Septiembre de 2011
Ivan Obolensky

La traducción automática es una rama de la lingüística computacional que se clasifica en líneas generales bajo la Inteligencia Artificial.

Su historia es interesante. El primer ejemplo documentado de traducción automática se remonta a 1954, en lo que se denominó el experimento Georgetown-IBM, que consistía en traducir en forma automática del ruso al inglés unas sesenta oraciones usadas en química orgánica. Personas que desconocían el ruso escribieron en el teclado de una computadora estas oraciones utilizando el alfabeto ruso romanizado (ruso que se escribe con el alfabeto inglés y no con el cirílico) y una versión atinada en inglés salió de la impresora. Este experimento, a pesar de estar limitado a seis reglas de gramática y a un vocabulario de 250 palabras, demostró el potencial de las traducciones automáticas.

Esto era solo un inicio y se requería más investigación, pero el objetivo y la expectativa eran que se podría generar traducciones contextualmente precisas y enteramente automatizadas al cabo de cinco años. Desde el punto de vista de la financiación este programa tuvo un éxito enorme porque coincidió con la intensificación de la Guerra Fría, cuando los militares y los servicios de inteligencia invirtieron intensamente en los equipos de cómputo necesarios. Experimentos similares fueron llevados a cabo en la Unión Soviética, del inglés al ruso. Parecía que el premio de la “traducción de cualquier texto, totalmente automática y de alta calidad” estaba al alcance de la mano.¹

Las esperanzas iniciales de las personas activas en este campo fueron redimensionadas drásticamente con la publicación del informe ALPAC (Comité Asesor del Procesamiento Automático de Lenguaje) en 1966 donde, a pesar del presunto éxito inicial, se hacía notar que los problemas de la traducción automática eran mayores de lo previsto. El informe era tan negativo que la financiación se redujo drásticamente.²

La razón por la que aún no existe un programa capaz de efectuar completamente una traducción automática representa un interesante argumento de estudio, tanto sobre la naturaleza del lenguaje como acerca de la capacidad de la mente de anclar conceptos, palabras y la realidad. La programación computacional tradicional, con su método formulaico y formalístico, no genera con facilidad traducciones contextual y culturalmente precisas.

En la traducción por computadora, las palabras del idioma de origen son traducidas directamente a palabras del idioma de destino. El problema es que en esta metodología se pierde la complejidad que está en la base de la mayor parte de los procesos de la vida, incluido el lenguaje y que parece impregnarlos. Con ellos se muestran los matices, los dichos y la tonalidad. Este enfoque de la traducción produce también en ocasiones resultados extraños, como en el caso de la traducción del título de la famosa novela de escritor argentino Ricardo Güiraldes, Don Segundo Sombra, traducido automática y literamente como Mr. Second Shadow.

Parte de la dificultad reside en la necesidad de intercambiar complejidad por simplicidad. Dicho de otra manera, una persona tiene una serie de experiencias relacionales y estructurales fundadas en años de observación y vida que son extremadamente matizadas y complejas. Un traductor automático, particularmente uno que usa una metodología formalística (basada en normas), no posee los fundamentos para evaluar sus selecciones aun cuando utilice glosarios especializados y bancos de datos de traducciones anteriores.

El formalismo implica una metodología analítica basada en bloques de construcción. En las traducciones, el formalismo toma una oración y decodifica su significado para volverlo a codificar en el idioma de destino. Este método tiene puntos fuertes y débiles. El punto fuerte es que funciona la mayor parte del tiempo: el análisis, simplifica el todo en pedazos que son traducidos y luego se reensamblan. Su debilidad consiste en que en las estructuras nuevas se pierde parte de la complejidad y de los matices que tenía el original por haber sido creado en un mejor contexto.³

La ciencia y la tecnología han hecho siempre más énfasis en la función que en la forma. Es solo en los últimos 150 años que la estructura ha empezado a asumir su justa importancia con el nacimiento de la química orgánica y el desarrollo de fármacos.

