Machine translation e traduzione

A quasi ottant'anni dalla sua introduzione, la traduzione automatica sta vivendo un momento di grande successo.

Di recente, con l'affermarsi in modo sempre più deciso dei numerosi aspetti legati all'intelligenza artificiale, la traduzione automatica neurale, o "neural MT" è entrata a far parte dei neologismi di grande risonanza in diversi settori. Anche se non usate direttamente la traduzione automatica (MT, Machine Translation), è importante conoscere questo concetto.

Con l'aumento della diffusione delle applicazioni di intelligenza artificiale, che diventano sempre più accessibili ad aziende e consumatori, sono nati molti nuovi termini correlati. Se siete estranei al settore, come riuscite a capire la differenza tra termini talvolta usati in modo interscambiabile?

Come traducete machine translation?

Siamo qui per aiutarvi. Lionbridge vanta alcuni tra i più grandi esperti di MT al mondo. Abbiamo collaborato con loro allo sviluppo di queste note di riferimento per spiegarvi in modo chiaro le differenze, più o meno evidenti, tra i nuovi termini che dominano il settore.

1. Intelligenza artificiale

Per comprendere le tendenze recenti nelle tecnologie di traduzione automatica, è importante acquisire familiarità con il concetto di fondo che le rende possibili: l'entusiasmante e straordinaria intelligenza artificiale. Si tratta dell'intelligenza usata dai computer per eseguire attività per le quali si ritiene in genere necessario un tipo di pensiero umano, come l'apprendimento e la risoluzione dei problemi. Il recente sviluppo dell'intelligenza artificiale è stato favorito dai computer sempre più potenti. Ciò ha portato non solo a elaborazioni più intensive nell'ambito di una particolare attività, ma anche a un miglioramento dell'apprendimento automatico, ovvero il modo in cui i computer acquisiscono le conoscenze necessarie per le applicazioni di intelligenza artificiale.

2. Apprendimento automatico

L'apprendimento automatico rappresenta un ramo dell'informatica che utilizza enormi quantità di dati per insegnare ai computer a eseguire particolari compiti. L'apprendimento automatico prevede l'esame dei dati relativi a un'attività specifica, l'identificazione dei pattern all'interno di tali dati e la creazione di associazioni tra di essi, quindi l'utilizzo delle informazioni apprese per modellare le modalità prestazionali del computer in relazione all'attività in questione. Se, in seguito a tale analisi, l'esecuzione dell'attività da parte del computer migliora, significa che è avvenuto un apprendimento automatico.

Considerata la disponibilità di dati su praticamente ogni argomento immaginabile, l'apprendimento automatico viene usato per migliorare le prestazioni dei computer in ogni ambito, dalle previsioni meteorologiche alla selezione automatica di azioni, fino alla traduzione automatica.

3. Traduzione automatica

Parliamo di traduzione automatica quando forniamo contenuti di origine in una lingua al computer che li restituisce in un'altra lingua. Il risultato non è perfetto, ma si tratta di uno degli strumenti più potenti a disposizione per produrre traduzioni di qualità in modo più efficace.

Negli ultimi decenni la qualità della traduzione automatica è diventata sempre migliore, sia per quanto riguarda il risultato finale che per la quantità di lingue supportate. Dai semplici sistemi di sostituzione delle singole parole agli albori della MT, passando per la codifica di grammatica e dizionari di traduzione automatica basata su regole, fino alla MT statistica basata su paradigmi numerici, nonché al Deep Learning e alle reti neurali, lo sviluppo in quest'ambito riflette l'uso sempre più sofisticato dei computer.

4. Traduzione automatica statistica

La traduzione automatica statistica (SMT, Statistical Machine Translation) sfrutta l'apprendimento automatico per generare un numero elevato di traduzioni possibili per una determinata frase di origine, quindi seleziona l'opzione migliore in base alle probabilità che determinate parole e frasi vengano usate insieme nella lingua di destinazione. La traduzione automatica statistica prevede l'apprendimento della traduzione tramite "n-grammi", ovvero piccoli gruppi di parole usate insieme nella lingua di origine e in quella di destinazione. Durante le fasi di apprendimento automatico, in un sistema SMT vengono inseriti contenuti di training, costituiti da numerosissimi esempi di frasi nella lingua di origine con le relative traduzioni nella lingua di destinazione. L'algoritmo di apprendimento divide le frasi di origine e di destinazione in n-grammi e determina quali n-grammi nella lingua di destinazione hanno maggiore probabilità di apparire in una traduzione se in una frase sono presenti determinati n-grammi nella lingua di origine.

L'algoritmo di apprendimento crea quindi un modello linguistico che calcola la probabilità che determinate parole o frasi siano presenti una accanto all'altra nella lingua di destinazione. Una volta completato l'apprendimento, quando è il momento di tradurre nuovo materiale, il sistema SMT suddivide la nuova frase di origine in n-grammi, trova gli n-grammi di destinazione associati più di frequente e inizia a generare le possibili traduzioni. Il risultato finale è costituito dalla frase i cui n-grammi nella lingua di destinazione sono maggiormente correlati agli n-grammi della frase di origine e le cui parole nella lingua di destinazione hanno maggiore probabilità di essere usate insieme.

La traduzione automatica statistica fornisce risultati sorprendentemente buoni, in particolare se si considera che un sistema SMT non ha niente di linguistico, ma si limita a considerare gli n-grammi e mai un'intera frase. Questo approccio è diverso da quello adottato per un tipo emergente di traduzione automatica: la traduzione automatica neurale.

5. Traduzione automatica neurale

La traduzione automatica neurale (NMT, Neural Machine Translation) colma la lacuna più grande della traduzione automatica statistica: l'uso esclusivo dell'analisi di n-grammi. Anche con la traduzione automatica neurale il sistema riceve il materiale di training, ma c'è una differenza fondamentale. Dopo aver ricevuto il materiale, il sistema determina autonomamente come eseguire l'apprendimento.

I sistemi NMT creano vettori di informazioni per ogni frase di origine, associando le informazioni su ogni parola con quelle delle parole che la circondano. Alcuni sistemi raccolgono centinaia di informazioni per ogni singola parola, per risultati estremamente accurati. Tramite il Deep Learning, i sistemi NMT acquisiscono una quantità incredibile di informazioni su ogni parola e frase di origine, quindi usano il cosiddetto modello di attenzione per concentrarsi sulle caratteristiche chiave apprese, analizzando voluminosi flussi di dati importanti per il processo di traduzione. Il risultato è una traduzione generata dal computer molto più fluente e che sembra sempre più naturale.

La traduzione automatica neurale (NMT) ha rivoluzionato il nostro settore. Man mano che vengono apportati miglioramenti e che gli strumenti diventano più avanzati, Lionbridge usa la traduzione automatica in misura sempre maggiore per accelerare i processi di traduzione.

Lionbridge conosce a fondo il mondo della traduzione automatica. Forniamo servizi di machine translation e post-editing su larga scala dal 2002, facendo sempre di più e con risultati migliori anno per anno. Scoprite come supportiamo i clienti grazie all'esperienza nella traduzione automatica.

Parlate con il nostro team delle vostre esigenze di traduzione automatica.