Hispanopedia Wiki
Articulo de referencia

Traducción automática

Una aplicación para teléfonos móviles que traduce texto del español al inglés. La traducción automática consiste en el uso de técnicas computacionales para traducir texto o voz ...

Hispanopedia WikiContenido en espanolLectura gratuita

Una persona sostiene un cartel que dice "BIENVENIDO AL FUTURO". Otra persona sostiene un iPhone para traducir el cartel. El teléfono muestra "WELCOME TO THE FUTURE" y "Spanish to English".
Una aplicación para teléfonos móviles que traduce texto del español al inglés.

La traducción automática consiste en el uso de técnicas computacionales para traducir texto o voz de un idioma a otro, incluyendo los matices contextuales, idiomáticos y pragmáticos de ambos idiomas.

Si bien algunos modelos de lenguaje son capaces de generar resultados comprensibles, las herramientas de traducción automática siguen limitadas por la complejidad del lenguaje y la emoción, a menudo careciendo de profundidad y precisión semántica. Su calidad se ve influenciada por diferencias lingüísticas, gramaticales, tonales y culturales, lo que las hace inadecuadas para reemplazar por completo a los traductores reales. [ 1 ] [ 2 ] Una mejora efectiva en la calidad de la traducción requiere la comprensión de las costumbres y el contexto histórico de la sociedad meta, y la intervención humana y las señales visuales siguen siendo necesarias en la interpretación simultánea . Por otro lado, la personalización específica del dominio, como para la documentación técnica o los textos oficiales, puede producir resultados más estables, [ 3 ] y se emplea comúnmente en sitios web multilingües y bases de datos profesionales . [ 4 ] [ 5 ]

Los enfoques iniciales se basaban principalmente en reglas o eran de naturaleza estadística . Sin embargo, estos métodos han sido reemplazados por la traducción automática neuronal [ 6 ] y los grandes modelos de lenguaje [ 7 ] .

Historia

Orígenes

Los orígenes de la traducción automática se remontan a la obra de Al-Kindi , un criptógrafo árabe del siglo IX que desarrolló técnicas para la traducción sistemática de idiomas, incluyendo criptoanálisis , análisis de frecuencia , probabilidad y estadística , que se utilizan en la traducción automática moderna. [ 8 ] La idea de la traducción automática surgió posteriormente en el siglo XVII. En 1629, René Descartes propuso un lenguaje universal, con ideas equivalentes en diferentes lenguas que compartían un mismo símbolo. [ 9 ]

La idea de utilizar ordenadores digitales para la traducción de lenguas naturales fue propuesta ya en 1947 por el inglés AD Booth [ 10 ] y por Warren Weaver en la Fundación Rockefeller ese mismo año. «El memorándum escrito por Warren Weaver en 1949 es quizás la publicación más influyente en los inicios de la traducción automática». [ 11 ] [ 12 ] Otros siguieron su ejemplo. En 1954 se realizó una demostración en la máquina APEXC del Birkbeck College ( Universidad de Londres ) de una traducción rudimentaria del inglés al francés. En aquel entonces se publicaron varios artículos sobre el tema, e incluso artículos en revistas populares (por ejemplo, un artículo de Cleave y Zacharov en el número de septiembre de 1955 de Wireless World ). Una aplicación similar, también pionera en el Birkbeck College en aquel momento, fue la lectura y composición de textos en Braille mediante ordenador.

década de 1950

Yehoshua Bar-Hillel comenzó su investigación en el MIT (1951). Un equipo de investigación de MT de la Universidad de Georgetown , dirigido por el profesor Michael Zarechnak, continuó (1951) con una demostración pública de su sistema experimental Georgetown-IBM en 1954. Surgieron programas de investigación de MT en Japón [ 13 ] [ 14 ] y Rusia (1955), y la primera conferencia de MT se celebró en Londres (1956). [ 15 ] [ 16 ]

David G. Hays "escribió sobre el procesamiento del lenguaje asistido por computadora ya en 1957" y "fue líder de proyecto en lingüística computacional en Rand de 1955 a 1968". [ 17 ]

1960–1975

Los investigadores continuaron sumándose al campo cuando se formó la Asociación para la Traducción Automática y la Lingüística Computacional en los EE. UU. (1962) y la Academia Nacional de Ciencias formó el Comité Asesor de Procesamiento Automático del Lenguaje (ALPAC) para estudiar la MT (1964). Sin embargo, el progreso real fue mucho más lento y, después del informe del ALPAC (1966), que concluyó que la investigación de diez años no había cumplido las expectativas, la financiación se redujo drásticamente. [ 18 ] Según un informe de 1972 del Director de Investigación e Ingeniería de Defensa (DDR&E), la viabilidad de la MT a gran escala se restableció gracias al éxito del sistema Logos MT en la traducción de manuales militares al vietnamita durante ese conflicto.

El Instituto Textil Francés también utilizó la traducción automática para traducir resúmenes desde y hacia el francés, inglés, alemán y español (1970); la Universidad Brigham Young inició un proyecto para traducir textos mormones mediante traducción automática (1971).

1975-1980

SYSTRAN , que "fue pionera en el campo bajo contratos del gobierno estadounidense" [ 19 ] en la década de 1960, fue utilizada por Xerox para traducir manuales técnicos (1978). A partir de finales de la década de 1980, a medida que la capacidad de procesamiento aumentó y se volvió menos costosa, se mostró mayor interés en los modelos estadísticos para la traducción automática . La traducción automática se popularizó tras la llegada de las computadoras. [ 20 ] El primer sistema de implementación de SYSTRAN fue implementado en 1988 por el servicio en línea del Servicio Postal Francés llamado Minitel. [ 21 ] También se lanzaron varias empresas de traducción asistida por computadora, incluida Trados (1984), que fue la primera en desarrollar y comercializar la tecnología de memoria de traducción (1989), aunque esto no es lo mismo que la traducción automática. El primer sistema comercial de traducción automática para ruso/inglés/alemán-ucraniano fue desarrollado en la Universidad Estatal de Járkov (1991).

Década de 1990 y principios de la década de 2000

Para 1998, "por tan solo 29,95 dólares" se podía "comprar un programa para traducir en una dirección entre el inglés y un idioma europeo importante de elección propia" para ejecutarlo en una PC. [ 19 ]

La traducción automática en la web comenzó con SYSTRAN, que ofrecía traducción gratuita de textos cortos (1996) y luego la proporcionaba a través de AltaVista Babelfish , [ 19 ] que llegó a recibir 500.000 solicitudes al día (1997). [ 22 ] El segundo servicio de traducción gratuita en la web fue GlobaLink de Lernout & Hauspie . [ 19 ] La revista Atlantic escribió en 1998 que «Babelfish de Systran y Comprende de GlobaLink» tradujeron «Don't bank on it» con un «rendimiento competente». [ 23 ]

Franz Josef Och (futuro director de Desarrollo de Traducción en Google) ganó la competición de traducción automática rápida de DARPA (2003). [ 24 ] Otras innovaciones durante este período incluyeron MOSES, el motor de traducción automática estadística de código abierto (2007), un servicio de traducción de texto/SMS para móviles en Japón (2008) y un teléfono móvil con funcionalidad de traducción de voz a voz integrada para inglés, japonés y chino (2009). En 2012, Google anunció que Google Translate traduce aproximadamente suficiente texto como para llenar 1 millón de libros en un día.

