Traduzione e computer
(2)
Cristina Bosco
Informatica applicata alla
comunicazione multimediale
2013
Riflessioni sui primi sistemi
L’assunzione alla base dello sviluppo dei primi
sistemi è che l’obiettivo della MT sia ottenere
traduzioni di qualità analoga a quella prodotta
dai traduttori umani.
Nel contempo non viene minimamente utilizzata
la conoscenza dei traduttori umani e chi lavora
sulla MT sono solo ingegneri ed informatici.
Riflessioni sui primi sistemi
Si crea pertanto un clima di ostilità nei confronti
della MT da parte di coloro che operano nel
settore traduzione e temono di perdere il loro
lavoro.
L’ostilità è condivisa anche da chi non opera nel
settore, ma si aspetta che la ricerca della MT
produca quello che aveva promesso.
Tutto ciò spiega l’effetto del rapporto ALPAC e il
taglio dei fondi che ne consegue.
Riflessioni sui primi sistemi
I primi sistemi vengono sviluppati negli USA e in
URSS con lo scopo di tradurre da inglese a
russo e viceversa.
Il tipo di documento tradotto è di tipo tecnico e
scientifico.
Solitamente si tratta di documenti con un lessico
ridotto e controllato per evitare difficoltà di
traduzione dei termini.
Riflessioni sui primi sistemi
L’utenza dei primi sistemi è composta da pochi
scienziati e tecnici preparati a tollerare le
limitatezze della traduzione automatica per
poter accedere a contenuti diversamente non
accessibili.
Riflessioni sui primi sistemi
In seguito l’utenza cambia e si amplia, dato che
cresce la richiesta di attività di traduzione
legata a realtà amministrative e commerciali.
Si manifesta anche l’interesse per lingue diverse
da inglese e russo.
E conseguentemente cambia anche il tipo di
traduzione che l’utente si aspetta, di maggiore
qualità pur non partendo da testi controllati.
Tipi di sistemi e soluzioni
Nel corso della storia della MT sono state
proposte varie strategie, via via più complesse
ed efficaci.
Alcuni aspetti restano gli stessi in tutte le
strategie.
Approcci alla MT
In qualunque approccio va ricordato che esiste
una separazione netta tra algoritmi e dati, i.e.
tra algoritmo di analisi e dizionario.
Di conseguenza si ha relativa indipendenza
- dalle lingue coinvolte;
- dei compiti da svolgere;
- degli errori.
Approcci alla MT
Indipendenza
- dalle lingue coinvolte perché l’algoritmo può
essere lo stesso al variare dei dati specifici sulle
lingue;
- dei compiti da svolgere perché l’informatico può
occuparsi dell’algoritmo e il linguista dei dati;
- degli errori perché la traduzione può essere
errata perché l’algoritmo non fa le cose nel
giusto ordine o perché i dati sono errati o
carenti.
Approcci alla MT
In qualunque approccio i dizionari sono risorse
fondamentali.
Sono molto ampi (es. nei sistemi attuali i dizionari
includono ~ 15,000 entry generali + altrettante
altre specifiche), quindi ben organizzati ed
accessibili, di norma in porzioni di accesso
frequente e di accesso più raro.
Sono differenti dai dizionari umani (es.
contengono anche informazioni ovvie e quelle
relative al contesto d’uso).
Approcci alla MT
In qualunque approccio è presente:
- una fase di analisi, in cui il testo in Linguaggio
Sorgente (LS) viene scomposto ed analizzato
- una fase di sintesi, in cui viene generato il
corrispondente testo in Linguaggio Target (LT)
Approcci alla MT
Si seguono strategie:
- bilingui (che traducono tra una singola coppia di
lingue) o multilingui (che traducono tra più di
due lingue);
- uni-direzionali (da una lingua A a una lingua B) o
bi-direzionali (da una lingua A a una lingua B e
viceversa)
- reversibili ed irreversibili
Approcci alla MT
In pratica è molto difficile realizzare un sistema
bilingue bi-direzionale e reversibile.
