The Brief
Lavoro ed economia 5 min di lettura

Un trilione di parole al mese: chi ha ancora bisogno di un traduttore umano?

NAVION

Condividi

Google Translate elabora ormai un trilione di parole ogni mese. Quel numero, reso noto da Google in aprile, racchiude qualcosa di più grande di un traguardo di prodotto. Segna una soglia: la traduzione automatica è passata da curiosità a infrastruttura, gestendo un volume di linguaggio che nessuna forza lavoro umana potrebbe eguagliare. La domanda che ne consegue non è se l’IA possa tradurre. È evidente che lo faccia. La domanda è che cosa sbagli ancora, e se quegli errori continuiamo a essere abbastanza importanti da mantenere gli umani nel processo.

Il divario tra fluente e corretto

Il cambiamento più importante nella traduzione basata su IA negli ultimi anni non è la velocità o la scala. È la sparizione degli errori evidenti. I sistemi precedenti producevano risultati facili da segnalare: grammatica goffa, formulazioni innaturali, frasi che sembravano passate attraverso una macchina. Questo rendeva il controllo qualità lineare. I revisori potevano individuare i problemi rapidamente.

Oggi gli errori sono più difficili da trovare proprio perché la prosa suona naturale. Carol Bereuter, una specialista in traduzioni mediche, descrive il cambiamento in modo diretto: laddove i vecchi strumenti producevano frasi che “saltavano all’occhio” a causa di problemi grammaticali, l’attuale output dell’IA suona fluido e legittimo. Gli errori ci sono ancora. Semplicemente non indossano più un cartello.

Non si tratta di un piccolo inconveniente nei campi ad alto rischio. Bereuter si è imbattuta in un testo medico tradotto automaticamente che rendeva la lettera greca mu come “milli” anziché “micro”. La differenza è un fattore di mille. In un contesto di dosaggio, questo non è un errore di traduzione. È un rischio per la sicurezza del paziente. La frase sembrava corretta. Il significato era catastroficamente sbagliato.

La traduzione legale comporta rischi simili. Ariella Baltié, una traduttrice specializzata in documenti giudiziari, ha esaminato un atto legale tradotto dall’IA e ha trovato due errori significativi vicino all’inizio. La parola “demandeur” (querelante) è diventata “requester” (richiedente), un termine che non ha alcun peso legale nella lingua di arrivo. Una frase che descriveva una donna come moglie di qualcuno è stata resa come la descrizione del suo sposarlo, confondendo un nome con un verbo. Nei procedimenti di asilo negli Stati Uniti, errori di questo tipo hanno contribuito a ritardi nella scarcerazione dei detenuti.

Dove l’IA funziona e dove non funziona

Non ogni traduzione comporta questi rischi. John Zimmerman, fondatore di OKA (Open Knowledge Association), una organizzazione non profit svizzera che traduce articoli di Wikipedia, traccia una linea pratica. Per i documenti interni o le schede prodotto, sostiene, moltiplicare i costi per eliminare le ultime percentuali di errore non è razionale. La traduzione tramite IA è, in quei contesti, la scelta giusta.

OKA ha pubblicato più di 10.000 articoli tradotti, per lo più in spagnolo, portoghese e inglese, diventando il singolo maggiore contributore di contenuti tradotti su Wikipedia. Quella scala sarebbe stata impossibile senza l’IA. Tradurre quel volume attraverso metodi tradizionali sarebbe costato milioni. Il processo attuale utilizza l’IA per produrre una bozza, che un traduttore umano poi rivede frase per frase.

Ma anche quel modello è sotto pressione. Zimmerman nota che due o tre anni fa i traduttori riscrivevano una parte sostanziale di ogni bozza dell’IA. Oggi la prosa spesso non richiede alcuna correzione. La tentazione di rimuovere del tutto il revisore umano è diventata, per usare le sue parole, “una seria opzione” in tutto il settore.

OKA ha condotto uno studio finanziato da Wikimedia esaminando 119 articoli in 10 coppie di lingue, attingendo a più di 1.000 ore di lavoro di traduzione. I risultati sono istruttivi: il 27% del testo generato dall’IA è stato corretto prima della pubblicazione. Tre quarti di quelle correzioni riguardavano errori che l’IA stessa aveva introdotto. Tra il 5 e il 6% degli errori ha cambiato il significato del testo originale.

Quest’ultimo dato è quello che conta. Una traduzione può essere accurata al 94% e continuare a fuorviare un lettore sul punto che conta di più.

Cosa rivela il limite di affidabilità

François Yvon, un direttore di ricerca specializzato in traduzione automatica presso il Centro Nazionale per la Ricerca Scientifica francese (CNRS), identifica una ragione strutturale per cui i sistemi attuali difficilmente raggiungeranno la piena affidabilità. La traduzione tramite IA è fondamentalmente probabilistica: il sistema seleziona la parola più probabile dato il contesto che ha elaborato. Ciò che è statisticamente probabile non è la stessa cosa di ciò che è corretto. Il linguaggio è troppo sottile, troppo dipendente dal contesto e troppo ricco di eccezioni perché la sola probabilità sia sufficiente.

Yvon indica un semplice esempio: l’istruzione “traduci in polacco” potrebbe, senza un contesto sufficiente, portare una IA a interpretare la parola “polacco” come riferita al lucido da scarpe. Un lettore umano non farebbe mai quell’errore. La macchina, operando sulla probabilità, potrebbe farlo.

La sua previsione per la prossima generazione di sistemi prevede strumenti di IA stratificati: uno per produrre la traduzione, un secondo per criticarla, un terzo per generare una versione rivista. Quanta architettura potrebbe ridurre gli errori. Ma la vera svolta, a suo avviso, arriverà quando i sistemi saranno in grado di esprimere incertezza, quando potranno segnalare le frasi di cui non sono sicuri anziché produrre testi dal suono fluido indipendentemente dal fatto di averli compresi o meno.

Quella capacità non esiste ancora su larga scala. Finché non esisterà, il ruolo umano nella traduzione non riguarderà il fare ciò che l’IA non può fare. Riguarderà il cogliere ciò che l’IA non sa di aver sbagliato.

In breve

La traduzione tramite IA è veloce, economica e sempre più fluida. Per contenuti a basso rischio e ad alto volume, è già l’impostazione predefinita razionale. Ma la fluidità non è l’accuratezza, e gli errori che rimangono sono più difficili da individuare che mai. Nel campo legale, medico e in qualsiasi contesto in cui il significato comporti conseguenze, la revisione umana non è una ridondanza. È il meccanismo che coglie gli errori commessi dalla macchina con sicurezza. Il cifra del trilione di parole ti dice quanta strada ha fatto la tecnologia. Il 5-6% di errori che cambiano il significato ti dice perché la storia non è finita.

Basato su un articolo di BBC News.

Scritto da

NAVION