La IA traduce a medida
PROYECCIÓN. La posedición de traducciones automáticas es la segunda habilidad más demandada entre los proveedores de servicios lingüísticos. Investigadores de la UOC proponen un nuevo método de evaluación de las herramientas de IA.
Ilustración de una aplicación relacionada con la Inteligencia Artificial. efe
Juan F. Samaniego
ChatGPT y su capacidad de mantener conversaciones y generar contenido escrito han centrado buena parte de la atención durante el último año en el campo de la tecnología y la inteligencia artificial. Pero, en realidad, la IA lleva tiempo entre nosotros, asistiéndonos en todo tipo de tareas cotidianas, desde los sistemas de navegación hasta los algoritmos de las redes sociales, pasando por la traducción automática. Desde que los sistemas de traducción automática neuronal (TAN) empezaron a usarse de forma generalizada hace algunos años, la IA ha aumentado su presencia en la industria de la traducción de forma exponencial. Y eso ha abierto nuevos desafíos en la relación entre traductores humanos y máquinas.
Hoy, la posedición de traducciones automáticas es la segunda habilidad más demandada entre los proveedores de servicios lingüísticos y la tarea con mayor potencial de crecimiento, de acuerdo con la European Language Industry Survey. Los traductores editan las traducciones automáticas sin procesar, corrigiendo el texto generado por la inteligencia artificial. Esto trae numerosas ventajas para los traductores humanos, pero también supone obstáculos importantes si la calidad del trabajo automático no es buena. Por eso, poder evaluar de forma objetiva la calidad de las herramientas de traducción automática es clave para el sector.
Dos investigadores de la Universitat Oberta de Catalunya (UOC), Antoni Oliver, investigador del Grupo de Investigación Interuniversitario en Aplicaciones Lingüísticas (GRIAL-UOC), coordinador del proyecto TAN-IBE y profesor de los Estudios de Artes y Humanidades de la UOC, y Sergi Álvarez-Vidal, también investigador de GRIAL-UOC, han desarrollado un nuevo método de evaluación del trabajo de la IA con el objetivo de mejorar el trabajo de los traductores, reforzando sus capacidades con el potencial de la traducción automática e incrementando la calidad del resultado final para todos los usuarios.
“La calidad de la traducción automática es imprescindible para que haya un proceso de posedición adecuado”
La mayoría de las empresas de traducción y servicios lingüísticos analizan la calidad de las herramientas de IA de una forma similar: usando métricas automáticas. En su último estudio, Assessing MT with measures of PE effort, publicado en abierto, Oliver y Álvarez-Vidal analizaron hasta qué punto estos sistemas automáticos de evaluación llevaban a escoger herramientas que realmente facilitasen el trabajo posterior de los traductores humanos. Para ello, midieron el llamado esfuerzo de posedición, calculando el tiempo, las pausas y las teclas que usa el traductor para conocer en detalle la dificultad de editar y corregir un texto generado con traducción automática.
«Hemos concluido que no hay una relación directa entre lo que indican las medidas automáticas de evaluación de la calidad y el esfuerzo de posedición», señala Antoni Oliver. «Así, entendimos que era necesario añadir otro paso en el sistema de evaluación de la calidad». De esta manera, los investigadores proponen complementar el sistema de evaluación automática con otro programa que permite evaluar el esfuerzo real de posedición se expone en el estudio.