Gigantes tecnológicos como Microsoft, Facebook, Amazon, Alibaba y Google están invirtiendo recursos en el campo de los sistemas de traducción automática (machine translation – MT). En este campo, sin embargo, también existen startups como DeepL, que ofrece un servicio de MT profesional (en 31 idiomas y dirigido principalmente a empresas), lanzado en 2017 y basado en redes neuronales.
DeepL Translate, un producto de la start-up alemana DeepL -cuyos directivos han decidido mantener en secreto los detalles de la tecnología de IA subyacente, como explica Jaroslaw “Jarek” Kutylowsk, fundador y director general de la empresa, en una entrevista reciente- es una de las expresiones más exitosas de la creciente popularidad de los modelos de traducción automática neural (NMT).
Índice de temas
DeepL: la evolución de la traducción automática
La traducción automática, a diferencia de la traducción asistida por computadora (CAT), en la que el traductor humano se apoya en herramientas informáticas para realizar su trabajo, ha recibido un impulso significativo gracias a la combinación con la tecnología de IA.
Restringidos a un entorno estrecho y de investigación, los sistemas de MT se han desarrollado gracias a la llegada de Internet, el correo electrónico y las páginas web. Fue en este nuevo marco cuando empezaron a aparecer los primeros servicios de MT en línea.
Por otra parte, las herramientas de traducción automática están disponibles en aplicaciones para dispositivos móviles como tabletas y teléfonos inteligentes, cuya difusión ha contribuido aún más a hacerlas más accesibles a un mayor número de usuarios.
Traducción automática neural – NMT
Los servicios de TA en línea, además, desde un periodo inicial caracterizado por traducciones de baja calidad, han evolucionado progresivamente, mejorando su rendimiento y adoptando la tecnología de IA más avanzada. En la actualidad, hemos pasado a la etapa de la traducción automática neuronal (NMT), es decir, sistemas de traducción que integran redes neuronales artificiales.
El enfoque NMT -como subrayan los investigadores de Google en el documento elaborado para ilustrar la nueva arquitectura de Google Translate, introducida en 2016- representa una innovación para salvar la brecha entre la traducción humana y la automática.
Con esto en mente, se sustituye la arquitectura basada en un enfoque de traducción automática estadística (SMT), junto con la traducción basada en reglas, uno de los dos tipos de MT adoptados y predominantes anteriormente.
Los sistemas SMT trabajan sobre bases de datos de textos bilingües, colecciones de textos con sus respectivas traducciones (corpus). Las correspondencias del texto de origen con la lengua a la que se traduce se identifican a partir de un análisis algorítmico probabilístico.
En el caso de la traducción basada en reglas, se analizan las frases del texto de partida, se descomponen los lemas individuales y se crean diagramas de árbol que se transforman en la lengua traducida sustituyendo las palabras por sus equivalentes.
Los sistemas NMT, que también pueden funcionar en combinación con modelos SMT, van más allá de este enfoque al considerar toda la frase de entrada como una unidad para la traducción. Se trata de la aplicación de redes neuronales artificiales (concretamente las redes neuronales recurrentes LSTM de Google Translate) y de aprendizaje profundo a la PLN con redes de codificación y descodificación, acompañadas de un mecanismo de atención para corregir la pérdida de rendimiento en el caso de textos largos.
Cómo utiliza DeepL el aprendizaje automático para mejorar las traducciones
El desarrollo de DeepL se ha beneficiado de continuas inversiones para mejorar el sistema de traducción automática, que se basa en el uso de redes neuronales profundas. A medida que la empresa crece, también lo hace el compromiso financiero con la investigación para hacer avanzar el sistema SMT.
La innovación en DeepL se ha llevado a cabo en cuatro áreas distintas: arquitectura, datos de entrenamiento, metodología de entrenamiento y tamaño de la red.
El traductor DeepL incorpora la arquitectura de red neuronal Transformer, incluidos los mecanismos de atención. Sin embargo, se han introducido modificaciones que mejoran la calidad de la traducción.
En cuanto a los datos de entrenamiento, DeepL ha desarrollado rastreadores web especiales cuyo objetivo es adquirir datos que ayuden a las redes a obtener resultados superiores a los de sus competidores.
