Arlette
26-03-2018, 07:39 PM
A mediados de este marzo un grupo de investigadores de Microsoft dio a conocer que había desarrollado un sistema traductor para artículos noticiosos entre los idiomas chino e inglés que marcaba un "hito". ¿Qué fue lo que lograron? Que sus traducciones artificiales lograran el mismo nivel de precisión que las realizadas por un humano dedicado a la misma tarea.
El proyecto estuvo a cargo de los laboratorios de la compañía en Redmond (Estados Unidos) y Pekín (China).
Los procesos de traducción automática se han extendido por todo el mundo gracias a herramientas como Google Translate o Microsoft Translation, pero no ha sido hasta la introducción de las redes neurales que los resultados se han hecho cada vez más precisos.
El sistema traductor recientemente anunciado por Microsoft se vale de esta tecnología y en su desarrollo se usaron diversos métodos para enseñarle a la inteligencia artificial a mostrar resultados cada vez más precisos.
El primero fue llamado "aprendizaje dual" y consistía básicamente en enviar frases para ser traducidas del inglés al chino. El resultado era sometido al mismo proceso de forma inversa para comprobar la precisión del sistema. Luego, estaban las "redes de deliberación" que, según Microsoft, eran un método "similar a la forma en que las personas revisan y editan su texto una y otra vez".
A lo anterior se añaden dos nuevas técnicas que inventaron los desarrolladores. Una, llamada "entrenamiento articulado" hacía que los sistemas de chino a inglés e inglés a chino traduzcan nuevas frases que serían usadas para la creación de nuevas oraciones.
La otra técnica fue llamada "regularización de acuerdo" y hacía que el traductor lea una frase de izquierda a derecha o de derecha a izquierda. Si estos dos métodos mostraban resultados similares, se consideraba que la traducción era más confiable.
En las pruebas de paridad con las interpretaciones humanas se usaron cerca de 2.000 oraciones tomadas de medios digitales, las cuales habían sido traducidas profesionalmente. Esto incluyó cientos de rondas de evaluación.
Tras esto Microsoft, recurrió a un grupo de traductores bilingües que compararon los resultados de su sistema y los obtenidos por las traducciones humanas.
No obstante, sigue habiendo detalles a tener en cuenta.
"La traducción automática es mucho más compleja que una tarea de reconocimiento de patrones pura", dijo al respecto MIng Zhou, director asistente de Microsoft Research Asia. "La gente puede usar diferentes palabras para representar exactamente la misma cosa, pero no puedes decir necesariamente cuál es la mejor", añadió.
El proyecto estuvo a cargo de los laboratorios de la compañía en Redmond (Estados Unidos) y Pekín (China).
Los procesos de traducción automática se han extendido por todo el mundo gracias a herramientas como Google Translate o Microsoft Translation, pero no ha sido hasta la introducción de las redes neurales que los resultados se han hecho cada vez más precisos.
El sistema traductor recientemente anunciado por Microsoft se vale de esta tecnología y en su desarrollo se usaron diversos métodos para enseñarle a la inteligencia artificial a mostrar resultados cada vez más precisos.
El primero fue llamado "aprendizaje dual" y consistía básicamente en enviar frases para ser traducidas del inglés al chino. El resultado era sometido al mismo proceso de forma inversa para comprobar la precisión del sistema. Luego, estaban las "redes de deliberación" que, según Microsoft, eran un método "similar a la forma en que las personas revisan y editan su texto una y otra vez".
A lo anterior se añaden dos nuevas técnicas que inventaron los desarrolladores. Una, llamada "entrenamiento articulado" hacía que los sistemas de chino a inglés e inglés a chino traduzcan nuevas frases que serían usadas para la creación de nuevas oraciones.
La otra técnica fue llamada "regularización de acuerdo" y hacía que el traductor lea una frase de izquierda a derecha o de derecha a izquierda. Si estos dos métodos mostraban resultados similares, se consideraba que la traducción era más confiable.
En las pruebas de paridad con las interpretaciones humanas se usaron cerca de 2.000 oraciones tomadas de medios digitales, las cuales habían sido traducidas profesionalmente. Esto incluyó cientos de rondas de evaluación.
Tras esto Microsoft, recurrió a un grupo de traductores bilingües que compararon los resultados de su sistema y los obtenidos por las traducciones humanas.
No obstante, sigue habiendo detalles a tener en cuenta.
"La traducción automática es mucho más compleja que una tarea de reconocimiento de patrones pura", dijo al respecto MIng Zhou, director asistente de Microsoft Research Asia. "La gente puede usar diferentes palabras para representar exactamente la misma cosa, pero no puedes decir necesariamente cuál es la mejor", añadió.