Commenti degli esperti Lionbridge: analisi della traduzione automatica

Questo mese vogliamo spostare l'attenzione sul livello di formalità del linguaggio e su quanto sia difficile, ma non impossibile, ottenere buoni risultati quando si usa la traduzione automatica (MT).

I motori di traduzione automatica (MT) possono produrre risultati errati e incoerenti per quanto riguarda la formalità. Perché? I modelli di traduzione automatica in genere restituiscono una singola traduzione per ogni segmento di input. Quando il segmento di input è ambiguo, il modello deve scegliere una traduzione tra diverse opzioni valide, indipendentemente dal pubblico di destinazione. Questa scelta può portare a traduzioni incoerenti o con un livello di formalità non corretto.

È particolarmente difficile ottenere l'output corretto quando la lingua di origine ha meno livelli di formalità rispetto a quella di destinazione. Lingue come l'italiano hanno ad esempio modi formali ben definiti (tu, lei, voi), mentre l'inglese no.

Sebbene la maggior parte dei sistemi di traduzione automatica non supporti la formalità del linguaggio o i parametri di genere, stiamo assistendo ad alcuni progressi. Al momento, DeepL (API) e Amazon (console e SDK) offrono funzionalità per il controllo della formalità. Smart MT™ di Lionbridge, una soluzione di traduzione automatica di livello aziendale, consente l'applicazione di regole linguistiche al testo di destinazione al fine di produrre traduzioni automatiche con lo stile o il livello di formalità desiderato.

È fondamentale tradurre il testo di origine in modo efficace per soddisfare le esigenze del pubblico di destinazione e a tale scopo è necessario che nell'output della traduzione automatica venga usato un linguaggio formale o informale in modo appropriato. Le traduzioni che risultano "spente" o, peggio ancora, brusche possono allontanare il vostro pubblico.

Leggete il nostro blog per saperne di più sulla traduzione automatica e sul linguaggio formale e informale.

    —Yolanda Martin, Lionbridge MT Specialist 

L'uso della traduzione automatica (MT) offre numerosi vantaggi, ma è necessario procedere con cautela. I motori di traduzione automatica generici possono produrre traduzioni errate e, soprattutto, possono causare risultati indesiderati dal punto di vista terminologico per domini specifici. L'impatto può essere particolarmente dannoso per settori come quelli medico e legale. Ci sono tuttavia alcuni accorgimenti che consentono di migliorare l'output della traduzione automatica.

L'uso della terminologia può consentire di migliorare la qualità della traduzione automatica e ottenere traduzioni accurate e coerenti.

È molto importante eseguire il training dei sistemi di traduzione automatica personalizzati con testi bilingue specifici del dominio che includano terminologia specializzata. Tuttavia, anche se si esegue il training con testi specializzati, non si può avere la sicurezza di ottenere traduzioni accurate se la terminologia non viene usata in modo coerente. La ricerca in quest'area propone di inserire le informazioni linguistiche nei sistemi di traduzione automatica neurale (NMT). L'implementazione manuale o semiautomatica delle annotazioni dipende dalle risorse disponibili, come i glossari, e dai vincoli, ad esempio in termini di tempo, costi e disponibilità di annotatori specializzati.

La soluzione Lionbridge Smart MT™ consente l'applicazione di regole linguistiche al testo di origine e di destinazione, nonché l'applicazione della terminologia in base a elenchi di termini da non tradurre (DNT) e glossari aggiunti a un profilo specifico. Aiutiamo i nostri clienti a creare e gestire i glossari, che vengono regolarmente perfezionati per includere termini nuovi e pertinenti ed eliminare la terminologia obsoleta. Dopo essere stati creati e inseriti in Smart MT, i glossari possono essere usati per tutti i motori di traduzione automatica, risparmiando tempo e denaro.

L'uso dei glossari per i progetti di traduzione automatica non è così semplice come potrebbe sembrare. I glossari, se usati in modo non appropriato, possono influire negativamente sulla qualità complessiva della traduzione automatica. Il modo migliore per applicare la terminologia corretta nella traduzione automatica è eseguire il training dei motori di traduzione. La combinazione di motori di traduzione automatica sottoposti a training, personalizzazione dei glossari e identificazione delle regole di pre-elaborazione e post-elaborazione consente di ottenere un output di traduzione automatica contenente la terminologia corretta e con uno stile simile a quello della documentazione del cliente.