La metodología de entrenamiento utiliza el aprendizaje supervisado (algoritmos de aprendizaje automático ML), junto con otras técnicas ML para el entrenamiento de redes neuronales.
Por último, la investigación orientada a la eficacia del entrenamiento con miles de millones de parámetros DeepL logra alcanzar la calidad de traducción, incluso con las redes más pequeñas y rápidas. Por tanto, garantiza un rendimiento excelente incluso para el servicio gratuito en línea.
Las pruebas de evaluación realizadas por Intento (Estado de la Traducción Automática), así como por investigadores de la Universidad de Estrasburgo, organizaciones como la Asociación de Globalización y Localización (GALA) y plataformas como Text United, según un estudio de la Universidad de Rutgers, confirman valoraciones muy positivas de la calidad de traducción de DeepL Translate.
DeepL Pro: las ventajas de la versión de pago para usuarios profesionales
Además de la versión gratuita, DeepL Translate -cuyo fundador ha alcanzado el estatus de unicornio al superar la barrera de los 1.000 millones de dólares- cuenta con una versión Pro de pago. Está disponible en varias versiones y se dirige a usuarios particulares y empresariales. La versión Pro supera las limitaciones de traducción de la versión gratuita, proporcionando una traducción ilimitada de textos y aumentando el número de documentos que pueden traducirse a varios formatos, conservando el formato original.
Actualmente, la versión Pro admite 31 idiomas con unas 800 combinaciones posibles. También dispone de opciones de personalización avanzadas y de seguridad y privacidad garantizadas y mejoradas.
DeepL: integración con herramientas y plataformas
El servicio DeepL dispone de aplicaciones de escritorio que pueden integrarse con los sistemas Windows y MacOS, y también para las plataformas iOS y Android.
Por otro lado, hay extensiones para varios navegadores como Edge, Firefox y Chrome. Además, la start-up alemana incluye en su oferta una parte API del servicio DeepL Pro. En este caso, se trata de una interfaz que permite a los programadores integrar la traducción automática en diferentes productos y herramientas.
Las empresas pueden explotar la API para la traducción de páginas web y plataformas de comercio electrónico (localizándolas) o integrar el traductor DeepL en sistemas de comunicación interna (Confluence, SharePoint o Zendesk).
Además, es posible traducir conversaciones de chat en tiempo real o integrar la traducción de DeepL en software CAT.
La API DeepL puede utilizarse en aplicaciones de auriculares para permitir la traducción automática y simultánea. O en realidad aumentada para traducir signos en los idiomas incluidos tras apuntar con la cámara del móvil al objetivo. Pero, integrada en los sistemas, también permite la traducción automática en el software de correo electrónico.
El mercado de la traducción automática
El mercado de las traducciones automáticas apoyadas en la tecnología de la IA es un mercado en expansión con un volumen de negocio limitado por el momento, pero que Research Nester prevé que crezca hasta alcanzar los 5.000 millones de dólares a escala internacional en 2035. El motor de este sector es el desarrollo de plataformas de comercio electrónico que permiten realizar compras en línea a usuarios de varios países y la demanda relacionada con la necesidad de comunicación multilingüe en un mundo cada vez más interconectado y una economía global.
Incluso aplicaciones y redes sociales como Instagram o Facebook, que gestionan miles de millones de traducciones de posts cada día, utilizan sistemas de TA. Por otra parte, tanto las empresas como las instituciones los utilizan. La Unión Europea, por ejemplo, dispone del sistema eTranslation para la traducción automática de textos y documentos.
Conclusiones
La función de la traducción oportuna y multilingüe es cada vez más crucial para las empresas y organizaciones que desarrollan su actividad en diferentes mercados y países. Por este motivo, los sistemas de traducción automática se han puesto de moda y, con la llegada de la tecnología de IA, se ha desarrollado el enfoque NMT (Neural Machine Translation).
En este marco, junto a los sistemas ofrecidos por las grandes tecnológicas y en competencia con ellos, una start-up como DeepL ha ganado espacio. El reto es permitir traducciones más avanzadas y en tiempo real que sean capaces de captar el contexto y los matices del lenguaje, con el objetivo de mejorar continuamente la investigación en redes neuronales aplicadas a la realidad de la MT.
Prohibida su reproducción total o parcial.