Si usted ha le\u00eddo algunas de nuestras publicaciones anteriores, entonces ya sabe que estamos todos evocando escenarios apocal\u00edpticos cuando se trata del papel que las m\u00e1quinas juegan en las sociedades posmodernas y los dilemas morales planteados por nuestra creciente dependencia de la tecnolog\u00eda. Eso, y hacer referencias cinematogr\u00e1ficas a Kubrick siempre que sea posible, por supuesto.<\/p>\n
Bien, podr\u00edamos hacer un punto en este momento, porque HAL 9000 podr\u00eda funcionar, esta vez puesto al servicio de nuestra querida industria de la traducci\u00f3n.<\/p>\n
Parece que Google ha desatado una tecnolog\u00eda de aprendizaje profundo sobre el lenguaje con Traducci\u00f3n Autom\u00e1tica Neuronal que tiene la capacidad de \u00abaprender\u00bb por s\u00ed misma, de ser capaz de traducir en pares de idiomas desconocidos mediante la creaci\u00f3n de un \u00abmetalenguaje\u00bb o \u00abinterlingua\u00bb como parte del proceso, produciendo resultados muy respetables.<\/p>\n
La Traducci\u00f3n Autom\u00e1tica Neuronal (NMT, por sus siglas en ingl\u00e9s) es un enfoque a la traducci\u00f3n autom\u00e1tica donde se entrena una gran red neuronal a trav\u00e9s de t\u00e9cnicas de aprendizaje profundo. Es un cambio radical respecto de lo que hasta ahora podemos llamar el \u00abenfoque cl\u00e1sico\u00bb utilizado por la mayor\u00eda de los motores de traducci\u00f3n autom\u00e1tica hasta ahora, que suelen descomponer el corpus del material fuente en pedazos individuales como si fuera un rompecabezas que se puede volver a armar m\u00e1s adelante.<\/p>\n
Los modelos de la NMT aplican un aprendizaje profundo de la representaci\u00f3n. Requieren s\u00f3lo una fracci\u00f3n de la memoria que los modelos tradicionales de traducci\u00f3n autom\u00e1tica estad\u00edstica necesitan. Adem\u00e1s, a diferencia de los sistemas de traducci\u00f3n convencionales, todas las partes del modelo de traducci\u00f3n neuronal est\u00e1n entrenados de manera conjunta, en un patr\u00f3n de extremo a extremo, para maximizar el resultado de la traducci\u00f3n.<\/p>\n
Traducir de un idioma a otro no es una tonter\u00eda y crear un sistema que lo hace autom\u00e1ticamente tampoco es pan comido, en parte porque hay tan muchas palabras, frases y reglas de las que debemos ocuparnos en el proceso. Afortunadamente, las redes neuronales se nutren de grandes conjuntos de datos complicados, y parece que siempre necesitan m\u00e1s.<\/p>\n
La Traducci\u00f3n Autom\u00e1tica Neuronal de Google (en adelante GNMT, por sus siglas en ingl\u00e9s) es la m\u00e1s reciente y, lejos, la herramienta m\u00e1s eficaz para aprovechar con \u00e9xito el aprendizaje autom\u00e1tico en traducci\u00f3n. Observa oraciones como tambi\u00e9n sintagmas completos, mientras se mantienen \u00aben mente\u00bb, por as\u00ed decirlo, piezas peque\u00f1as, como\u00a0 palabras y frases comunes.<\/p>\n
Es muy similar a la manera en que observamos una imagen en su conjunto, mientras tomamos en cuenta las piezas individuales que la componen (pensemos en p\u00edxeles), que de ninguna manera es casual. Las redes neuronales han sido entrenadas para identificar las im\u00e1genes y los objetos de manera que intentan replicar la percepci\u00f3n humana, y hay m\u00e1s que una semejanza pasajera entre la identificaci\u00f3n de la Gestalt de una imagen y la de una oraci\u00f3n.<\/p>\n
Curiosamente, no hay mucho all\u00ed que en realidad sea espec\u00edfico del idioma: El sistema no sabe la diferencia entre el futuro perfecto y el futuro continuo, y no descompone las palabras bas\u00e1ndose en sus etimolog\u00edas. Es todo estad\u00edsticas y fantas\u00eda de disparatada matem\u00e1ticas, pero sin humanidad ni alma.<\/p>\n
