Las nuevas tecnologías en la traducciónNuria Bel
Profesora asociada de Lingüística. Facultad de Traducción e Interpretación de la Universidad Pompeu Fabra. Barcelona (España)

Además, hemos de tener en cuenta que la traducción y adaptación de material escrito no únicamente se refiere a documentos o informes; los electrodomésticos, los programas de ordenador, todo contiene hoy en día instrucciones, manuales y textos de ayuda. Por ejemplo, un sistema operativo de ordenador de última generación puede contener, contando ayudas, menús y explicaciones, unos 4 millones de palabras en la versión castellana. Unas 14 000 páginas.

Uno de los factores de la globalización es la comercialización de productos en mercados lo suficientemente amplios como para que los beneficios lleguen a compensar las inversiones realizadas en su desarrollo. El mercado global se sigue rigiendo por las leyes del marketing más tradicional: hay que acercarse al cliente, y un factor decisivo es dirigirse a él en su propia lengua. En la campaña de lanzamiento de cualquier producto, los costes de traducción de manuales y documentación son uno de los apartados más importantes. Pero, más allá del coste económico que supone la traducción de este tipo de materiales, se ha de tener en cuenta otro factor decisivo: el tiempo necesario para realizar la traducción. Si consideramos que un profesional puede llegar a traducir unas 20 páginas al día, necesitaríamos 700 traductores/día para llevar a cabo el proyecto de traducir el sistema operativo antes mencionado.

El factor tiempo es aún más importante en el ámbito de Internet. Los contenidos caducan y se renuevan con frecuencia. Mantener un sitio web actualizado y en diferentes lenguas se ha convertido, también, en un problema.

Pero, ¿se puede traducir todo lo que hay en Internet? El buscador Google presume de buscar en 1 387 529 000 páginas web, y las páginas en inglés que devuelve como resultado de una búsqueda pueden traducirse casi instantáneamente al español, o del español al inglés mediante un sistema de traducción automática (BETA) recientemente incorporado. La calidad de la traducción puede defraudar en más ocasiones de las previstas, sobre todo si alguien esperaba una traducción lista para ser publicada. Sin embargo, podría resultar útil para más de uno obtener una traducción, aun de baja calidad, de cualquiera de las 18 335 739 páginas que se calcula que están escritas en japonés, o de los 18 millones de páginas que hay en alemán, por ejemplo. Juzguemos desde este punto de vista la calidad de la siguiente página de bienvenida traducida por el sistema de traducción automática de Google:

Welcome to Instituto Cervantes of Chicago. Located in the heart of the Magnificent Mile, we have been serving the Chicagoland area with Spanish classes and Cultural Activities for five years. We invite you to come inside and learn more!

Recepción a Instituto Cervantes de Chicago. Localizado en el corazón de la milla magnífica, hemos estado sirviendo el área de Chicagoland con las clases españolas y las actividades culturales por cinco años. Le invitamos a que venga adentro y aprenda más!

En cualquier caso, hoy en día ya es una realidad que las 214 250 996 páginas que hay en inglés pueden ser traducidas a algo comprensible para quien conoce el español¹ y de forma totalmente automática.

2. Herramientas de ayuda a la traducción. Breve tipología y descripción

Los sistemas llamados de traducción automática son los que pueden traducir textos por la aplicación dinámica de programas que procesan información, en muchos casos lingüística. Empezaremos por describir brevemente la tecnología, y de paso la historia, que hay detrás de estas máquinas.

Sistemas de traducción directa o «palabra por palabra»

Son descendientes directos de los primeros intentos realizados en los años 50. Hay que tener en cuenta que la idea de utilizar ordenadores para traducir fue uno de los primeros retos de los investigadores en cibernética, pero que la base teórica de la cual se partía estaba directamente basada en las experiencias de codificación y decodificación de mensajes en clave durante la segunda guerra mundial. Weaver sugirió la posibilidad de que, igual que un criptógrafo, los ordenadores tenían que poder traducir textos matemáticamente, sin necesidad de ser programados para comprender el significado de las palabras. Había que descubrir o crear un código fuente que fuera común para todos los lenguajes humanos, de forma que un texto podría traducirse a tal código y de éste ser codificado de nuevo de acuerdo a las reglas sintácticas de otra lengua. Consciente, no obstante, de la complejidad de traducir lenguaje natural por los evidentes problemas de ambigüedad, diferencias sintácticas, etc., creyó que los textos científicos, con términos bien definidos y con equivalencias unívocas, podían ser el campo de aplicación ideal para la traducción automática.

