
Machine Translation: un futuro già presente (ma con l’uomo al centro)
L’uso delle traduzioni automatiche si sta diffondendo in ogni ambito, dal business all’entertainment. Ma i risultati sono in grado di rispettare i migliori standard di qualità?
Il mercato delle traduzioni e dei servizi linguistici vive da alcuni anni una crescita continua, e alcuni settori in particolare hanno beneficiato di incrementi importanti legati alla situazione pandemica emersa a partire dal 2019: healthcare e piattaforme social su tutti. Nonostante altri ambiti siano invece stati penalizzati dalla diffusione del Covid (viaggi, eventi e trasporti), globalmente l’industria delle traduzioni e dei servizi connessi oggi muove decine di miliardi di euro ogni anno, confermando uno stato di salute più che soddisfacente.
Tale crescita è frutto di una serie di fattori, tra i quali emergono tre dinamiche principali:
- la globalizzazione, e la connessa necessità di rendere fruibili a molte più comunità contenuti legati al business, ai servizi digitali, alla produzione culturale e al tempo libero;
- lo sviluppo delle tecnologie informatiche legate al web e non solo, come realtà aumentata o intelligenza artificiale, che trovano applicazione sempre più larga nei prodotti e nei servizi di largo consumo (dal conto bancario online ai contenuti delle automobili ai feed dei nostri profili social);
- le nuove frontiere esplorate dalla linguistica computazionale, alla base delle più efficaci metodologie di Machine Translation (MT).
Dai CAT Tools alla Machine Translation
Per far fronte all’enorme richiesta di “content localization”, e ai relativi tempi di consegna, professionisti e agenzie hanno progressivamente fatto ricorso a una nuova organizzazione dei flussi e all’aiuto della tecnologia. Piattaforme e software, i cosiddetti “CAT Tools“ (Computer-Aided Translation Tools), hanno fornito la possibilità di abbreviare e ottimizzare il processo di lavorazione (e per certi aspetti anche di migliorarlo), grazie, tra le altre funzioni, a memorie di traduzione e basi terminologiche.
A questi, negli anni più recenti si sono affiancati programmi, principalmente in forma di SaaS, che hanno compiuto un passo ulteriore permettendo alla macchina di completare in autonomia l’intera traduzione. Google Translate e DeepL sono due fra i più noti, e se l’opinione più comune fino a poco tempo fa era che i risultati lasciassero ancora a desiderare, alcuni studi evidenziano ormai un livello diffuso di soddisfazione tra gli utenti professionali, che giudicano molte traduzioni automatiche da “accettabili” a “molto buone”.
Quando a questo si è in grado di aggiungere le competenze umane a complemento della MT, superando l’ormai vecchia contrapposizione fra traduzione umana vs automatica (quindi con un saggio mix di approcci), “molto buone” diventano anche le opportunità per chi è in grado di sfruttare il nuovo scenario: ogni business, potenzialmente. Perché riducendo tempi e costi delle proprie traduzioni non solo crescono gli utili, ma ci si può aprire a pubblici e mercati globali, trasformandoli in nuove opportunità di crescita e guadagno.
L’evoluzione della Machine Translation
In realtà l’origine delle traduzioni automatiche è tutt’altro che recente, se è vero che i primi esperimenti risalgono agli anni Quaranta del Novecento. A discapito dei poco incoraggianti risultati ottenuti, la ricerca non si è però mai interrotta, fino a riemergere con forza a partire dalla fine del secolo passato con nuovi modelli. I principali che si sono avvicendati dagli anni Sessanta in poi sono tre:
- la traduzione basata su regole;
- la traduzione su base statistica;
- la traduzione neurale.
Il primo metodo (rule-based) sfrutta un sistema di regole sintattiche e lessicali che consente di scomporre la frase, individuare la funzione di ogni parola e ricostruire la proposizione nella lingua di arrivo.
Quello su base statistica, diffuso a partire dai primi anni Duemila, essenzialmente si basa su enormi archivi di testi tradotti che costituiscono il corpus grazie al quale il computer effettua le proprie analisi numeriche e percentuali su occorrenze e contesti per determinare la scelta migliore.
La più recente, e la più promettente in ottica di qualità dei risultati, è la traduzione neurale, che si fonda sulla gerarchizzazione dei concetti: la macchina riesce a svolgere funzioni complesse (come la traduzione) perché descritte in un linguaggio formale basato appunto su dipendenze gerarchiche, che consentono inoltre una continua rimodulazione, con annidamenti di concetti sempre più profondi (Deep Learning), e quindi un costante apprendimento da parte dell’intelligenza artificiale. Qui un dettagliato, e molto tecnico, approfondimento pubblicato da ScienceDirect sui meccanismi dell’automazione linguistica.
È il terreno su cui stanno proliferando i servizi di traduzione online, ma anche alla base, per esempio, dei nuovi occhiali che Google ha annunciato quest’anno e che permetteranno di far dialogare due o più persone che utilizzano lingue diverse, o del servizio promesso da Apple con sottotitoli simultanei per ogni contenuto sui suoi device principali. Per non dire dell’universo di possibilità ancora in nuce preconizzato dal metaverso , nel quale una delle frontiere che Meta di Zuckerberg si propone di oltrepassare è proprio l’abbattimento di ogni barriera linguistica.
E quindi, la MT è un pericolo o un alleato?
Come detto, la cosa più utile è fare un passo oltre la contrapposizione, e pensare a un ecosistema in cui uomo e macchina siano parti di un ingranaggio che porta al risultato migliore.
In definitiva, la Machine Translation è oggi una grande opportunità a disposizione di business e professionisti: uno strumento, non un sostituto, per prendere decisioni più funzionali, ottimizzare tempo e risorse e, in ultima istanza, produrre contenuti più efficaci. I quali spaziano sempre di più oltre la dimensione testuale: pensiamo, infatti, a graphics, audio, video, code, metadata. Tutti ambiti in cui queste nuove forme di generazione di contenuto stanno dando risultati decisamente interessanti. Ma è sempre l'intervento umano, con il suo approccio “human-in-the-loop”, a rendere l'intelligenza artificiale uno strumento ancora più formidabile. D’altronde le previsioni di crescita del mercato dei servizi linguistici e di traduzione sono più che incoraggianti: secondo questa analisi di Nimdzi nel 2022 il settore avrà un valore di 64,7 miliardi di dollari, con una proiezione per il 2026 a 84,9 miliardi e una crescita media costante del 7% (!). Meglio allearsi alle macchine, quindi, che combatterle - sempre nel caso esista ancora qualcuno che consideri il combatterle un’opzione.