Reducir la traducci\u00f3n a una tarea mec\u00e1nica es admirable, pero de alguna manera tambi\u00e9n es escalofriante, por decir lo menos.<\/p>\n
El sistema resultante, sin embargo, es muy preciso, supera a los motores de traducci\u00f3n basados \u200b\u200ben frases y se acerca gradualmente a los niveles de calidad humanos. Se sabe que tiene que ser algo bueno cuando Google lo implementa en su sitio web p\u00fablico en la forma de una aplicaci\u00f3n creada para un proceso dif\u00edcil como la traducci\u00f3n del chino al ingl\u00e9s.<\/p>\n
\u00bfEntonces cu\u00e1les son las desventajas? \u00bfCu\u00e1ndo HAL va a tratar de matarnos a todos nosotros y expulsarnos al espacio?<\/p>\n
Bueno, la parte espeluznante es que no lo sabemos…<\/p>\n
Una de las desventajas de la utilizaci\u00f3n de esta tecnolog\u00eda de vanguardia es que, como con tantos modelos predictivos producidos por el aprendizaje autom\u00e1tico, no sabemos muy bien c\u00f3mo funciona.<\/p>\n
Charina Choi, en una entrevista reciente sobre el tema, dijo de Google: \u00abLa GNMT es igual que otros modelos de redes neuronales: un gran conjunto de par\u00e1metros que son entrenados, dif\u00edciles de investigar\u00bb.<\/p>\n
No es que no tengan ni idea de lo que est\u00e1 pasando, no todo es un mont\u00f3n de \u00abteor\u00eda rebuscada\u00bb misteriosa despu\u00e9s de todo, pero las muchas partes m\u00f3viles de los motores de traducci\u00f3n basados \u200ben frases son dise\u00f1adas por personas, y cuando una pieza se va fuera de control o se vuelve obsoleta, se pueden reemplazar. Dado que las redes neuronales esencialmente se dise\u00f1an ellas mismas a trav\u00e9s de millones de iteraciones, si algo sale mal, no podemos meter la mano y reemplazar una parte. El entrenamiento de un nuevo sistema no es trivial, a pesar de que se puede hacer r\u00e1pidamente (y probablemente se har\u00e1 regularmente a medida que se dise\u00f1en las mejoras).<\/p>\n
Google est\u00e1 apostando fuerte por el aprendizaje autom\u00e1tico y esta herramienta de traducci\u00f3n, que ahora funciona en vivo para la web y consultas m\u00f3viles, es quiz\u00e1s la demostraci\u00f3n m\u00e1s p\u00fablica de la compa\u00f1\u00eda hasta el momento. Las redes neuronales pueden ser complejas, misteriosas y un poco espeluznantes, pero es dif\u00edcil discutir con su eficacia.<\/p>\n
A\u00fan as\u00ed, el rompecabezas que la traducci\u00f3n autom\u00e1tica presenta, a\u00fan no se ha resuelto. La GNMT todav\u00eda puede cometer errores significativos que un traductor humano nunca podr\u00eda cometer, como traducir mal los nombres propios o t\u00e9rminos inusuales, y traducir frases de manera aislada en lugar de considerar el contexto del p\u00e1rrafo o de la p\u00e1gina. Todav\u00eda hay mucho trabajo por hacer. Sin embargo, la GNMT representa, sin duda, un hito importante en su camino hacia la grandeza.<\/p>\n
Tendremos que esperar y ver c\u00f3mo se desentra\u00f1a ese camino…<\/p>\n","protected":false},"excerpt":{"rendered":"Si usted ha le\u00eddo algunas de nuestras publicaciones anteriores, entonces ya sabe que estamos todos evocando escenarios apocal\u00edpticos cuando se trata del papel que las m\u00e1quinas juegan en las sociedades\u2026\n","protected":false},"author":42,"featured_media":0,"menu_order":0,"comment_status":"open","ping_status":"open","template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[12707,8794],"tags":[8161,15766,9122,8886],"class_list":["post-113827","blog","type-blog","status-publish","format-standard","hentry","category-languages","category-para-compradores-de-traduccion","tag-interlingua","tag-nmt","tag-redes-neuronales","tag-traduccion-automatica-neuronal"],"yoast_head":"\n