ANN y LLM en la década de 2020

Aproches

Antes de la llegada de los métodos de aprendizaje profundo , los métodos estadísticos requerían muchas reglas acompañadas de anotaciones morfológicas , sintácticas y semánticas .

Basado en reglas

El método de traducción automática basado en reglas se utilizaba principalmente en la creación de diccionarios y programas gramaticales. Su principal inconveniente era que todo debía explicitarse: la variación ortográfica y los errores de entrada debían integrarse en el analizador del idioma de origen para poder gestionarlos, y debían escribirse reglas de selección léxica para cada caso de ambigüedad.

Traducción automática basada en transferencia

La traducción automática basada en la transferencia era similar a la traducción automática interlingüística en que creaba una traducción a partir de una representación intermedia que simulaba el significado de la oración original. A diferencia de la traducción automática interlingüística, dependía parcialmente del par de idiomas involucrado en la traducción.

Interlingüístico

La traducción automática interlingüística fue un ejemplo de enfoque de traducción automática basado en reglas. En este enfoque, el idioma de origen, es decir, el texto a traducir, se transformaba en un lenguaje interlingüístico, es decir, una representación "neutra en cuanto al idioma" e independiente de cualquier idioma. El idioma de destino se generaba a partir de este lenguaje interlingüístico . El único sistema de traducción automática interlingüística que se puso en funcionamiento a nivel comercial fue el sistema KANT (Nyberg y Mitamura, 1992), diseñado para traducir el inglés técnico de Caterpillar (CTE) a otros idiomas.

Basado en diccionario

La traducción automática utilizó un método basado en entradas de diccionario , lo que significa que las palabras se tradujeron tal como aparecen en un diccionario.

Estadístico

La traducción automática estadística intentó generar traducciones utilizando métodos estadísticos basados ​​en corpus de texto bilingües, como el corpus Hansard canadiense , el registro inglés-francés del Parlamento canadiense y EUROPARL , el registro del Parlamento Europeo . Cuando se disponía de dichos corpus, se obtenían buenos resultados al traducir textos similares, pero estos corpus eran escasos para muchos pares de idiomas. El primer software de traducción automática estadística fue CANDIDE de IBM . En 2005, Google mejoró sus capacidades de traducción internas utilizando aproximadamente 200 mil millones de palabras de materiales de las Naciones Unidas para entrenar su sistema; la precisión de la traducción mejoró. [ 25 ]

Entre los mayores inconvenientes de la traducción automática estadística se encontraban su dependencia de enormes cantidades de textos paralelos, sus problemas con lenguas ricas en morfología (especialmente al traducir a dichas lenguas) y su incapacidad para corregir errores de un solo elemento.

Se ha trabajado en la utilización de corpus multiparalelos , es decir, textos traducidos a tres o más idiomas. Mediante estos métodos, un texto traducido a dos o más idiomas puede combinarse para obtener una traducción más precisa a un tercer idioma, en comparación con el uso de uno solo de los idiomas originales. [ 26 ] [ 27 ] [ 28 ]

MT neuronal

La traducción automática neuronal , un enfoque basado en el aprendizaje profundo para la traducción automática, ha experimentado un rápido progreso en los últimos años. Sin embargo, el consenso actual es que la supuesta paridad humana alcanzada no es real, ya que se basa completamente en dominios limitados, pares de idiomas y ciertos puntos de referencia de prueba, [ 29 ] es decir, carece de potencia estadísticamente significativa. [ 30 ]

Las traducciones realizadas por herramientas de traducción automática neuronal como DeepL Translator , que se considera que suele ofrecer los mejores resultados de traducción automática a partir de 2022, normalmente aún requieren posedición por parte de un humano. [ 31 ] [ 32 ] [ 33 ]

En lugar de entrenar modelos de traducción especializados en conjuntos de datos paralelos, también se puede incitar directamente a grandes modelos de lenguaje generativos como GPT a traducir un texto. [ 34 ] [ 35 ] [ 36 ] Este enfoque se considera prometedor, [ 37 ] pero aún requiere más recursos que los modelos de traducción especializados.

Asuntos

Un menú mal traducido en Pekín ofrece "Wikipedia salteada con pimientos " y otros platos sin sentido.
Chino mal traducido "沒有進入" de una traducción automática en Bali, Indonesia . La frase en chino mal traducido suena como "no existe una entrada" o "aún no he entrado".

Estudios que utilizan evaluación humana (por ejemplo, por traductores literarios profesionales o lectores humanos) han identificado sistemáticamente varios problemas con los resultados más recientes de la traducción automática avanzada. [ 36 ] Algunos estudios de evaluación de calidad han encontrado que, en varios idiomas, las traducciones humanas superan a las traducciones producidas por ChatGPT en precisión terminológica y claridad de expresión. [ 38 ] [ 39 ] Los problemas comunes incluyen la traducción de partes ambiguas cuya traducción correcta requiere un procesamiento del lenguaje semántico similar al sentido común o contexto. [ 36 ] También puede haber errores en los textos fuente, falta de datos de entrenamiento de alta calidad y la gravedad de la frecuencia de varios tipos de problemas puede no reducirse con las técnicas utilizadas hasta la fecha, lo que requiere cierto nivel de participación humana activa.

Desambiguación

La desambiguación del sentido de las palabras se refiere a encontrar una traducción adecuada cuando una palabra puede tener más de un significado. El problema fue planteado por primera vez en la década de 1950 por Yehoshua Bar-Hillel . [ 40 ] Señaló que sin una "enciclopedia universal", una máquina nunca podría distinguir entre los dos significados de una palabra. [ 41 ] Hoy en día existen numerosos enfoques diseñados para superar este problema. Estos pueden dividirse aproximadamente en enfoques "superficiales" y enfoques "profundos".