La estructura también juega un papel en el mundo de la manipulación de la información y en el lenguaje. Esto se demuestra de tres maneras:

1. Reglas y leyes: la idea misma de una regla, o ley natural, es que uno puede tomar una cantidad de información sobre un tema o sobre el mundo y generalizarla en forma más simple. La regla de que un plato cae cuando se suelta vale para todos los objetos en la Tierra. Uno no tiene necesidad de pensar en los diferentes tipos de objetos. Esta es una simplificación. El lenguaje es también una simplificación. Un atardecer se puede condensar en una sola palabra. Una secuencia numérica se puede reducir a una simple regla como “empezar con uno, duplicar este número y continuar la operación”. Sin importar que la secuencia sea infinita, con esta sencilla regla se pueden derivar todos sus elementos, incluso un número infinito.Dicho de otra manera, uno puede afrontar la vida y, aplicando reglas, preverla y controlarla.Esta es la modalidad más avanzada del formalismo y el Santo Grial de la ciencia: la teoría de que todo al final puede ser reducido o simplificado en una fórmula simple y compacta.Las leyes comprimen información y datos; simplifican la estructura y la complejidad.
2. ¿Qué decir de la aleatoriedad?Hay quienes sostienen que la aleatoriedad en sí misma es una construcción del intelecto humano y que la auténtica aleatoriedad se encuentra solamente en las loterías y las cadenas de números generadas por estas. Sea lo que fuere, por definición no hay ninguna regla que deba o pueda describir la secuencia generada. Este tipo de información es incomprimible. Los datos en ese conjunto, describen solo los datos que contiene, la estructura existente es la mínima requerida para expresarla y se mantiene estable.
3. Existe una nueva forma de la teoría de la complejidad denominada teoría de la complejidad emergente, según la cual nuevos datos y nuevas estructuras parecen formarse de un modo que no es previsible a priori basándose en el conocimiento de los elementos del nivel inferior.

Por ejemplo si uno combina sodio, (un metal que arde en el agua) con cloruro (un gas venenoso) se produce cloruro de sodio, un sólido conocido como sal, que se disuelve en el agua y se esparce en la comida como condimento.

El concepto de propiedad emergente se aplica también al hidrógeno y el oxígeno en la formación del agua. Conociendo todo lo que hay que saber sobre los dos gases por separado, es imposible predecir que cuando se combinan producen una sustancia que es líquida a temperatura ambiente, hierve a 100 grados y que cuando se congela se expande de modo que flota sobre su propia forma líquida. La emergencia tiene la propiedad peculiar de crear nuevas estructuras y datos que no existían antes. En este concepto está implícita por lo tanto la idea de la sorpresa.⁴

Cuando estos tres puntos (leyes, aleatoriedad y emergencia) se combinan, uno se hace una idea de la complejidad que los fenómenos vitales engloban y empieza igualmente a entender por qué estos fenómenos se resisten a la clasificación.

Sin duda el formalismo, y la tecnología que de él se deriva, han producido resultados significativos. Han acelerado notablemente el desarrollo social pero al precio de disminuir la apreciación de la complejidad, que de todas formas permanece y se manifiesta bajo la forma, por ejemplo, de tempestades, inundaciones, caídas del mercado, agitación social y un evento imprevisto.

Y ahora, ¿qué impacto tiene esto en las traducciones automáticas que hasta el día de hoy dependen fuertemente de una metodología formalística? Llegará un momento en que las computadoras podrán alcanzar el ideal de la traducción automática. La fuerza motriz de este evento derivará en parte del mero poder computacional y, en parte, de la adición al proceso de la traducción de elementos contextuales desarrollados por la programación de las computadoras.⁵

Hasta que eso suceda, los humanos deberemos proveer el contexto y la estructura, por lo que seguirán siendo necesarios los traductores.

¹ Hutchins, J. W., & Somers, H.L. (1992). An Introduction to Machine Translation. Consultado el 8 de septiembre de 2011, en John Hutchins: Publications on machine translation, computer-based translation technologies, linguistics and other topics: http://www.hutchinsweb.me.uk/IntroMT-TOC.htm

² Ibid.

³ Hall, J. S. (2007), Beyond AI, Creating the Conscience of the Machine, Amherst, NY: Prometheus Books.

⁴ Georgescu-Roegen, N. (1971). The Entropy Law and the Economic Process, Cambridge, MA: Harvard University Press.

⁵ Ibid.

Lea su blog de autor en inglés o la traducción literaria al español de su novela, El ojo de la luna.

¿Interesado en reproducir uno de nuestros artículos? Consulte nuestros requisitos de reproducción.

© 2011 Dynamic Doingness, Inc. Todos los derechos reservados. Ninguna parte de esta publicación puede ser reproducida sin el permiso escrito del autor.