Da traduttore a revisore? Una riflessione sulla traduzione automatica.

Venerdì scorso, in occasione del workshop “Il kit del traduttore: dalla teoria alla pratica” c’è stato un relatore che mi ha particolarmente colpita: Marcello Federico, della HLT-Machine Translation Research Unit di Trento, che ha fatto un intervento sulla traduzione automatica. È stato un intervento molto tecnico che, secondo me, merita una seria riflessione perché parla di una tecnologia che rivoluzionerà il mondo della traduzione e credo che lo farà in tempi relativamente brevi.

Solitamente quando si parla di traduzione automatica a un traduttore professionale si hanno due reazioni:
– ilarità e/o ironia: ahh, ahh la traduzione automatica non potrà mai sostituire il lavoro dei traduttori, avete mai letto una traduzione di Google traduttore? Un orrore…..
– sdegno: traduzione automatica? Puah, ma avete mai letto una traduzione di Google traduttore? Un orrore….
Questo perché quando si parla di traduzione automatica si pensa sempre e solo a lui:

Peccato che questa sia una forma di traduzione automatica del tipo you get what you pay for. Quella che ci ha presentato Marcello Federico è una ben altra forma di traduzione automatica. È una traduzione automatica sulla quale vengono investite ingenti somme dal Parlamento Europeo, e qui il traduttore ilare dovrebbe iniziare a perdere il sorriso. Infatti, se da un lato la filosofia di base del Parlamento Europeo è quella di mantenere e preservare le singolarità e le identità linguistiche di tutti gli stati membri, dall’altra i costi delle traduzioni di una mole impressionante di documenti in tutte le lingue degli stati membri sono davvero ingenti, tant’è che, al di fuori di qualsiasi norma codificata, si è iniziato a parlare di lingue ufficiali, cioè tutte le lingue parlate negli stati membri, e di lingue di lavoro, ovvero inglese, francese, tedesco, cosa che ha portato a un notevole risparmio sulle traduzioni, ma anche a molto malcontento tra gli stati membri esclusi, Italia in testa (qui). Una traduzione automatica che funziona ridurrebbe questa voce di spesa in modo veramente molto significativo senza penalizzare nessuno stato membro.

Credo di non essere stata l’unica, durante l’intervento di Marcello Federico, a pensare: “Che bello! Ci parlano di come iniziare la professione di traduttore e contemporaneamente ci illustrano la fine della nostra professione!”. Perché diciamocelo chiaramente, la traduzione automatica ci trasformerà da traduttori in revisori. Il nostro ruolo si risolverà nel correggere gli errori di traduzione della macchina. Beh, potete pensare, se la macchina traduce come Google traduttore, poco male, sono traduzioni praticamente da rifare, si possono far pagare come traduzioni normali o anche di più.
Non è proprio così, verso la fine dell’intervento, Marcello Federico ci ha parlato di nuove ricerche che utilizzano non più algoritmi e dati statistici, ma reti neurali. E qui il traduttore ilare ha definitivamente perso il sorriso e sta leggendo la pagina degli annunci di lavoro. Perché quando si parla di reti neurali si parla di apprendimento approfondito (deep learning), si parla di machine learning e di Big Data.

Chi non ha sentito parlare di Deep Blue, il computer della IBM che nel 1997 ha battuto a scacchi nientemeno che Garry Kasparov? Forse molti meno avranno sentito parlare di AlphaGo una macchina che a fine ottobre 2015 ha battuto 5-0 il campione europeo di Go, un gioco di strategia coreano molto più complesso e imprevedibile degli scacchi. C’è una differenza fondamentale tra i due computer, Deep Blue era stato programmato per giocare a scacchi, AlphaGo non è stato programmato per giocare a Go, quest’ultimo si basa su un algoritmo di apprendimento generico e su due reti neurali che sfruttano l’apprendimento approfondito (qui). Il che significa, semplificando molto, che il computer ha imparato giocando moltissime partite, che ha imparato dai propri errori e dai propri successi, esattamente come succede per l’apprendimento umano; la cosa davvero sbalorditiva è che questi risultati sono stati raggiunti con ben 10 anni di anticipo sulle aspettative. La vera (cattiva?) notizia, per noi traduttori, è che questa tecnologia è stata sviluppata da Google.

Quando si parla di macchine che imparano, si parla anche di auto che si guidano da sole, di pc che vedono immagini e le riconoscono, di macchine che eseguono operazioni chirurgiche, che effettuano analisi istologiche, si parla di computer che imparano le lingue e che, per l’appunto, le traducono (qui). Si parla di processi di apprendimento tramite elaborati algoritmi che permettono alla macchina di imparare. È una vera rivoluzione: non si tratta più di un programmatore che immette dati in una macchina e la programma passo a passo per svolgere determinate operazioni, si parla di programmatori che immettono in una macchina degli algoritmi di apprendimento generico e di macchine che, sottoposte a una quantità enorme di dati (huge data) capiscono e imparano da sole.

Si stima che questa rivoluzione investirà in pieno il mondo della traduzione entro una decina di anni. A meno di non trasformarci tutti in un esercito di neo-luddisti, andare a sabotare tutti i pc e auspicare un ritorno alla macchina da scrivere, i traduttori dovranno accettare la cosa di buon grado e integrare gradualmente l’attività di revisore da traduzione macchina: la PEMT, Post Editing from Machine Translation, è già una realtà, ci sono corsi, certificazioni e agenzie che cercano traduttori specializzati in questo settore. In fondo l’utilizzo dei CAT Tools in parte già ci ha trasformato in revisori, obbligandoci a conteggiare e fatturare a un prezzo inferiore le ripetizioni, questo perché alcuni segmenti risultano già tradotti in parte o del tutto dal software, certo, basandosi su memorie di traduzione, ma anche la traduzione automatica si basa sulle memorie di traduzione, un numero enorme di memorie di traduzione.

Però c’è un però, possibile che tutto sia nero, possibile che non ci sia scampo, in fin dei conti la tecnologia spesso e volentieri porta progresso e benessere. In fondo come ha dichiarato il professor Nahamoo, scienziato esperto di intelligenza artificiale: “iI tempo che così risparmiano viene usato per compiere operazioni di livello più elevato“. Quindi quali sono le operazioni di livello più elevato della traduzione che compiamo?
L’idea mi è venuta ripensando all’intervento di Maria Pia Montoro (DG TRAD, Parlamento UE) che si chiedeva perché nelle fatture dei traduttori non venga mai inclusa la voce “ricerca terminologica“, la risposta più ovvia è: perché è inclusa nel prezzo a parola. Certo, ma come faceva rilevare sempre Maria Pia Montoro: quello che non è fatturato non esiste.
Quindi perché non iniziamo a educare i clienti e le agenzie, perché non iniziamo a scrivere preventivi e fatture che evidenzino non tanto e non solo la tariffa a parola, quanto cos’è incluso in quella tariffa, voce per voce, puntando su quello che nessuna macchina ci potrà mai portare via,sul nostro valore aggiunto in quanto traduttori umani:
– ricerca terminologica
– localizzazione e/o transcreazione
– traduzione/localizzazione di numeri, pesi, misure e caratteri speciali
– creazione di un glossario specifico per azienda/settore
– correzione e revisione
– ecc., ecc.

Questa è un’idea, un modo per valorizzare il nostro lavoro. Magari state già specificando in fattura e nei preventivi ogni voce che ha concorso alla formazione del prezzo. Al solito proposte diverse e/o migliori sono ben accette.

---

Se desiderate approfondire il funzionamento dei Big Data e delle reti neurali, vi consiglio due TEDTalk molto interessanti qui e qui.