Los enfoques superficiales no presuponen ningún conocimiento del texto. Simplemente aplican métodos estadísticos a las palabras que rodean la palabra ambigua. Los enfoques profundos presuponen un conocimiento exhaustivo de la palabra. Hasta ahora, los enfoques superficiales han tenido más éxito. [ 42 ]

Claude Piron , traductor con larga trayectoria en las Naciones Unidas y la Organización Mundial de la Salud , escribió que la traducción automática, en el mejor de los casos, automatiza la parte más sencilla del trabajo del traductor; la parte más difícil y que requiere más tiempo suele implicar una investigación exhaustiva para resolver las ambigüedades del texto original , que las exigencias gramaticales y léxicas del idioma de destino requieren que se resuelvan:

¿Por qué un traductor necesita una jornada laboral completa para traducir cinco páginas, y no una o dos horas? Aproximadamente el 90% de un texto promedio se ajusta a estas sencillas condiciones. Pero, lamentablemente, existe otro 10%. Es esa parte la que requiere seis horas más de trabajo. Hay ambigüedades que deben resolverse. Por ejemplo, el autor del texto original, un médico australiano, citó el ejemplo de una epidemia declarada durante la Segunda Guerra Mundial en un "campo de prisioneros de guerra japoneses". ¿Se refería a un campo estadounidense con prisioneros japoneses o a un campo japonés con prisioneros estadounidenses? El inglés tiene dos significados. Por lo tanto, es necesario investigar, tal vez incluso llamar por teléfono a Australia. [ 43 ]

El enfoque ideal de traducción profunda requeriría que el software de traducción realizara por sí solo toda la investigación necesaria para este tipo de desambiguación; pero esto exigiría un grado de IA superior al alcanzado hasta ahora. Un enfoque superficial que simplemente adivinara el sentido de la frase ambigua en inglés que menciona Piron (basándose, quizás, en qué tipo de campo de prisioneros de guerra se menciona con más frecuencia en un corpus determinado) tendría una probabilidad razonable de equivocarse con bastante frecuencia. Un enfoque superficial que implique "preguntar al usuario sobre cada ambigüedad" solo automatizaría, según la estimación de Piron, alrededor del 25 % del trabajo de un traductor profesional, dejando el 75 % restante, más difícil, para que lo realice un humano.

habla no estándar

Una de las principales limitaciones de la traducción automática es su incapacidad para traducir lenguaje no estándar con la misma precisión que el lenguaje estándar. La traducción automática heurística o estadística toma como entrada información de diversas fuentes en la forma estándar de un idioma. La traducción basada en reglas, por su naturaleza, no incluye los usos no estándar comunes. Esto provoca errores en la traducción de una fuente vernácula o al lenguaje coloquial. Las limitaciones en la traducción del habla informal plantean problemas para el uso de la traducción automática en dispositivos móviles.

Entidades nombradas

En la extracción de información , las entidades nombradas, en sentido estricto, se refieren a entidades concretas o abstractas del mundo real, como personas, organizaciones, empresas y lugares que tienen un nombre propio: George Washington, Chicago, Microsoft. También se refiere a expresiones de tiempo, espacio y cantidad, como 1 de julio de 2011, $500.

En la oración "Smith es el presidente de Fabrionix", tanto Smith como Fabrionix son entidades nombradas, y se pueden especificar con mayor detalle mediante el nombre de pila u otra información; "presidente" no lo es, ya que Smith podría haber ocupado anteriormente otro cargo en Fabrionix, por ejemplo, el de vicepresidente. El término " designador rígido" es el que define estos usos para el análisis en la traducción automática estadística.

Las entidades nombradas deben identificarse primero en el texto; de lo contrario, podrían traducirse erróneamente como sustantivos comunes, lo que probablemente no afectaría la calificación BLEU de la traducción, pero sí alteraría la legibilidad del texto. [ 44 ] Podrían omitirse de la traducción resultante, lo que también tendría implicaciones para la legibilidad y el mensaje del texto.

La transliteración consiste en encontrar las letras en el idioma de destino que más se correspondan con el nombre en el idioma de origen. Sin embargo, se ha señalado que esto a veces empeora la calidad de la traducción. [ 45 ] Para «Southern California», la primera palabra debe traducirse directamente, mientras que la segunda debe transliterarse. Las máquinas suelen transliterar ambas porque las tratan como una sola entidad. Palabras como estas son difíciles de procesar para los traductores automáticos, incluso para aquellos que incluyen un componente de transliteración.

El uso de una lista de "no traducir", que tiene el mismo objetivo final (transliteración en contraposición a la traducción [ 46 ] ), sigue dependiendo de la identificación correcta de las entidades nombradas.

Un tercer enfoque es un modelo basado en clases. Las entidades nombradas se reemplazan con un token para representar su "clase"; "Ted" y "Erica" ​​se reemplazarían con el token de clase "persona". Luego, se puede analizar la distribución estadística y el uso de nombres de personas en general, en lugar de observar las distribuciones de "Ted" y "Erica" ​​individualmente, de modo que la probabilidad de un nombre dado en un idioma específico no afecte la probabilidad asignada a una traducción. Un estudio de Stanford sobre la mejora de esta área de traducción proporciona ejemplos de que se asignarán diferentes probabilidades a "David va a dar un paseo" y "Ankit va a dar un paseo" para el inglés como idioma de destino debido a la diferente cantidad de ocurrencias de cada nombre en los datos de entrenamiento. Un resultado frustrante del mismo estudio de Stanford (y otros intentos de mejorar la traducción del reconocimiento de nombres) es que, muchas veces, una disminución en las puntuaciones BLEU para la traducción resultará de la inclusión de métodos para la traducción de entidades nombradas. [ 46 ]

Aplicaciones

Si bien ningún sistema ofrece la traducción automática ideal de alta calidad para textos sin restricciones, muchos sistemas totalmente automatizados producen resultados razonables. [ 47 ] [ 48 ] [ 49 ] La calidad de la traducción automática mejora sustancialmente si el dominio está restringido y controlado. [ 50 ] Esto permite utilizar la traducción automática como herramienta para acelerar y simplificar las traducciones, así como para producir traducciones imperfectas pero útiles, de bajo costo o ad hoc.

Viajar

También se han lanzado aplicaciones de traducción automática para la mayoría de los dispositivos móviles, incluidos teléfonos móviles, ordenadores de bolsillo, PDA, etc. Debido a su portabilidad, estos instrumentos se han convertido en herramientas de traducción móvil que permiten la creación de redes comerciales entre socios que hablan diferentes idiomas, o que facilitan tanto el aprendizaje de idiomas extranjeros como los viajes sin acompañante a países extranjeros sin necesidad de la intermediación de un traductor humano.

Por ejemplo, la aplicación Google Translate permite a los extranjeros traducir rápidamente texto de su entorno mediante realidad aumentada, utilizando la cámara del teléfono inteligente que superpone el texto traducido sobre el texto original. [ 51 ] También puede reconocer el habla y luego traducirla. [ 52 ]

Administración pública

A pesar de sus limitaciones inherentes, los programas de traducción automática se utilizan en todo el mundo. Probablemente, el mayor usuario institucional sea la Comisión Europea . En 2012, con el objetivo de reemplazar una traducción automática basada en reglas por una más reciente, la MT@EC, basada en estadísticas, la Comisión Europea aportó 3,072 millones de euros (a través de su programa ISA). [ 53 ]

Wikipedia

La traducción automática también se ha utilizado para traducir artículos de Wikipedia y podría desempeñar un papel más importante en la creación, actualización, expansión y mejora general de los artículos en el futuro, especialmente a medida que mejoren las capacidades de la traducción automática. Existe una "herramienta de traducción de contenido" que permite a los editores traducir artículos más fácilmente a varios idiomas seleccionados. [ 54 ] [ 55 ] [ 56 ] Se cree que los artículos en inglés suelen ser más completos y menos sesgados que sus equivalentes no traducidos en otros idiomas. [ 57 ] A partir de 2022, la Wikipedia en inglés tiene más de 6,5 millones de artículos, mientras que, por ejemplo, las Wikipedias en alemán y sueco solo tienen más de 2,5 millones de artículos cada una, [ 58 ] cada una a menudo mucho menos completa.

