Tradución e intelixencia artificial

Hai un mes celebrouse en Vigo un encontro de tradutores baixo o nome de "El ojo de Polisemo". Entre outros temas de interese xeral, debateuse, ben que de xeito colateral, o papel da intelixencia artificial na tradución e como esta tecnoloxía anovadora pode influír no futuro da profesión de tradutor, tal e como a coñecemos na actualidade. Definir intelixencia artificial (IA) non resulta doado. Para simplificar poderiamos dicir, que se trata dunha tecnoloxía que pretende imitar a intelixencia humana. Para ese fin defínense unha serie de sistemas de robótica e/ou de soporte lóxico (software) adaptados á area na que se queira aplicar, intentando que eses sistemas utilicen a lóxica racional para imitar a intelixencia humana. Esta tecnoloxía aplicada crea algoritmos que, a partir de datos masivos, son quen de producir comportamentos semellantes ao xerados polo cerebro humano. A súa progresiva sofisticación, ten múltiples compoñentes, das que me gustaría analizar aquí e que considero relevantes para o caso da tradución: a) o uso de datos masivos e b) a progresiva complexidade algorítmica. O uso de datos masivos Un sistema de IA non funciona se non ten datos cos que traballar. E cales serían eses datos no caso da tradución? Pois dicionarios, regras gramaticais e grandes volumes de traducións existentes para poder así extraer patróns estatísticos. As regras gramaticais son públicas, mais quer os dicionarios, quer as traducións existentes están rexidas pola Lei de Propiedade Intelectual. O uso da tradución automática é común entre cidadáns que precisan dunha tradución rápida e profesionais que loitan contra o tempo de entrega Daquela, que os sistemas de IA usen do acervo de dicionarios e traducións existentes, motiva unha reflexión sobre a legalidade de uso deses elementos suxeitos a dereitos de autor e a súa incorporación ás bases de datos das compañías que desenvolven as aplicacións de IA. Como conseguiron ter acceso a eses datos? Pagaron por eles os correspondentes dereitos de autor por eles? Non se debería poder extraer lucro sen recoñecer a autoría daqueles que posibilitan coas súas traducións existentes ou coa elaboración dos dicionarios a operatividade dos sistemas de IA. A progresiva complexidade algorítmica Simplificando, un algoritmo sería un conxunto de operacións matemáticas que permitiría a solución dun problema. Dito doutro xeito, a relación entre dúas ou máis variábeis para acadar unha fórmula que nos permita solucionar un problema. A relación entre a lonxitude e o peso dun animal, podería ser o exemplo máis básico dun algoritmo, que é capaz de deducir estatisticamente o peso a partir da lonxitude. Os sistemas de tradución automática non deixaron de mellorar na última década. Cada vez son máis sofisticados e os seus resultados conteñen menos erros evidentes. Para aqueles cidadáns que precisan dunha tradución rápida ou mesmo para os tradutores profesionais que loitan contra o tempo de entrega do que lles foi encargado, a tradución automática é hoxe xa unha ferramenta de uso común. Os novos sistemas de IA aplicados á tradución van alén do uso de datos para desenvolver soporte lóxico de tradución neuronal, onde non se analizan traducións existentes entre dúas linguas (a de orixe e a de destino) senón entre varias linguas ao unísono. A tradución automática neuronal está baseada non en algoritmos, senón en neuronas artificiais, que poden ter en conta a totalidade do texto e o seu contexto lingüístico. Ademais, estes sistemas poden mellorar co tempo, cando máis datos reciban para alimentalas. Estamos pois diante dunha perspectiva de sofisticación progresiva, quer a nivel conceptual, quer a nivel de resultados de calidade. Algunhas eivas actuais Polo de agora, as aplicacións da IA son ferramentas que por si mesmas non son quen de eliminar o traballo do tradutor. As linguas posúen matices, pois non chega con transmitir a literalidade dunha palabra ou dunha frase, senón que é necesario revisar as varias capas de significado. Polo de agora, as maiores eivas reflexan os dous puntos anteriores: as bases de datos e os elementos de adaptabilidade. É evidente que a tradución funciona peor cando non hai datos bastantes. Funcionan mellor para linguas máis estendidas, que non é o noso caso. Ademais, os sistemas automáticos aínda non resolveron aínda o caso da adaptación ao público destinatario nin aos códigos e costumes culturais locais. Insisto en 'polo de agora', pois no caso dunha calquera tecnoloxía en desenvolvemento saber o que nos espera no futuro resultaría inexacto. Bosquexei só algunhas variábeis deste asunto. Suxiro que as nosas institucións culturais alenten este debate.