Per realizzarlo si abbinano in realtà due sistemi
bilingui che operano uno nella direzione
opposta all’altro.
Approcci alla MT
Raramente un sistema multilingue consente la
traduzione tra tutte le coppie di lingue che
coinvolge ed in tutte le direzioni (es. Eurotra).
Teoricamente un sistema multilingue comporta
una fase di analisi dalla LS sempre uguale
indipendentemente da quella che deve essere
la LT, ed una fase di sintesi sempre uguale
indipendentemente da quale è la LS; ma
sovente un sistema multilingue consiste in vari
bilingui assemblati.
Approcci alla MT
In che modo un sistema di MT opera per
tradurre?
Occorre distinguere tra due aspetti:
• In che modo il sistema acquisisce la
conoscenza
• In che modo il sistema elabora i dati di input
per produrre l’output
Approcci alla MT
In che modo il sistema acquisisce la conoscenza
linguistica necessaria a tradurre?
• Se è un sistema rule-based accede a
conoscenza in forma strutturata (grammatica,
lessico …) nei suoi database
• Se è un sistema corpus-based apprende la
conoscenza da corpora di dati dove la
conoscenza non è strutturata
Approcci alla MT
La conoscenza in forma strutturata (grammatica,
lessico …) utilizzata da un sistema rule-based è
solitamente memorizzata all’interno del
sistema, ma potrebbe anche essere accessibile
all’esterno
In ogni caso il sistema è costruito per lavorare
con determinata conoscenza e deve essere
riprogrammato se la conoscenza cambia (ad
es. per un’altra lingua)
Approcci alla MT
La conoscenza in forma non strutturata (corpus)
utilizzata da un sistema corpus-based è
memorizzata all’interno del corpus di riferimento
del sistema e viene acquisita dal sistema tramite
apprendimento statistico
Il sistema è costruito per lavorare con la conoscenza
che trova nel corpus, indipendentemente dal
fatto che la conoscenza possa cambiare (ad es.
per un’altra lingua)
Approcci alla MT
I primi sistemi sono tutti rule-based.
Successivamente si sono sviluppati sistemi
corpus-based.
Oggi prevale l’approccio corpus-based, ma la
maggior parte dei sistemi segue un approccio
ibrido in cui alcune parti di conoscenza sono
inglobate nelle regole, ed altre sono invece
apprese da corpora
Approcci alla MT
I sistemi si differenziano in base al modo in cui
elaborano i dati di input per produrre l’output.
Storicamente sono stati proposti 3 approcci:
• Diretto
• Indiretto
– Interlingua
– Transfer
Approccio diretto
L’approccio diretto è stato adottato dai primi
sistemi, solitamente bilingui.
L’analisi lessicale e sintattica del testo in LS è
limitata a quello che serve per identificare gli
equivalenti in LT generando un ordine corretto
delle parole.
Non esiste alcun passo intermedio, dato che
l’elaborazione del testo in LS porta
direttamente al testo in LT.
Approccio diretto
Approccio diretto
Analisi morfologica per riconoscere le forme
flesse ed i relativi lemmi
Accesso al dizionario
Nessuna analisi sintattica
Riordinamento dei termini tradotti in accordo
con quanto prescritto dalla LT
Il risultato è una traduzione di scarsa qualità il
cui output è sintatticamente simile all’input.
Approccio indiretto: interlingua
L’approccio interlingua consiste nell’analisi del
testo in LS, sua traduzione in una interlingua,
traduzione dall’interlingua alla LT.
Si assume l’esistenza di una rappresentazione
indipendente da LS e da LT, e da tutte le lingue
naturali. In realtà è molto difficile formulare
una interlingua con queste caratteristiche,
anche per lingue simili tra loro.
Approccio indiretto: interlingua
La rappresentazione intermedia deve contenere
tutte le informazioni necessarie per generare il
testo in LT, ed è una rappresentazione astratta
del testo in LS.
Utile nei sistemi multilingui, ha anche il
vantaggio di consentire la traduzione da e
verso una stessa lingua (che serve per testare
il sistema).