Vigilancia y fuerzas militares

Tras los atentados terroristas en países occidentales, incluido el 11-S , Estados Unidos y sus aliados se han interesado principalmente en desarrollar programas de traducción automática del árabe , así como en la traducción de los idiomas pastún y dari . Dentro de estos idiomas, el enfoque se centra en frases clave y en la comunicación rápida entre militares y civiles mediante el uso de aplicaciones para teléfonos móviles. [ 59 ] La Oficina de Tecnología de Procesamiento de la Información de DARPA albergó programas como TIDES y Babylon Translator . La Fuerza Aérea de Estados Unidos ha adjudicado un contrato de un millón de dólares para desarrollar una tecnología de traducción de idiomas. [ 60 ]

redes sociales

El notable auge de las redes sociales en la web en los últimos años ha creado otro nicho para la aplicación del software de traducción automática, en utilidades como Facebook o clientes de mensajería instantánea como Skype , Google Talk , MSN Messenger , etc., lo que permite a los usuarios que hablan diferentes idiomas comunicarse entre sí.

Juegos en línea

Lineage W ganó popularidad en Japón debido a sus funciones de traducción automática que permitían a los jugadores de diferentes países comunicarse. [ 61 ]

Medicamento

A pesar de haber sido catalogada como una competidora indigna de la traducción humana en 1966 por el Comité Asesor de Procesamiento Automático del Lenguaje, creado por el gobierno de los Estados Unidos, [ 62 ] la calidad de la traducción automática ha mejorado hasta tal punto que se está investigando su aplicación en la colaboración en línea y en el ámbito médico. La aplicación de esta tecnología en entornos médicos donde no hay traductores humanos es otro tema de investigación, pero surgen dificultades debido a la importancia de las traducciones precisas en los diagnósticos médicos. [ 63 ]

Los investigadores advierten que el uso de la traducción automática en medicina podría conllevar el riesgo de errores de traducción que pueden ser peligrosos en situaciones críticas. [ 64 ] [ 65 ] La traducción automática puede facilitar la comunicación de los médicos con sus pacientes en las actividades cotidianas, pero se recomienda utilizarla únicamente cuando no exista otra alternativa, y que los textos médicos traducidos sean revisados ​​por traductores humanos para garantizar su precisión. [ 66 ] [ 67 ]

Ley

El lenguaje jurídico supone un desafío significativo para las herramientas de traducción automática debido a su naturaleza precisa y al uso atípico de palabras comunes. Por esta razón, se han desarrollado algoritmos especializados para su uso en contextos legales. [ 68 ] Debido al riesgo de errores de traducción derivados de los traductores automáticos, los investigadores recomiendan que las traducciones automáticas sean revisadas por traductores humanos para verificar su exactitud, y algunos tribunales prohíben su uso en procedimientos formales . [ 69 ]

El uso de la traducción automática en el ámbito jurídico ha suscitado inquietudes sobre los errores de traducción y la confidencialidad del cliente . Los abogados que utilizan herramientas de traducción gratuitas como Google Translate pueden infringir accidentalmente la confidencialidad del cliente al exponer información privada a los proveedores de dichas herramientas. [ 68 ] Además, se ha argumentado que el consentimiento para un registro policial obtenido mediante traducción automática es inválido, y distintos tribunales han emitido veredictos diferentes sobre la validez de estos argumentos. [ 64 ]

Lenguas antiguas

Los avances en redes neuronales convolucionales en los últimos años y en la traducción automática con recursos limitados (cuando solo se dispone de una cantidad muy limitada de datos y ejemplos para el entrenamiento) permitieron la traducción automática de lenguas antiguas, como el acadio y sus dialectos babilónico y asirio. [ 70 ]

Evaluación

Existen muchos factores que influyen en la evaluación de los sistemas de traducción automática. Estos factores incluyen el uso previsto de la traducción, la naturaleza del software de traducción automática y la naturaleza del proceso de traducción.

Los distintos programas pueden ser más adecuados para diferentes propósitos. Por ejemplo, la traducción automática estadística (SMT) suele superar a la traducción automática basada en ejemplos (EBMT), pero los investigadores descubrieron que, al evaluar la traducción del inglés al francés, la EBMT ofrece mejores resultados. [ 71 ] El mismo concepto se aplica a los documentos técnicos, que pueden traducirse más fácilmente mediante SMT debido a su lenguaje formal.

Sin embargo, en ciertas aplicaciones, por ejemplo, descripciones de productos escritas en un idioma controlado , un sistema de traducción automática basado en diccionarios ha producido traducciones satisfactorias que no requieren intervención humana salvo para la inspección de calidad. [ 72 ]

Existen diversos métodos para evaluar la calidad de salida de los sistemas de traducción automática. El más antiguo es el uso de jueces humanos [ 73 ] para evaluar la calidad de una traducción. Si bien la evaluación humana requiere mucho tiempo, sigue siendo el método más fiable para comparar diferentes sistemas, como los basados ​​en reglas y los estadísticos [ 74 ] . Entre los métodos de evaluación automatizados se incluyen BLEU , NIST , METEOR y LEPOR [ 75 ] .

Confiar exclusivamente en la traducción automática sin editar ignora el hecho de que la comunicación en el lenguaje humano está contextualizada y que se requiere una persona para comprender el contexto del texto original con un grado razonable de probabilidad. Ciertamente, incluso las traducciones generadas puramente por humanos son propensas a errores. Por lo tanto, para garantizar que una traducción generada por máquina sea útil para un ser humano y que se logre una traducción de calidad publicable, dichas traducciones deben ser revisadas y editadas por un humano. [ 76 ] El difunto Claude Piron escribió que la traducción automática, en el mejor de los casos, automatiza la parte más sencilla del trabajo de un traductor; la parte más difícil y que consume más tiempo generalmente implica realizar una investigación exhaustiva para resolver las ambigüedades en el texto fuente , que las exigencias gramaticales y léxicas de la lengua meta requieren que se resuelvan. Dicha investigación es un preludio necesario para la preedición necesaria para proporcionar información al software de traducción automática de manera que el resultado no carezca de sentido . [ 77 ]

Además de los problemas de desambiguación, la precisión puede disminuir debido a los diferentes niveles de datos de entrenamiento para los programas de traducción automática. Tanto la traducción automática basada en ejemplos como la estadística se basan en una gran cantidad de oraciones de ejemplo reales como base para la traducción, y cuando se analizan demasiadas o muy pocas oraciones, la precisión se ve comprometida. Los investigadores descubrieron que cuando un programa se entrena con 203.529 pares de oraciones, la precisión disminuye. [ 71 ] El nivel óptimo de datos de entrenamiento parece ser de poco más de 100.000 oraciones, posiblemente porque a medida que aumentan los datos de entrenamiento, aumenta el número de oraciones posibles, lo que dificulta encontrar una coincidencia de traducción exacta.