Las ideas que Weaver difundió por primera vez en 1949 crearon gran expectación, posiblemente por la coyuntura política mundial de la época: durante aquellos años de guerra fría se invertían muchos recursos en la traducción de textos científicos rusos al inglés. Se crearon diferentes grupos de investigación en Estados Unidos que recibieron generosas subvenciones para empezar a trabajar y a principios de 1954 se llevó a cabo en la Universidad de Georgetown la primera demostración pública de un sistema de traducción automática creado para IBM. El IBM 701 traducía 49 frases seleccionadas con un diccionario de 250 palabras y 6 reglas que re-ordenaban las palabras traducidas una a una de acuerdo con la sintaxis inglesa. Diez años más tarde el entusiasmo de las primeras demostraciones se había desvanecido y la creación del Automatic Language Processing Advisory Committee (Alpac) de la National Academy of Sciencies daba a entender que las dudas sobre la viabilidad de los sistemas de traducción automática cundían. En 1966, Alpac publicaba su informe concluyendo que los 20 millones de dólares que el gobierno americano había venido invirtiendo en 10 años de investigación en traducción automática no habían dado resultados satisfactorios.

La financiación pública cesó, pero en 1968 Peter Toma, que había trabajado como lingüista en la Universidad de Georgetown, creó una empresa, LATSEC, para desarrollar sistemas de traducción automática. En 1970 sale al mercado la primera versión de Systran para traducir del ruso al inglés. En 1976 los servicios de traducción de la Comunidad Económica Europea compraban una licencia para sus servicios de traducción.

El sistema Systran² ha ido evolucionando pero, básicamente, mantiene en su estructura los rasgos fundamentales de una traducción palabra por palabra, aunque se produzca un análisis parcial de aquellas expresiones lingüísticas que presentan problemas para la traducción. La traducción se produce en un único paso que reordena y reconstruye una expresión lingüística en la lengua destino. Con la misma base tecnológica de primera generación, el sistema SPANAM se empieza a utilizar en la Organización Panamericana de la Salud para traducir del español al inglés en 1980. Y sigue en funcionamiento.

Con una base tecnológica también similar, Globalink desarrolló el sistema Power Translator que tuvo una facturación de 20 millones de dólares en 1994, quizá el sistema de traducción automática más vendido a pesar de los pobres resultados que ofrecía.

Hoy en día Systran cuenta con 28 pares de lenguas y es uno de los sistemas más vendidos y más utilizados, siendo, además, el primero en ser accesible gratuitamente en Internet: en 1994 CompuServe lo incorpora para la traducción de foros, y en 1997 Babel Fish, de Altavista, ofrece gracias a este sistema las primeras traducciones en línea.

Basados en el análisis y la generación lingüística

El proceso de traducción en este tipo de sistemas se basa en información lingüística. Esta información permite establecer las condiciones, en forma de reglas, que deciden la traducción dependiendo del contexto. Este tipo de sistemas requieren del desarrollo de diccionarios y gramáticas computacionales de cada una de las lenguas, y de componentes específicos para la traducción entre cada par de lenguas o entre cada lengua y una representación semántica común a la que se da el nombre de interlingua. La confección de las gramáticas y diccionarios computacionales representa una fuerte inversión para un sistema que pretenda dar resultados de cierta calidad. A diferencia de los sistemas de primera generación, sin embargo, los componentes de análisis y generación para una determinada lengua pueden ser utilizados para desarrollar un nuevo par de lenguas.