Leggete il nostro blog per altre informazioni sull'uso della terminologia per migliorare l'output della traduzione automatica.

    —Yolanda Martin, Lionbridge MT Specialist 

Poiché le aziende si affidano sempre più spesso alla traduzione automatica (MT) come procedura standard, i dipendenti devono cercare di prevenire la diffusione di errori catastrofici.

Gli errori catastrofici sono più problematici degli errori di traduzione automatica standard, che riguardano una tipologia di errore correlata a caratteristiche linguistiche, come l'ortografia, la grammatica o la punteggiatura. Con errori catastrofici si intendono quegli errori che vanno oltre l'aspetto linguistico e si verificano quando l'output del motore di traduzione devia pericolosamente dal messaggio previsto. La errate informazioni o i malintesi che ne conseguono possono potenzialmente causare alle aziende problemi di reputazione, finanziari o legali e possono portare a conseguenze negative per la sicurezza pubblica o la salute. È essenziale trovare modi per identificare questi errori e impedire che compromettano le comunicazioni.

Lionbridge applica specifici controlli di qualità automatizzati nei testi tradotti per rilevare gli errori critici preservando la velocità della traduzione automatica e riducendo la necessità dell'intervento umano.

Questi metodi automatizzati consentono di rilevare:

• Significati opposti tra il testo originale e quello tradotto
• Parole offensive, volgari o altamente sensibili
• Traduzioni errate di nomi propri di individui e organizzazioni che sono anche parole comuni

Per proteggere maggiormente le aziende da errori catastrofici, è necessario che i professionisti informatici migliorino la tecnologia di traduzione automatica esistente per prevenire errori di questo tipo. Fino a quando ciò non avverrà, è possibile usare la tecnologia automatizzata per identificare i potenziali problemi, rivedere frasi problematiche e promuovere l'accuratezza durante il processo di traduzione.

Leggete il nostro blog per un esame più approfondito degli errori catastrofici provocati dalla traduzione automatica.

    —Luis Javier Santiago, MT Group Leader,

    e Rafa Moral, Lionbridge Vice President, Innovation

Google NMT, Bing NMT, Amazon, DeepL, Yandex: quale motore è il migliore? I dati del mese scorso, e l'attuale tendenza generale, mostrano che i principali motori offrono prestazioni simili. Ecco perché vale la pena considerare fattori aggiuntivi quando si sviluppa la strategia di traduzione automatica, ad esempio la facilità con cui i motori di traduzione automatica traducono combinazioni linguistiche specifiche.

Identificando le problematiche che i motori riscontrano nella gestione di combinazioni linguistiche specifiche, potrete allocare il budget in modo ottimale quando pianificate i costi di traduzione per diverse lingue. Sarà ad esempio necessario un maggiore impegno per ottenere traduzioni di alta qualità per combinazioni linguistiche complesse. Comprendere la complessità della lingua può essere utile per prendere le decisioni aziendali.

Classificare le lingue in base alla traducibilità non è un processo semplice, tuttavia per la valutazione è possibile usare metriche diverse. La distanza di edit, ovvero il numero di modifiche apportate da uno specialista di post-editing per fare in modo che il testo finale abbia una qualità al livello della traduzione umana, può fornire informazioni sulla complessità e sulla traducibilità (tramite traduzione automatica) per ogni combinazione linguistica.

La maggior parte delle lingue romanze, come portoghese, spagnolo, francese e italiano, richiede meno modifiche per raggiungere alti livelli di qualità in caso di traduzione dall'inglese. Abbiamo identificato queste lingue di destinazione come le più facili da gestire automaticamente e quindi occupano i primi quattro posti nella classifica di traducibilità. L'ungherese e il finlandese, due lingue uraliche, sono lingue più complesse e nella classifica occupano il 27° e il 28° posto. L'estone, un'altra lingua della stessa famiglia, è tra le lingue più complesse. Questi risultati, basati su milioni di frasi elaborate da Lionbridge, sottolineano l'importanza delle famiglie linguistiche per la qualità della traduzione automatica.

Sebbene il confronto tra le lingue presenti dei limiti, la classifica può fornire alcuni spunti interessanti per gestire al meglio i progetti multilingue. Leggete il nostro blog per conoscere tutta la classifica delle lingue stilata da Lionbridge.