Se han señalado fallos en la traducción automática por su valor de entretenimiento . Dos vídeos subidos a YouTube en abril de 2017 muestran dos caracteres hiragana japoneses えぐ ( e y gu ) que se pegan repetidamente en el Traductor de Google, y las traducciones resultantes se degradan rápidamente a frases sin sentido como "DESCUARTIZAR HUEVO" y "Árboles de las profundidades marinas", que luego se leen con voces cada vez más absurdas; [ 78 ] [ 79 ] la versión completa del vídeo tiene actualmente 7,1 millones de visualizaciones a fecha de agosto de 2025..[ 80 ]

Traducción automática y lenguas de signos

A principios de la década de 2000, las opciones de traducción automática entre lenguas orales y de señas eran muy limitadas. Se creía comúnmente que las personas sordas podían usar traductores tradicionales. Sin embargo, el acento, la entonación, el tono y el ritmo se transmiten de forma muy diferente en las lenguas orales en comparación con las lenguas de señas. Por lo tanto, una persona sorda puede malinterpretar o confundir el significado de un texto escrito basado en una lengua oral. [ 81 ]

Los investigadores Zhao et al. (2000) desarrollaron un prototipo llamado TEAM (traducción del inglés al ASL por máquina) que realizaba traducciones del inglés al lenguaje de señas americano (ASL). El programa analizaba primero los aspectos sintácticos, gramaticales y morfológicos del texto en inglés. A continuación, accedía a un sintetizador de señas que funcionaba como diccionario del ASL. Este sintetizador contenía el proceso necesario para completar las señas del ASL, así como sus significados. Una vez analizado el texto completo y localizados en el sintetizador las señas necesarias para la traducción, aparecía un humano generado por computadora que utilizaba el ASL para traducir el texto en inglés al usuario. [ 81 ]

Solo las obras originales están sujetas a protección de derechos de autor , por lo que algunos académicos afirman que los resultados de la traducción automática no tienen derecho a dicha protección porque la traducción automática no implica creatividad . [ 82 ] Los derechos de autor en cuestión corresponden a una obra derivada ; el autor de la obra original en su idioma original no pierde sus derechos cuando se traduce una obra: un traductor debe tener permiso para publicar una traducción. [ 83 ]