TAUM, desarrollado inicialmente en la Universidad de Montreal entre 1968 y 1980 y METAL, desarrollado en la Universidad de Texas, Austin, a partir de 1961, fueron los primeros ejemplos de traducción automática con análisis propiamente lingüístico. El sistema METAL es la base del actual sistema COMPRENDIUM de SAIL-LABS, un producto comercial también accesible en Internet. IBM dio a conocer también en este medio su último sistema, Alphaworks, y la empresa Softissimo ha suministrado a no pocos portales (Lycos, Voilà, Aport, e InfinIT, entre otros) el sistema de traducción REVERSO, basado en el sistema PROMT desarrollado en Rusia, que permite un desarrollo rápido de nuevos pares de lenguas.

Japón ha sido también un gran inversor en traducción automática, y sistemas como Translingo de Fujitsu, o LogoVista y Tsunami MT, están siendo utilizados por empresas japonesas para traducir al inglés, de la misma manera que los sistemas americanos y europeos mencionados antes han sido incorporados a la metodología de los departamentos de documentación de importantes empresas (SAP, Xerox son un par de ejemplos) o de administraciones como la Comisión Europea.

Pero es importante tener en cuenta que, hoy en día, los sistemas de traducción automática en entornos profesionales se consideran una herramienta para aumentar la productividad del traductor que debe entregar textos publicables, esto es, traducciones de calidad, y en ningún caso para sustituirle. Un traductor automático ofrece al traductor una primera versión del texto que este último ha de revisar y pulir. Es lo que se conoce como la post-edición, en la que el humano supervisa el trabajo realizado por la máquina con el consiguiente aumento de productividad. Desde este punto de vista podemos pasar revista a otras herramientas, cada vez más utilizadas en entornos profesionales, que contribuyen a aumentar la productividad del traductor profesional. Son las estaciones de trabajo para traductores.

Estaciones de trabajo para traductores

Las estaciones de trabajo, o entornos de traducción, son un conjunto integrado de programas informáticos especialmente diseñados para facilitar y aumentar la productividad de traductores profesionales. Los sistemas comercializados incluyen las siguientes herramientas:

Diccionarios bilingües o multilingües: Son herramientas que agilizan la búsqueda de palabras en diccionarios electrónicos. Algunos incorporan utilidades que facilitan la expresión de criterios de búsqueda complejos.

Bases de datos terminológicas: Desarrolladas en un principio para ayudar a los terminólogos, pronto se descubrió que los traductores necesitaban tener acceso a la correcta traducción de términos para traducir textos técnicos. Las primeras aplicaciones, que funcionaron como un híbrido entre diccionario y thesaurus de términos, dieron paso a herramientas más sofisticadas que colaboran con el traductor haciendo una lectura previa del texto de origen y marcando todos los términos que constan en una base de datos. Algunos sistemas proponen, dependiendo del dominio en el que se está trabajando, la traducción a uno o más idiomas. Una vez que el traductor decide sobre la traducción de un término determinado, el sistema se encarga de sustituir todas las apariciones de ese término en el texto por la traducción elegida.

Memoria de traducción: Es un producto relativamente reciente: TRADOS saca al mercado su Translator's Workbench II en 1992, una estación de trabajo para traductores que por primera vez incorpora este componente para aumentar su productividad. Se trata de una base de datos donde se almacenan textos y sus traducciones estableciéndose la correspondencia entre diferentes unidades (frases, párrafos). Básicamente, el sistema compara las unidades de un nuevo texto con aquellas que ya tiene almacenadas y, al encontrarlas en la base de datos, las sustituye por su traducción, también almacenada. En los sistemas más utilizados, la comparación entre la unidad a traducir y la almacenada puede relajar los criterios de igualdad para establecer correspondencias entre unidades casi iguales y proponer una traducción aproximada que deberá ser revisada y validada por el usuario. A pesar de la simplicidad del método empleado, la creación de aplicaciones comerciales sólo fue posible gracias al crecimiento experimentado en la capacidad de almacenar y procesar información de los ordenadores personales.

Actualmente las estaciones de trabajo especializadas que incorporan una memoria de traducción son una de las aplicaciones más utilizadas por los traductores profesionales³ y por los productores de documentación y programas informáticos en los que se produce un alto número de repeticiones. Se estima que pueden llegar a aumentar la productividad hasta en un 50 %, siempre que, claro está, se disponga de textos ya traducidos almacenados. En este sentido, y para promover aún más el uso de estas herramientas, la Localization Industry Standards Association, LISA,⁴ proporcionó en 1998 unas directivas de formato estándar, que siguen la mayoría de los fabricantes, para poder intercambiar las bases de datos de textos traducidos entre los diferentes sistemas comercializados.