    —Rafa Moral, Lionbridge Vice President, Innovation 

A giugno abbiamo osservato un leggero miglioramento nelle traduzioni russe da parte del motore di traduzione automatica Yandex e un piccolo calo nei risultati di traduzione con Microsoft Bing. Questi cambiamenti sono degni di nota o si tratta di risultati trascurabili e senza significato? Per scoprirlo, abbiamo analizzato i risultati sotto un diverso punto di vista.

Invece di usare un unico standard di riferimento per misurare la distanza dalla traduzione automatica a una traduzione umana "perfetta", abbiamo usato più traduzioni di riferimento. Abbiamo confrontato ogni traduzione automatica con dieci traduzioni svolte da traduttori professionisti. Adottando questo approccio, le piccole fluttuazioni nella qualità della traduzione di Yandex e Microsoft Bing di giugno sono scomparse. Possiamo quindi concludere che non ci sono stati cambiamenti nella qualità della traduzione automatica. I risultati di giugno sono stabili.

A volte i dati e le relative rappresentazioni grafiche possono essere fuorvianti. Questo accade spesso quando ci sono piccole differenze tra misurazioni diverse. È buona norma usare più di un approccio per valutare i dati e interpretare i risultati in modo accurato.

Per i prossimi mesi prevediamo pochi cambiamenti nella qualità dei motori di traduzione automatica. Useremo questa sezione per fornire analisi e osservazioni generali in relazione alla traduzione automatica. Il mese prossimo faremo un confronto tra combinazioni linguistiche sottoposte a traduzione automatica. Valuteremo se è possibile usare i dati per classificare le lingue e le famiglie linguistiche in base alla complessità della traduzione automatica e determineremo se la traduzione automatica funziona meglio con alcune combinazioni linguistiche specifiche.

    —Rafa Moral, Lionbridge Vice President, Innovation 

Per i motori di traduzione automatica questo è stato principalmente un altro mese statico.

Abbiamo notato che Amazon ha apportato un miglioramento incrementale nella modalità di gestione della combinazione linguistica inglese-spagnolo, per la quale è ora il motore principale. Amazon ha anche fatto piccoli passi avanti nelle altre lingue, ma con miglioramenti più limitati rispetto alla combinazione inglese-spagnolo. Ipotizziamo che questi progressi siano dovuti ad alcune modifiche generiche alle impostazioni e che siano una conseguenza del lavoro svolto per la combinazione inglese-spagnolo. I miglioramenti sembrano influenzare la gestione di alcuni caratteri speciali e delle stringhe con espressioni di misura.

Per il secondo mese consecutivo, Yandex ha apportato piccoli miglioramenti. È interessante notare che questi miglioramenti riguardano anche lo spagnolo.

Come abbiamo osservato in precedenza, non ci sono stati cambiamenti significativi. Tutti i motori hanno prestazioni analoghe. Nei prossimi mesi analizzeremo alcune aree specifiche della traduzione automatica e forniremo osservazioni generali. Naturalmente, seguiremo anche i principali sviluppi.

    —Rafa Moral, Lionbridge Vice President, Innovation 

Dopo diversi mesi senza variazioni nelle prestazioni del motore di traduzione automatica, Yandex ha fatto alcuni progressi, in particolare per quanto riguarda il tedesco.

In un'analisi dettagliata, abbiamo riscontrato progressi nella gestione da parte dei motori Yandex di frasi con segni di punteggiatura, come punti interrogativi, punti esclamativi, parentesi e barre, e unità di misura. Questi sviluppi sono probabilmente dovuti ad alcune ottimizzazioni apportate alle impostazioni della traduzione automatica piuttosto che a miglioramenti nei modelli. Abbiamo tuttavia riscontrato anche un miglioramento nel monitoraggio dei termini rari, quindi i progressi di Yandex potrebbero anche essere legati ad alcuni perfezionamenti dei modelli o a un incremento delle attività di training dei dati.

Lo scorso anno in questo periodo diversi motori di traduzione automatica hanno mostrato alcuni miglioramenti che abbiamo trovato interessanti. Esiste un modello temporale associato a questi progressi? Quest'anno vedremo qualcosa di simile a quello che abbiamo osservato nel 2021? Stiamo monitorando le prestazioni della traduzione automatica di questi motori e vi riferiremo i risultati nel prossimo mese.