Véase también

Notas

  1. ↑ "¿Podrá la traducción automática reemplazar la traducción humana en el futuro?" . www.linkedin.com . Consultado el 9 de octubre de 2025 .
  2. ^ Mohammed H. Al Aqad (25 de abril de 2025). Papel de la IA en la traducción y la interpretación . IGI mundial. pag. 454.ISBN​  9798337300603.
  3. ↑ Anichini, Nicole (25 de enero de 2024). "Ventajas y desventajas de la traducción automática" . TCLoc Master's . Consultado el 9 de octubre de 2025 .
  4. ↑ Magdalena Cieślak. "EL ALCANCE Y LOS LÍMITES DE LA TRADUCCIÓN AUTOMÁTICA" . ojs.letras.up.pt . Archivado del original el 27 de junio de 2021. Consultado el 9 de octubre de 2025 .
  5. ↑ Naveen, Palanichamy; Trojovský, Pavel (18 de octubre de 2024). "Panorama general y desafíos de la traducción automática para traducciones contextualmente apropiadas" . iScience . 27 ( 10) 110878. Bibcode : 2024iSci...27k0878N . doi : 10.1016/j.isci.2024.110878 . ISSN 2589-0042 . PMC 11465115. PMID 39391737 .   
  6. ↑ "Google Translate recibe una actualización de aprendizaje profundo" . IEEE Spectrum . 3 de octubre de 2016. Consultado el 7 de julio de 2024 .
  7. ↑ "Google Translate vs. ChatGPT: ¿Cuál es el mejor traductor de idiomas?" . PCMag UK . 23 de febrero de 2024 . Consultado el 7 de julio de 2024 .
  8. ↑ DuPont, Quinn (enero de 2018). "Los orígenes criptológicos de la traducción automática: de al-Kindi a Weaver" . Amodern . Archivado del original el 14 de agosto de 2019. Recuperado el 2 de septiembre de 2019 .
  9. ↑ Knowlson, James (1975). Esquemas lingüísticos universales en Inglaterra y Francia, 1600-1800 . Toronto: University of Toronto Press. ISBN 0-8020-5296-7.
  10. ↑ Booth, Andrew D. (1 de mayo de 1953). "TRADUCCIÓN MECÁNICA". Computers and Automation 1953-05: Vol 2 Iss 4 . Berkeley Enterprises. pág. 6. 
  11. ↑ J. Hutchins (2000). «Warren Weaver y el lanzamiento de la traducción automática». Primeros años en la traducción automática (PDF) . Estudios en la historia de las ciencias del lenguaje. Vol. 97. p. 17. doi : 10.1075/sihols.97.05hut . ISBN   978-90-272-4586-1. S2CID 163460375 . Archivado del original (PDF) el 28 de febrero de 2020 – vía Semantic Scholar . 
  12. ↑ "Warren Weaver, matemático estadounidense" . Enciclopedia Británica . 13 de julio de 2020. Archivado del original el 6 de marzo de 2021. Consultado el 7 de agosto de 2020 .
  13. ↑上野, 俊夫 (13 de agosto de 1986).パーソナルコンピュータによる機械翻訳プログラムの制作 (en japonés). Tokio: (株)ラッセル社. pag. 16.ISBN​  4-947627-00-X.わが国では1956年、当時の電気試験所が英和翻訳専用機「ヤマト」を実験している。この機械は19 62年頃には中学1年の教科書で90以上の能力に達したと報告されている. (con la ayuda de Google Translate ): En 1959 Japón, el El Instituto Nacional de Ciencia y Tecnología Industrial Avanzada (AIST) probó la máquina de traducción inglés-japonés Yamato , que en 1964 alcanzó un nivel de potencia superior a los 90 puntos en el libro de texto de primer grado de secundaria.
  14. ^ "機械翻訳専用機「やまと」-コンピュータ博物館" . Archivado desde el original el 19 de octubre de 2016 . Consultado el 4 de abril de 2017 .
  15. ↑ Nye, Mary Jo (2016). "Hablar en lenguas: La búsqueda de la ciencia por un lenguaje común a lo largo de siglos" . Distillations . 2 (1): 40– 43. Archivado del original el 3 de agosto de 2020. Recuperado el 20 de marzo de 2018 .
  16. ↑ Gordin, Michael D. (2015). Scientific Babel: How Science Was Done Before and After Global English . Chicago, Illinois: University of Chicago Press. ISBN 978-0-226-00029-9.
  17. ↑ Wolfgang Saxon (28 de julio de 1995). "David G. Hays, de 66 años, desarrollador del estudio del lenguaje por computadora" . The New York Times . Archivado del original el 7 de febrero de 2020. Recuperado el 7 de agosto de 2020. escribió sobre el procesamiento del lenguaje asistido por computadora ya en 1957. Fue líder de proyecto en lingüística computacional en Rand de 1955 a 1968.
  18. ↑上野, 俊夫 (13 de agosto de 1986).パーソナルコンピュータによる機械翻訳プログラムの制作 (en japonés). Tokio: (株)ラッセル社. pag. 16.ISBN​  4-947627-00-X.
  19. 1 2 3 4 Budiansky, Stephen (diciembre de 1998). "Perdidos en la traducción". Revista Atlantic . págs. 81–84 . 
  20. ^ Schank, Roger C. (2014). Procesamiento de Información Conceptual . Nueva York: Elsevier. pag. 5.ISBN​  978-1-4832-5879-9.
  21. ↑ Farwell, David; Gerber, Laurie; Hovy, Eduard (29 de junio de 2003). Traducción automática y la sopa de información: Tercera Conferencia de la Asociación para la Traducción Automática en las Américas, AMTA'98, Langhorne, PA, EE. UU., 28-31 de octubre de 1998. Actas . Berlín: Springer. pág. 276. ISBN  3-540-65259-0.
  22. ↑ Barron, Brenda (18 de noviembre de 2019). "Babel Fish: ¿Qué pasó con la aplicación de traducción original?: Lo investigamos" . Digital.com . Archivado del original el 20 de noviembre de 2019. Recuperado el 22 de noviembre de 2019 .
  23. ↑ y también dio otros ejemplos.
  24. ↑ Chan, Sin-Wai (2015). Routledge Encyclopedia of Translation Technology . Oxon: Routledge. p. 385. ISBN  978-0-415-52484-1.
  25. ↑ "Google Translator: El lenguaje universal" . Blog.outer-court.com. 25 de enero de 2007. Archivado del original el 20 de noviembre de 2008. Consultado el 12 de junio de 2012 .
  26. ↑ Schwartz, Lane (2008). Métodos de traducción de múltiples fuentes (PDF) . Ponencia presentada en la 8.ª Conferencia Bienal de la Asociación para la Traducción Automática en las Américas. Archivado (PDF) del original el 29 de junio de 2016. Consultado el 3 de noviembre de 2017 .
  27. ↑ Cohn, Trevor; Lapata, Mirella (2007). Traducción automática por triangulación: uso eficaz de corpus multiparalelos (PDF) . Ponencia presentada en la 45.ª Reunión Anual de la Asociación de Lingüística Computacional, del 23 al 30 de junio de 2007, Praga, República Checa. Archivado (PDF) del original el 10 de octubre de 2015. Consultado el 3 de febrero de 2015 .
  28. ↑ Nakov, Preslav; Ng, Hwee Tou (2012). "Mejora de la traducción automática estadística para un idioma con pocos recursos utilizando idiomas relacionados con muchos recursos" . Journal of Artificial Intelligence Research . 44 : 179–222 . arXiv : 1401.6876 . doi : 10.1613/jair.3540 .
  29. ↑ Antonio Toral, Sheila Castilho, Ke Hu y Andy Way. 2018. ¿Alcanzar lo inalcanzable? Reevaluando las afirmaciones de paridad humana en la traducción automática neuronal. CoRR, abs/1808.10432.
  30. ↑ Yvette, Graham; Barry, Haddow; Koehn, Philipp (2019). "Translationese in Machine Translation Evaluation". arXiv : 1906.09833 [ cs.CL ].
  31. ↑ Katsnelson, Alla (29 de agosto de 2022). " ¿Malas habilidades en inglés? Las nuevas IA ayudan a los investigadores a escribir mejor" . Nature . 609 (7925): 208–209 . Bibcode : 2022Natur.609..208K . doi : 10.1038/d41586-022-02767-9 . PMID 36038730. S2CID 251931306 .  
  32. ↑ Korab, Petr (18 de febrero de 2022). "DeepL: Un traductor de idiomas excepcionalmente magnífico" . Medium . Consultado el 9 de enero de 2023 .
  33. ↑ "DeepL supera a Google Translate – DW – 12/05/2018" . Deutsche Welle . Consultado el 9 de enero de 2023 .
  34. ↑ Hendy, Amr; Abdelrehim, Mohamed; Sharaf, Amr; Raunak, Vikas; Gabr, Mohamed; Matsushita, Hitokazu; Kim, Young Jin; Afify, Mohamed; Awadalla, Hany (18 de febrero de 2023). "¿Qué tan buenos son los modelos GPT en la traducción automática? Una evaluación exhaustiva". arXiv : 2302.09210 [ cs.CL ].
  35. ↑ Fadelli, Ingrid. "Estudio evalúa la calidad de las traducciones literarias de IA comparándolas con traducciones humanas" . techxplore.com . Consultado el 18 de diciembre de 2022 .
  36. 1 2 3 Thai, Katherine; Karpinska, Marzena; Krishna, Kalpesh; Ray, Bill; Inghilleri, Moira; Wieting, John; Iyyer, Mohit (25 de octubre de 2022). "Explorando la traducción automática literaria a nivel de documento con párrafos paralelos de la literatura mundial". arXiv : 2210.14250 [ cs.CL ].
  37. ↑ Kocmi, Tom; Avramidis, Eleftherios; Bawden, Rachel; Bojar, Ondřej; Dvorkovich, Anton; Federmann, Christian; Fishel, Mark; Freitag, Markus; Gowda, Thamme; Grundkiewicz, Roman; Haddow, Barry; Koehn, Philipp; Marie, Benjamin; Monz, Christof; Morishita, Makoto (2023). Koehn, Philipp; Haddow, Barry; Kocmi, Tom; Monz, Christof (eds.). Hallazgos de la Conferencia de 2023 sobre Traducción Automática (WMT23): Los LLM están aquí, pero aún no del todo . Actas de la Octava Conferencia sobre Traducción Automática . Singapur: Asociación de Lingüística Computacional. págs. 1–42 . doi : 10.18653/v1/2023.wmt-1.1 . 
  38. ^ Al Rousan, Rafat; Jaradat, Raghad; Malkawi, Mona (31 de diciembre de 2025). "Traducción ChatGPT versus traducción humana: un examen de un texto literario" . Ciencias sociales convincentes . 11 (1) 2472916.doi : 10.1080/ 23311886.2025.2472916 .
  39. ↑ Altakhaineh, Abdel Rahman Mitib; Alghathian, Ghazi Ayed; Jarrah, Mashal Mufleh (5 de abril de 2025). "Estudio comparativo de la precisión en la traducción humana frente a la traducción por IA de documentos legales al árabe" . Revista Internacional de Lenguaje y Derecho . 14 : 63–80 . ISSN 2194-7414 . 
  40. ↑ Hitos en la traducción automática – N.º 6: Bar-Hillel y la inviabilidad de FAHQT. Archivado el 12 de marzo de 2007 en Wayback Machine por John Hutchins.
  41. ↑ Bar-Hillel (1960), "Traducción automática de idiomas". Disponible en línea en http://www.mt-archive.info/Bar-Hillel-1960.pdf . Archivado el 28 de septiembre de 2011 en Wayback Machine.
  42. ↑ Costa-jussà, Marta R.; Rapp, Reinhard; Lambert, Patrik; Eberle, Kurt; Banchs, Rafael E.; Babych, Bogdan (21 de julio de 2016). Enfoques híbridos para la traducción automática . Suiza: Springer International Publishing. ISBN 978-3-319-21310-1OCLC 953581497​​ 