Traducción basada en ejemplos

En los últimos años, una vez comprobada la eficiencia de las memorias de traducción, han surgido prototipos de sistemas de traducción que almacenan no solamente los textos, sino también sus representaciones lingüísticas. Al tratar un texto nuevo, éste es analizado y son las representaciones lingüísticas las que son comparadas para encontrar la traducción. El hecho de trabajar con representaciones facilita la relajación de restricciones que supone comparar texto, de forma que el sistema puede sugerir traducciones aproximadas de unidades que, estrictamente, no tiene almacenadas. Déjà Vu⁵ es un producto comercial que incorpora una memoria de traducción mejorada gracias a esta tecnología.

Dependiendo de los sistemas se incluye más o menos información lingüística y se añaden gramáticas de análisis y generación más o menos sofisticadas que mejoran la calidad final de la traducción. Algunos de estos sistemas incorporan también componentes estadísticos para calcular la similitud de la representación del texto nuevo con el del texto almacenado.

3. Valoración de las capacidades de las herramientas de traducción

Hoy en día, y cualquiera puede comprobarlo gratis en Internet, la traducción automática es una aplicación real que está siendo utilizada. Sin embargo, y como ya se ha advertido, no se puede considerar que los sistemas de traducción automática comerciales sean la solución total al problema de la traducción.

Veamos un ejemplo. La frase en inglés que hemos hecho traducir por varios de los demostradores accesibles en Internet es una frase correcta que podría pertenecer a cualquier texto. Así aislada, no es muy explicativa, pero el resultado de ninguno de estos sistemas se verá perjudicado por una falta de contenido referencial. No llegan a entender realmente lo que estamos diciendo (Tabla 1).

Entremos ahora en los detalles de la traducción. Estudiemos primero lo más sencillo. En la traducción que nos ofrece el sistema InterTran vemos uno de los problemas básicos con los que se enfrenta la traducción automática: la ambigüedad. La palabra inglesa waiting, en este contexto sin duda un verbo, puede también ser un nombre. Ésta es la hipótesis del traductor, que ofrece espera como traducción. Con esta hipótesis poco puede hacer para traducir correctamente la expresión verbal inglesa waiting for, que se traduce al castellano por esperando. Como en nuestra lengua, el verbo esperar no requiere que su complemento directo lleve preposición, ésta debe desaparecer.

Al comprobar los resultados de los demás traductores vemos que han identificado correctamente la expresión y no hacen la traducción de for. Para ver el nivel de análisis de cada uno de estos sistemas podemos probar a alejar la preposición del verbo que la rige, como en «The user whose needs are being studied is waiting since 1990 for a product». De esta forma veremos si reconoce solamente dos palabras contiguas que se traducen por una única palabra o si al analizar la expresión for a product, mantiene la hipótesis de que es el complemento preposicional regido por el verbo principal y que, por tanto, ha de pasar a ser un sintagma nominal. Al añadirle un nuevo complemento que aleja la preposición del verbo, comprobamos que la traducción ofrecida por FreeTranslation incluye la de la preposición:

1. El utilizador que se están estudiando necesidades está esperando desde 1990 un producto. (Systrans)
2. El usuario cuyas necesidades se están estudiando está esperando desde 1990 un producto. (Comprendium)
3. El usuario cuyas necesidades son estudiadas espera desde 1990 un producto. (Reverso)
4. El usuario cuyas necesidades son estudiadas espera desde que 1990 para un producto. (FreeTranslation)
5. El usuario cuyas necesidades están siendo calculadas está esperando desde 1990 un producto. (IBM Alphaworks)

Al introducir más elementos entre waiting y for, comprobaremos la capacidad de analizar correctamente las funciones de los elementos. Al traducir «The user is waiting since the first attempt for a product» Comprendium y Alphaworks pierden el rastro del elemento al cual for a product está complementando y lo tratan como un sintagma preposicional. Las dos posibles traducciones de since y la incapacidad de resolver la ambigüedad por el contexto hacen que el sistema Systran traduzca esta palabra por puesto que, fallo que también comete Alphaworks. Un error que afecta sensiblemente la comprensibilidad de la frase.