In generale, c'è un maggiore interesse per la valutazione dei motori di traduzione automatica. Oggi quasi tutti sono d'accordo sul fatto che la traduzione automatica sia una tecnologia matura. Le persone riconoscono l'utilità della tecnologia per quasi tutti i casi di traduzione, con o senza intervento umano e con approcci ibridi. Ma gli utenti dei servizi di traduzione automatica sono ancora alla ricerca del modo giusto per valutare, misurare e migliorare i risultati della traduzione automatica.

    —Rafa Moral, Lionbridge Vice President, Innovation 

Se avete seguito queste pagine, conoscete già le nostre valutazioni comparative generiche della traduzione automatica. Ogni mese identifichiamo quali motori di traduzione automatica funzionano meglio per determinate combinazioni linguistiche e monitoriamo i miglioramenti. A marzo, le prestazioni dei diversi motori di traduzione automatica sono rimaste stabili. È una tendenza che stiamo notando già da tempo. Come abbiamo commentato il mese scorso, ciò potrebbe indicare la necessità di un nuovo paradigma di traduzione automatica.

Sebbene condividiamo risultati generici, le aziende richiedono sempre più spesso valutazioni comparative personalizzate della traduzione automatica. A differenza delle valutazioni generiche, queste valutazioni prendono in considerazione le esigenze specifiche di un'azienda per determinare quali sono i motori di traduzione automatica più vantaggiosi.

Quando un'azienda vuole iniziare a usare la traduzione automatica oppure vuole migliorare il modo in cui la sta attualmente usando, è fondamentale identificare i motori di traduzione automatica che offrono le prestazioni migliori. Quando svolgiamo valutazioni personalizzate, adottiamo un approccio simile a quello illustrato in questa pagina, ma forniamo raccomandazioni basate sul tipo di contenuto e sui requisiti di combinazioni linguistiche di un'azienda.

Sebbene le valutazioni comparative personalizzate della traduzione automatica siano disponibili già da anni, oggi la domanda è aumentata. Riteniamo che questa tendenza sia dovuta al ruolo importante che la traduzione automatica svolge nell'aiutare le aziende a raggiungere il successo in un mercato digitale.

    —Rafa Moral, Lionbridge Vice President, Innovation 

Il motore di traduzione automatica di Google ha mostrato un piccolo miglioramento nei mesi di gennaio e febbraio 2022, mentre gli altri motori monitorati sono rimasti fermi. Queste osservazioni potrebbero portarci a farci alcune domande specifiche. La traduzione automatica neurale (NMT, Neural Machine Translation) sta raggiungendo un plateau? È necessario un nuovo cambio di paradigma considerando l'incapacità dei motori di fare progressi significativi? Abbiamo osservato tendenze simili quando la traduzione automatica neurale ha sostituito la traduzione automatica statistica.

Verso la fine dell'era della traduzione automatica statistica, non si riscontravano più miglioramenti nella qualità dell'output della traduzione automatica. I diversi motori di traduzione automatica avevano inoltre raggiunto livelli di qualità simili. Oggi riscontriamo tendenze analoghe. Anche se la traduzione automatica neurale potrebbe non venire sostituita nell'immediato, se crediamo nella crescita esponenziale e nella legge dei ritorni accelerati, e se consideriamo la corsa di trent'anni della traduzione automatica basata su regole, la prominenza decennale della traduzione automatica statistica e il fatto che la traduzione automatica neurale è ora al suo sesto anno, un nuovo cambio di paradigma potrebbe non essere troppo lontano.

    —Rafa Moral, Lionbridge Vice President, Innovation 

Durante il mese di gennaio, i principali motori di traduzione automatica (MT, Machine Translation) non hanno mostrato variazioni significative nelle prestazioni.

Google ha mostrato piccoli miglioramenti incrementali in alcuni domini e lingue. Le prestazioni della maggior parte degli altri motori sono rimaste costanti. Microsoft ha avuto alcuni miglioramenti negli ultimi mesi, ma le prestazioni si sono stabilizzate nel mese di gennaio. Nel complesso, la qualità di Google Translate continua a essere la migliore per quanto riguarda la tecnologia di traduzione automatica per utilizzo generico.

A dicembre abbiamo aggiunto un quinto motore di traduzione automatica al nostro strumento di valutazione. Monitorando Yandex, possiamo analizzare meglio la qualità della traduzione automatica per la lingua russa.

    —Rafa Moral, Lionbridge Vice President, Innovation 

    —Jordi Macias, Lionbridge Vice President, Language Excellence