Approccio indiretto: interlingua
Approccio indiretto: interlingua
Nel caso si voglia arricchire il sistema con una
nuova LS basta sviluppare l’analisi che porta
da LS a interlingua.
Nel caso si voglia arricchire il sistema con una
nuova LT basta sviluppare la generazione di LT
a partire dall’interlingua.
Approccio indiretto: transfer
L’approccio transfer prevede 3 passi:
- la conversione del testo in LS in una
rappresentazione astratta R-LS orientata alle
caratteristiche di LS
- la conversione da R-LS ad una
rappresentazione astratta R-LT orientata a LT
- La conversione da R-LT a LT
Approccio indiretto: transfer
L’approccio transfer non prevede quindi
rappresentazioni indipendenti da LS e da LT:
R-LS dipende da LS e R-LT dipende da LT.
Nel caso si aggiungano delle lingue, occorre però
aggiungere tutti i relativi moduli di
elaborazione.
Approccio indiretto: transfer
Approcci alla MT
Nella pratica l’approccio transfer è sovente
preferito all’approccio interlingua:
- per la difficoltà di trovare una
rappresentazione indipendente da LS e LT
- per la difficoltà di analisi rivolta all’interlingua
e generazione dall’interlingua verso la LT
Problemi linguistici nella MT
I problemi linguistici sono essenzialmente dovuti
alla presenza di ambiguità nel linguaggio
naturale e sono di 4 tipi:
Lessicali
Strutturali
Contestuali
Pragmatico-situazionali
Problemi linguistici nella MT
In generale si osserva che raramente i sistemi di
MT fanno riferimento a particolari teorie
linguistiche.
Quando lo fanno sono sistemi piccoli e costruiti
allo scopo di testare qualche teoria.
Problemi lessicali
Il lessico e la morfologia sono il primo livello che
deve essere trattato nell’analisi del testo da
tradurre, ma anche l’ultimo livello che viene
trattato nella generazione del corrispondente
testo in LT.
Tra i problemi da trattare:
la gestione del dizionario, il riconoscimento di
parole sconosciute, il trattamento delle multiword, e l’ambiguità.
Problemi lessicali
Ambiguità categoriale e semantica di termini
causano problemi soprattutto nella fase di
analisi (monolingue)
Es.
omografi: bank >banchina del fiume e istituto
bancario
polisemici: light > luminescenza, chiaro, leggero,
Problemi lessicali
Ambiguità traduttive si presentano quando una
parola può essere tradotta in modi differenti a
seconda del contesto (bilingue)
Es.
Stilistiche o di registro: domicile (fr) >home o
domicile (eng)
grammaticali: know >
conoscere/connaitre/kennen o
sapere/savoir/wissen
Problemi sintattici
Problemi sintattici, sovente in abbinamento con
quelli lessicali:
Es.
to know > connaitre, kennen (conoscenza di un
fatto)
savoir, wissen (avere una competenza)
I know the man – Je connais l’homme - Ich kenne
den Mann
I know what he is called – Je sais ce qu’il s’appelle –
Ich weiss wie er heisst
Problemi sintattici e contestuali
Problemi di risoluzione di anafore:
The soldier killed the women. They were buried
next day.
La conoscenza del fatto che quello che si
seppellisce sono solitamente i morti, consente
di identificare “they” con “women”.
Questa conoscenza è fondamentale traducendo
in francese (elles e non ils) o italiano (esse
invece di essi).
Problemi sintattici e contestuali
Problemi di conoscenza del mondo:
John al supermercato e mette una saponetta nel
suo cestino. Vede su uno scaffale una barretta
di cioccolato e sovrappensiero la mette in
tasca, ma quando arriva alla cassa arrossisce
e dice “Non intendevo rubarla”.
Come facciamo a costruire un sistema che
contenga tanta conoscenza da consentire di
identificare “la” (di rubarla) con “barretta”
invece che con “saponetta”?
