante simposio al mondo sulla traduzione automatica.
Cinque anni fa, quasi la metà dei traduttori temeva di venire sostituito da macchine addestrate con l’IA per tradurre al posto loro. Oggi i dati ci dicono che così non è stato, e non sarà. Per i traduttori c’è sempre più lavoro e stanno già guadagnando di più grazie al supporto dell’IA.
Evoluzione della traduzione, dal IX secolo all’IA
Molti ricercatori nel settore dell’intelligenza artificiale ritengono che risolvere il problema della traduzione sia la cosa più vicina alla produzione di quella che viene chiamata Intelligenza Artificiale Generale (AGI). L’analisi del linguaggio naturale è infatti di gran lunga il problema più complesso che abbiamo nell’IA. Quest’attività richiede una modellazione accurata della realtà, molto più di qualsiasi altra specifica IA.
Il concetto di traduzione automatica è stato sviluppato per la prima volta nel IX secolo quando un crittografo arabo introdusse tecniche per la traduzione sistematica delle lingue che sono, incredibilmente, ancora rilevanti.
Tuttavia, la prima dimostrazione pubblica della traduzione automatica fu condotta nel 1954 negli Stati Uniti. Fu un piccolo esperimento, ma incoraggiò i ricercatori a spingersi oltre. I primi sistemi si basavano su dizionari bilingue e regole che stabilivano come tradurre parole o frasi da una lingua di origine in una lingua di destinazione. Successivamente, è stato sviluppato un approccio statistico: analizzando grandi volumi di traduzioni umane, le macchine hanno iniziato a prevedere l’equivalenza di una frase nella lingua di destinazione. È stato l’approccio che ha portato Google Translate ad affermarsi nei primi anni 2000. Oggi, Google Translate e i più avanzati motori di traduzione automatica si affidano a modelli di reti neurali basati sul deep learning per apprendere e prevedere la traduzione. In questo tipo di sistema, la traduzione è prodotta da un singolo modello addestrato a prevedere una parola alla volta, considerando l’intera frase di origine e le traduzioni precedentemente fornite.
La traduzione automatica adattiva
Nel 2011, un consorzio composto da Translated, Fondazione Bruno Kessler, Università di Edimburgo e Università di Maine presentò la prima traduzione automatica in grado di adattarsi alle correzioni ricevute in tempo reale. Con la traduzione automatica adattiva non è necessario allenare il modello di traduzione ogni volta che vengono risolti degli errori o che è necessario personalizzare lo stile della traduzione, come richiedono oggi le aziende.
L’idea era parte di un progetto finanziato dall’Unione europea per creare uno strumento unico, in grado di funzionare in un browser e supportato dall’IA, con cui gestire i flussi di lavoro nel processo di localizzazione e consentire ai traduttori di correggere le traduzioni generate dalle macchine.
Il software Matecat
Tre anni dopo il software, chiamato Matecat, fu rilasciato con codice open source e fu riconosciuto dalla Commissione Europea come uno dei progetti con il più alto potenziale di innovazione finanziati dal settimo programma quadro. Nel 2015 Matecat ricevette il TAUS Game Changers Innovation Award, uno dei riconoscimenti più prestigiosi nel mondo della traduzione.
Translated perfezionò ulteriormente il prototipo di ricerca di Matecat e ne creò una versione commerciale, adottandola come strumento di produzione esclusivo e fornendola gratuitamente a tutti i traduttori. La traduzione automatica adattiva non fu però inclusa perché non ritenuta ancora sufficientemente buona. I partner principali del consorzio portarono avanti la ricerca con un altro progetto finanziato sempre dall’Unione Europea e nel 2017 rilasciarono ModernMT, che fu la prima applicazione commerciale dei Transformers, la tecnologia dietro a ChatGPT. Translated introdusse subito ModernMT in Matecat.
Grazie all’utilizzo di questi software, Translated è stata in grado di monitorare negli anni il tempo che i migliori traduttori professionisti – selezionati dall’IA in base alle loro competenze e prestazioni – impiegavano a correggere la traduzione automatica. In questo modo siamo riusciti per la prima volta nella storia a fornire una proiezione basata su dati reali circa il raggiungimento della singolarità nell’intelligenza artificiale.
Verso la singolarità nella IA
In campo tecnologico, la singolarità è un punto ipotetico nel futuro in cui l’intelligenza delle macchine supererà quella degli esseri umani. Monitorando il tempo impiegato dai migliori traduttori al mondo a correggere le traduzioni prodotte dalla traduzione automatica in uno scenario di lavoro reale, Translated è stata in grado di identificare la velocità a cui stiamo progredendo verso la singolarità. Per quanto spiegato in precedenza, quando la traduzione automatica fornirà traduzioni accurate e corrette dal punto di vista grammaticale, al punto da non richiedere correzioni, allora potremo dire che l’IA avrà raggiunto gli esseri umani.