  43. ↑ Claude Piron , Le défi des langues (El desafío del idioma), París, L'Harmattan, 1994.
  44. ↑ Babych, Bogdan; Hartley, Anthony (2003). Mejora de la calidad de la traducción automática con el reconocimiento automático de entidades nombradas (PDF) . Ponencia presentada en el 7.º Taller Internacional EAMT sobre Traducción Automática y Otras Herramientas de Tecnología Lingüística... Archivado del original (PDF) el 14 de mayo de 2006. Consultado el 4 de noviembre de 2013 .
  45. ↑ Hermajakob, U., Knight, K., & Hal, D. (2008). Traducción de nombres en el aprendizaje de traducción automática estadística: cuándo transliterar. Archivado el 4 de enero de 2018 en Wayback Machine . Asociación de Lingüística Computacional. 389–397.
  46. 1 2 Neeraj Agrawal; Ankush Singla. Uso del reconocimiento de entidades nombradas para mejorar la traducción automática (PDF) . Archivado (PDF) del original el 21 de mayo de 2013. Recuperado el 4 de noviembre de 2013 .
  47. ↑ Melby, Alan. La posibilidad del lenguaje (Ámsterdam: Benjamins, 1995, 27–41) . Benjamins.com. 1995. ISBN 978-90-272-1614-4Archivado del original el 25 de mayo de 2011. Consultado el 12 de junio de 2012 .
  48. ↑ Wooten, Adam (14 de febrero de 2006). "Un modelo simple que describe la tecnología de traducción" . T&I Business . Recuperado el 12 de junio de 2012 .{{cite web}}: CS1 maint: servicio de archivado obsoleto ( enlace )
  49. ↑ "Apéndice III de 'El estado actual de la traducción automática de idiomas', Advances in Computers, vol. 1 (1960), págs. 158-163. Reimpreso en Y. Bar-Hillel: Language and information (Reading, Mass.: Addison-Wesley, 1964), págs. 174-179" (PDF) . Archivado del original (PDF) el 28 de septiembre de 2018. Recuperado el 12 de junio de 2012 .
  50. ↑ "Solución de traducción automática de calidad humana de Ta with you" (en español). Tauyou.com. 15 de abril de 2009. Archivado del original el 22 de septiembre de 2009. Consultado el 12 de junio de 2012 .
  51. ↑ "Google Translate añade 20 idiomas a su aplicación de realidad aumentada" . Popular Science . 30 de julio de 2015. Consultado el 9 de enero de 2023 .
  52. ↑ Whitney, Lance. "Se dice que la actualización de la aplicación Google Translate hará que la conversión de voz a texto sea aún más fácil" . CNET . Consultado el 9 de enero de 2023 .
  53. ↑ "Servicio de traducción automática" . 5 de agosto de 2011. Archivado del original el 8 de septiembre de 2013. Consultado el 13 de septiembre de 2013 .
  54. ↑ Wilson, Kyle (8 de mayo de 2019). "Wikipedia tiene un problema con Google Translate" . The Verge . Consultado el 9 de enero de 2023 .
  55. ↑ "Wikipedia recurre a Google para ayudar a los editores a traducir artículos" . VentureBeat . 9 de enero de 2019. Consultado el 9 de enero de 2023 .
  56. ↑ "Una herramienta de traducción de contenido ayuda a crear más de medio millón de artículos de Wikipedia" . Fundación Wikimedia . 23 de septiembre de 2019. Consultado el 10 de enero de 2023 .
  57. ↑ Revista Undark (12 de agosto de 2021). "Wikipedia tiene un problema de idioma. Aquí te explicamos cómo solucionarlo" . Revista Undark . Consultado el 9 de enero de 2023 .
  58. ↑ «Lista de Wikipedias - Meta» . meta.wikimedia.org . Consultado el 9 de enero de 2023 .
  59. ↑ Gallafent, Alex (26 de abril de 2011). "Traducción automática para el ejército" . PRI's the World . Archivado del original el 9 de mayo de 2013. Recuperado el 17 de septiembre de 2013 .
  60. ↑ Jackson, William (9 de septiembre de 2003). "GCN – La Fuerza Aérea quiere construir un traductor universal" . Gcn.com. Archivado del original el 16 de junio de 2011. Recuperado el 12 de junio de 2012 .
  61. ↑ Young-sil, Yoon (26 de junio de 2023). "Los juegos coreanos ganan popularidad en el difícil mercado japonés de videojuegos" . BusinessKorea . Consultado el 8 de agosto de 2023 .
  62. ↑ Comité Asesor de Procesamiento Automático del Lenguaje, División de Ciencias del Comportamiento, Academia Nacional de Ciencias, Consejo Nacional de Investigación (1966). Lenguaje y máquinas: computadoras en traducción y lingüística (PDF) (Informe). Washington, DC: Consejo Nacional de Investigación, Academia Nacional de Ciencias. Archivado (PDF) del original el 21 de octubre de 2013. Recuperado el 21 de octubre de 2013 .
  63. ↑ Randhawa, Gurdeeshpal; Ferreyra, Mariella; Ahmed, Rukhsana ; Ezzat, Omar; Pottie, Kevin (abril de 2013). " Uso de la traducción automática en la práctica clínica" . Canadian Family Physician . 59 (4): 382–383 . PMC 3625087. PMID 23585608. Archivado del original el 4 de mayo de 2013. Recuperado el 21 de octubre de 2013 .  
  64. 1 2 Vieira, Lucas Nunes; O'Hagan, Minako; O'Sullivan, Carol (18 de agosto de 2021). "Comprender los impactos sociales de la traducción automática: una revisión crítica de la literatura sobre casos de uso médico y legal" . Information, Communication & Society . 24 (11): 1515– 1532. doi : 10.1080/1369118X.2020.1776370 . hdl : 1983/29727bd1-a1ae-4600-9e8e-018f11ec75fb . ISSN 1369-118X . S2CID 225694304 .  
  65. ↑ Khoong, Elaine C.; Steinbrook, Eric; Brown, Cortlyn; Fernandez, Alicia (1 de abril de 2019). " Evaluación del uso de Google Translate para traducciones al español y al chino de las instrucciones de alta del servicio de urgencias" . JAMA Internal Medicine . 179 (4): 580– 582. doi : 10.1001/jamainternmed.2018.7653 . ISSN 2168-6106 . PMC 6450297. PMID 30801626 .   
  66. ↑ Piccoli, Vanessa (5 de julio de 2022). "Plurilingüismo, multimodalidad y traducción automática en consultas médicas: un estudio de caso" . Translation and Interpreting Studies . 17 (1): 42– 65. doi : 10.1075/tis.21012.pic . ISSN 1932-2798 . S2CID 246780731 .  
  67. ↑ Herrera-Espejel, Paula Sofia; Rach, Stefan (20 de noviembre de 2023). "El uso de la traducción automática para la divulgación y la comunicación en salud en epidemiología y salud pública: revisión exploratoria" . JMIR Public Health and Surveillance . 9 e50814. doi : 10.2196/50814 . ISSN 2369-2960 . PMC 10696499. PMID 37983078 .   
  68. 1 2 legalj (2 de enero de 2023). "El hombre contra la máquina: implicaciones sociales y legales de la traducción automática" . Princeton Legal Journal . Recuperado el 4 de diciembre de 2023 .
  69. ↑ Chávez, Edward L. (2008). "El éxito de Nuevo México con jurados que no hablan inglés" . Journal of Court Innovation . 1 : 303.
  70. ↑ Gutherz, Gai; Gordin, Shai; Sáenz, Luis; Levy, Omer; Berant, Jonathan (2 de mayo de 2023). Kearns, Michael (ed.). "Traducción del acadio al inglés con traducción automática neuronal" . PNAS Nexus . 2 (5) pgad096. doi : 10.1093/pnasnexus/pgad096 . ISSN 2752-6542 . PMC 10153418. PMID 37143863 .   
  71. 1 2 Way, Andy; Nano Gough (20 de septiembre de 2005). "Comparación entre la traducción automática basada en ejemplos y la estadística". Ingeniería del lenguaje natural . 11 (3): 295– 309. doi : 10.1017/S1351324905003888 . S2CID 3242163 . 
  72. ↑ Muegge (2006), « Traducción automática de alta calidad de texto restringido: un estudio de caso. Archivado el 17 de octubre de 2011 en Wayback Machine », en Traducción y el ordenador 28. Actas de la vigésimo octava conferencia internacional sobre traducción y el ordenador, 16-17 de noviembre de 2006, Londres: Aslib. ISBN 978-0-85142-483-5.
  73. ↑ "Comparación de sistemas MT mediante evaluación humana, mayo de 2008" . Morphologic.hu. Archivado del original el 19 de abril de 2012. Consultado el 12 de junio de 2012 .
  74. ↑ Anderson, DD (1995). La traducción automática como herramienta en el aprendizaje de una segunda lengua. Archivado el 4 de enero de 2018 en Wayback Machine . CALICO Journal. 13(1). 68–96.
  75. ↑ Han et al. (2012), " LEPOR: Una métrica de evaluación robusta para la traducción automática con factores aumentados Archivado el 4 de enero de 2018 en Wayback Machine ", en Actas de la 24.ª Conferencia Internacional sobre Lingüística Computacional (COLING 2012): Pósteres, páginas 441–450 , Bombay, India.
  76. ↑ JM Cohen observa (p. 14): «La traducción científica es el objetivo de una época que pretende reducir todas las actividades a técnicas . Sin embargo, es imposible imaginar una máquina de traducción literaria menos compleja que el propio cerebro humano, con todo su conocimiento, capacidad de lectura y discernimiento».
  77. ↑ Consulte las pruebas NIST realizadas anualmente desde 2001. Archivado el 22 de marzo de 2009 en Wayback Machine y Bilingual Evaluation Understudy.
  78. ↑ Abadi, Mark. "4 veces que Google Translate falló por completo" . Business Insider .
  79. ↑ "回数を重ねるほど狂っていくGoogle翻訳で「えぐ」を英訳すると奇妙な世界に迷い込むと話題に" .ねとらぼ. 16 de abril de 2017.
  80. ^ "えぐ" . 12 de abril de 2017 - a través de www.youtube.com.
  81. 1 2 Zhao, L., Kipper, K., Schuler, W., Vogler, C., & Palmer, M. (2000). Un sistema de traducción automática del inglés al lenguaje de señas americano. Archivado el 20 de julio de 2018 en Wayback Machine . Lecture Notes in Computer Science, 1934: 54–67.
  82. ↑ "Traducción automática: ¿Sin derechos de autor sobre el resultado?" . Traductor SEO, citando a Zimbabwe Independent . Archivado del original el 29 de noviembre de 2012 . Recuperado el 24 de noviembre de 2012 .
  83. ↑ "traducción | Consultas sobre derechos de autor de la UCL" . blogs.ucl.ac.uk . Consultado el 18 de agosto de 2025 .