Tipi di sistemi
Fino alla metà degli anni ‘90 esistono solo due
tipi di sistemi di MT:
• Sistemi su mainframe di grandi compagnie
• Sistemi su personal computer
A partire dalla metà degli anni ’90:
• Traduttori tascabili
• Software di traduzione per telefonia mobile
• Servizi di MT su Internet
Sistemi su mainframe
I sistemi di MT che giravano su mainframe di
grandi compagnie erano utilizzati per produrre
una grande quantità di traduzioni di qualità
tale da essere pubblicabili, quindi era
necessario che l’output di questi sistemi fosse
migliorato.
Per questo motivo furono applicate tecniche di
soluzione finalizzate a migliorare la qualità e a
limitare l’intervento umano
Soluzioni (applicate nei mainframe)
Le seguenti soluzioni possono aumentare la
qualità dell’output dei sistemi di MT:
• Impiego di revisori umani nel post-editing
• Sistemi interattivi
• Vincolare la varietà del linguaggio di input
Soluzioni (applicate nei mainframe)
L’impiego di revisori umani (esperti del LS e del
LT) nel post-editing è proposto come soluzione
per aumentare la qualità delle traduzioni
prodotte da MT fin dai primi sistemi.
Progressivamente si svilupparono strumenti per
il post-editing specializzati nell’evidenziare
errori frequenti e sistematici dei sistemi di MT
Soluzioni (applicate nei mainframe)
Vengono sviluppati sistemi di MT che non
richiedono post-editing, ma interagiscono con
l’utente durante il processo di traduzione, ad
es. nel caso di ambiguità di tipo lessicale o
sintattico
Soluzioni (applicate nei mainframe)
Vincolando la varietà del linguaggio di input si
limita la difficoltà della traduzione.
In due modi:
• Il sistema viene costruito per trattare un certo
tipo di linguaggio (es. quello dei bollettini
metereologici)
• Il testo da tradurre viene scritto utilizzando un
dizionario ristretto e una struttura sintattica
semplificata
Mainframe e localizzazione
È nel contesto dei sistemi su mainframe per grandi
compagnie che si sviluppa l’applicazione della MT
al problema della localizzazione.
Localizzazione significa adattamento di prodotti e
della relativa documentazione a particolari
condizioni culturali che possono variare dal
corretto modo di esprimere date, numeri, tempi,
indirizzi ed abbreviazioni a modificazioni più
complesse del testo per renderlo corrispondente
alle aspettative del cliente.
Mainframe e localizzazione
La localizzazione nasce come effetto
dell’immissione sul mercato di prodotti per
vari paesi in contemporanea o quasi.
Nasce soprattutto in relazione al software,
quindi ad un genere testuale (manuali)
caratterizzato da ripetitività e da piccole
differenze tra uno e l’altro, tra un’edizione e
l’altra.
Sistemi su PC
I sistemi che giravano su personal computer non
è chiaro per quali scopi fossero utilizzati, ne’
da chi … prevalentemente per avere traduzioni
sommarie di testi diversamente inaccessibili,
senza particolare interesse per la
pubblicazione del risultato della traduzione
Traduttori tascabili
Sono la versione elettronica dei dizionari
tascabili e hanno una analoga diffusione.
Vengono diffusi prevalentemente sul mercato
del turismo e dei viaggi
Vengono prodotti per molte lingue
Nelle versioni più recenti sono in grado di
produrre output vocali
Software di traduzione per telefonia
mobile
Sono una estensione delle funzioni dei telefoni
cellulari
Riguardano i linguaggi commercialmente
dominanti
Nelle versioni più recenti fanno riferimento a
database su server
Servizi di traduzione su Internet
Inizialmente non sono ad accesso libero e
simultanei
Sono la versione web dei primi sistemi di MT e
sono basati su regole, solo recentemente è
comparso Google Translate che applica un
approccio statistico
Non è chiaro come e da chi sono utilizzati
Servizi di traduzione su Internet
La MT è nuova per la maggior parte degli utenti
che scoprono i servizi di traduzione online.
Molti testano i servizi proponendo la traduzione
di espressioni idiomatiche e tentano di
valutare il servizio con una doppia traduzione.
Il risultato è deludente.