Il procedimento seguito
Ecco il procedimento che abbiamo seguito. Dapprima abbiamo definito una metrica per determinare la qualità delle traduzioni effettuate dall’IA, ovvero il tempo impiegato dai migliori traduttori per comprendere il significato di un segmento di testo, riflettere su di esso e modificare l’output tradotto automaticamente all’interno di uno scenario di lavoro reale. Abbiamo chiamato questa metrica Time to Edit (TTE) e l’abbiamo misurata utilizzando Matecat. Nel grafico qui sotto, sulle ascisse abbiamo 1 secondo e non 0 poiché il tempo medio richiesto ai migliori traduttori per leggere una traduzione, comprenderla e approvarla senza apportare alcuna correzione è appunto un secondo. Per identificare i migliori traduttori per ogni progetto abbiamo sviluppato un’IA che prende in considerazione oltre una trentina di parametri, fra cui corrispondenza del curriculum, qualità delle prestazioni, puntualità nelle consegne, disponibilità e competenza nel campo del contenuto. Abbiamo infine analizzato le correzioni apportate da oltre 136mila traduttori a più di 2 miliardi di frasi pre-tradotte dalla traduzione automatica, limitando il campione a lavori di qualità in lingue supportate da una buona traduzione automatica e ripulendolo dai risultati che avrebbero potuto renderlo meno rilevante, come traduzioni estremamente veloci o lente che di solito dipendono da fattori esterni.
In questo modo abbiamo scoperto che il TTE diminuisce in maniera costante mese dopo mese, nonostante ci aspettassimo una progressione esponenziale, data la natura del problema. Abbiamo ipotizzato che fornendo noi risorse esponenziali – potenza di calcolo, disponibilità dei dati, ed efficienza degli algoritmi necessari per addestrare l’IA – a un problema esponenziale, questo potesse portarci alla progressione regolare. Si tratta però solo di un’idea e continuiamo ad aspettarci che la retta prenda a un certo punto a curvare. Se non lo facesse, raggiungeremmo la singolarità nel 2027. A noi non piace fare previsioni, quindi alla luce dei dati che abbiamo davanti ci limitiamo a dire che è molto probabile che accada nel giro di una decade.
Il ruolo del traduttore sarà sempre più importante
Sulla base dell’esperienza maturata con i nostri clienti e i dati di questa e altre ricerche, quando arriveremo alla singolarità nell’intelligenza artificiale ci aspettiamo un numero di richieste di traduzione automatica di 100 volte superiore a quello attuale insieme a un aumento decuplicato delle richieste di traduzione professionale. In questo scenario, il ruolo del traduttore, già in continua evoluzione, sarà sempre più importante.
Il traduttore oggi è anche un po’ insegnante, perché insegna alla macchina a tradurre, e un po’ mediatore culturale, in quanto il suo intervento si concentra sulla parte più importante del contenuto che viene tradotto e adattato per il contesto culturale in cui verrà consumato. Il suo intervento è fondamentale nel comprendere quelle sfumature linguistiche e culturali che alla macchina sono precluse. È dal contributo dei traduttori che dipendono la qualità generale del lavoro di localizzazione e la sua e l’efficacia della traduzione, oggi sempre più determinante nell’incremento dei ricavi delle aziende globali e non solo.
Stipendi più alti grazie all’IA
Il mondo della traduzione è un fantastico mercato, con un’enorme domanda latente, supportata dai costanti progressi compiuti dalla traduzione automatica. Secondo una recente ricerca di Gartner, entro il 2025 il 25% dei traduttori lavorerà esclusivamente su testi pre-tradotti dalla traduzione automatica e nei cinque anni successivi i servizi di localizzazione basati sull’IA diventeranno mainstream. Avanziamo rapidamente verso uno scenario in cui ogni contenuto sarà tradotto dalla IA e i traduttori saranno chiamati a lavorare sugli elementi cruciali di ogni comunicazione.
A Translated utilizziamo l’intelligenza artificiale a 360 gradi e stiamo lavorando alla perfetta simbiosi tra creatività umana e intelligenza artificiale. Rimuovendo i compiti noiosi e ridondanti, l’IA consente ai traduttori di concentrarsi sulle sfumature del linguaggio, migliorando la qualità della traduzione e aumentando la propria produttività, così guadagnando di più. I professionisti che lavorano con la traduzione automatica registrano già oggi un aumento medio dei loro ricavi del 25%. Questo perché sono più veloci e perché li paghiamo anche per le parole tradotte dal modello di traduzione automatica che loro stessi contribuiscono a migliorare con le loro correzioni. I traduttori che hanno iniziato a usare queste tecnologie sette anni fa in alcuni casi hanno quadruplicato i propri ricavi. In nessun’altra professione abbiamo assistito a crescite degli stipendi con percentuali simili. Insieme, traduttori e traduzione automatica adattiva diventano ogni giorno più efficienti, versatili ed economici. Alimentando in questo modo la crescita della richiesta del loro impiego combinato.
L’impatto della IA sull’evoluzione dell’uomo
La traduzione assistita da intelligenza artificiale sta diventando sempre più sofisticata e ha un impatto sempre più significativo sull’industria della traduzione. Oggi, insieme ai migliori traduttori e all’IA, si apre la strada a forme di collaborazione mai viste prima tra gli esseri umani. In questo modo, stiamo gettando le basi per il prossimo passo nell’evoluzione dell’umanità.