Lecturas adicionales

  • Nirenburg, Sergei; Somers, Harold L.; Wilks, Yorick A., eds. (2003). Lecturas sobre traducción automática . Cambridge, MA: The MIT Press. ISBN 9780262140744.
  • Cohen, JM (1986), "Traducción", Enciclopedia Americana , vol.  27, págs . 12–15 
  • Hutchins, W. John ; Somers, Harold L. (1992). Introducción a la traducción automática . Londres: Academic Press. ISBN 0-12-362830-X.
  • Lewis-Kraus, Gideon (7 de junio de 2015). "Torre de Babel". New York Times Magazine . págs. 48–52 . 
  • Weber, Steven; Mehandru, Nikita (2022). "La economía política de la traducción automática en la década de 2020". Business and Politics . 24 (1): 96– 112. arXiv : 2011.01007 . doi : 10.1017/bap.2021.17 . S2CID 226236853 . 
  • Eisenstein, Jacob (1 de octubre de 2019). «Traducción automática». Introducción al procesamiento del lenguaje natural . The MIT Press. págs. 431–456 . ISBN  978-0-262-04284-0.
  • Asociación Internacional de Traducción Automática (IAMT) Archivado el 24 de junio de 2010 en Wayback Machine
  • Archivo de traducción automática. Archivado el 1 de abril de 2019 en Wayback Machine por John Hutchins . Un repositorio electrónico (y bibliografía) de artículos, libros y documentos en el campo de la traducción automática y la tecnología de traducción asistida por ordenador.
  • Traducción automática (traducción asistida por ordenador) – Publicaciones de John Hutchins (incluye archivos PDF de varios libros sobre traducción automática)
  • Traducción automática y lenguas minoritarias
  • John Hutchins 1999 Archivado el 7 de septiembre de 2007 en Wayback Machine