Servizi di traduzione su Internet
Non si hanno dati su chi usa i servizi di
traduzione online e per quale scopo.
Sorprendentemente sono poco utilizzati (15%)
per lo scopo che parrebbe più ovvio, la
traduzione di pagine web.
Nel 50% dei casi vengono sottomesse 1-2
parole, nel restante 50 frasi lunghe
mediamente 20 parole
Servizi di traduzione su Internet
Sembrerebbe quindi che siano usati come
dizionari, nonostante l’ampia disponibilità di
dizionari online
Prevalentemente da persone che conoscono la
lingua in cui traducono
Tuttavia l’utilizzo di questi servizi cresce
costantemente in modo esponenziale
A partire dal 2000 sono stati sviluppati anche
sistemi per la localizzazione di pagine web
Limiti della traduzione e della LC
Ulteriori limiti della MT sono stati messi in
evidenza in relazione alla gestione di linguaggi
colloquiali, cioè caratterizzati da frequenti
ellissi e irregolarità.
Ne sono un esempio:
• Messaggi di email
• SMS sui cellulari
• Messaggi su social network
Limiti della traduzione e della LC
A partire dal 1990 il crescente utilizzo di
telecomunicazioni ha portato allo sviluppo di
sistemi di traduzioni di messaggi di email e
pagine di informazione.
L’importanza per studi politici e sociali dei social
network ha evidenziato l’urgenza di trattare
testi che vengono prodotti in Facebook e
Twitter.
Limiti della traduzione e della LC
Anche se cresce il numero di sistemi in grado di
produrre output in forma vocale, la traduzione
del linguaggio orale è ancora una delle aree
più problematiche.
Non solo per i problemi legati all’analisi e sintesi
del parlato, ma anche per la forma particolare
dei dialoghi, la massiccia presenza di ellissi e la
forte dipendenza dal contesto.
Limiti della traduzione e della LC
Esistono progetti non commerciali per lo
sviluppo di sistemi di dialogo e traduzione su
domini limitati, come comunicazioni di affari e
prenotazioni alberghiere.
Un’area in via di sviluppo riguarda la
comunicazione medico-paziente con possibili
applicazioni in contesti in cui sono presenti
minoranze linguistiche.
Warren Weaver - 1949
“There is no need to do more than mention the
obvious fact that a multiplicity of languages
impedes cultural interchange between the
peoples of the earth, and is a serious
deterrent to international understanding.”
MT per quali lingue?
La MT si è orientata ai suoi esordi alla coppia
inglese-russo e successivamente alle lingue
commercialmente interessanti (giapponese,
tedesco, spagnolo, francese, cinese …).
Pochissima attenzione è stata prestata agli altri
linguaggi
MT per quali lingue?
Da un punto di vista globale, i linguaggi ‘minori’
sono quelli non significativi per le transazioni
commerciali
L’immigrazione però fa sì che linguaggi minori
siano parlati ovunque.
MT per quali lingue?
Il problema dei linguaggi delle minorità è dovuto
anche alla mancanza di risorse dedicate a tali
linguaggi (dizionari, spellchecker … corpora).
E ci sono anche linguaggi di minoranze non di
tipo etnico e geografico, come i sordi
MT per quali lingue?
Negli ultimi anni sono stati sviluppati progetti
per la traduzione nel linguaggio dei sordi ad
es. per l’italiano
E progetti per la traduzione di sottotitoli di
programmi televisivi
Ieri e oggi la MT
Oggi la tendenza è verso lo sviluppo di moduli di
traduzione integrati in sistemi che svolgono
varie funzioni e meno di sistemi dedicati
unicamente alla MT
Oltre alla MT, si lavora su altri task multilingue
come Information Retrieval e Information
Extraction: la traduzione non è un’attività
isolata
Ieri e oggi la MT
Dal punto di vista sociale il mondo è cambiato e
di conseguenza la richiesta di MT proviene da
utenti diversi e per task diversi rispetto al
passato.
Anche le aspettative sono oggi diverse e i
risultati positivi riguardano task e domini
limitati. La ricerca della traduzione perfetta
non ha più senso.