1. El utilizador está esperando puesto que la primera tentativa un producto. (Systrans)
2. El usuario está esperando desde el primer intento para un producto. (Comprendium)
3. El usuario espera desde el primer intento un producto. (FreeTranslation)
4. El usuario está esperando puesto que el primero intente para un producto. (IBM Alphaworks)

Volvamos ahora atrás para estudiar otro fenómeno, la oración de relativo «whose needs are being studied». Es evidente que Systran no ha previsto el tratamiento de la partícula relativa whose. Al traducirla por que, la frase entera pierde sentido. InterTran traduce por cuyo, pero no parece tener en cuenta la relación de concordancia que, en castellano que no en inglés, se establece entre este elemento y el nombre al cual determina. El resto de sistemas sí lo han previsto y traducen correctamente por cuyas necesidades. Además, la concordancia en este caso afecta también al participio del grupo verbal y vemos que, en los casos de Reverso, FreeTranslation y Alphaworks, se produce correctamente esta concordancia que no puede ser considerada como una traducción literal de la expresión inglesa. Es, pues, fruto del procesamiento que realiza una regla de la gramática computacional con la que estos sistemas trabajan. No obstante, la traducción son estudiadas de los dos primeros podría parecer mediocre por no mantener en la traducción el aspecto imperfectivo de la forma -ing inglesa.

Más interesante, desde el punto de vista lingüístico, es ver que Systran y Comprendium deciden convertir una oración inglesa pasiva en una oración castellana morfosintácticamente activa y añadir la partícula se para dar con la construcción de pasiva refleja, con concordancia entre el sujeto y el verbo principal.

Este par de ejemplos sobre los elementos lingüísticos a tener en cuenta en la traducción son un muestra de la complejidad que entraña. Un programa informático que tenga en cuenta toda esta información y lleve a cabo las operaciones necesarias para tratarla correctamente es, por definición, un sistema experto, en el sentido de que almacena en forma de reglas de inferencia información exhaustiva sobre un dominio y toma decisiones siguiendo algoritmos lógicos. Cuando el dominio es el lenguaje humano y las relaciones de significado entre diferentes lenguas, la tarea de describir toda la información necesaria es ingente, y recordemos que la realizan humanos. Es desde este punto de vista desde el que hemos de juzgar la calidad de los diferentes sistemas de traducción: cuánta y cómo se ha descrito la información necesaria para tratar lenguaje humano.

En el caso de las memorias de traducción, la recopilación de información ha de ser también considerada un proceso costoso, ya que no es fácil encontrar textos traducidos en cantidad suficiente para dar con un número de repeticiones tal que llegue realmente a ser de ayuda para cualquier tipo de texto. Desarrollar las gramáticas y diccionarios para un nuevo par de lenguas en un sistema de traducción automática está en torno a las 30 000 horas de trabajo. Llenar una memoria de traducción para que pueda tratar textos de diferentes ámbitos, en torno a las 32 000 horas de traducción humana de textos.

4. Uso actual y futuro de las tecnologías de traducción

Ya hemos avanzado que, en la actualidad, las herramientas de ayuda a la traducción son un producto utilizado y demandado. En primer lugar porque agilizan un proceso que, realizado por humanos, supone un coste tanto en términos económicos como temporales. Gracias a la potencia de los ordenadores actuales todas las herramientas de ayuda a la traducción aportan agilidad al proceso y aligeran el trabajo más farragoso. Y en segundo lugar, pero no menos importante, porque gracias a estas herramientas se traducen textos que de otra forma probablemente no se hubieran llegado a traducir. Éste puede ser el caso de muchos de los contenidos en Internet.

Para comprender la demanda y uso de estas herramientas hemos de distinguir el uso de traducciones, al menos, en tres escenarios. La diferencia entre ellos está básicamente relacionada con el valor de la información que manejan.

El escenario más tradicional es, sin duda, el de traductores profesionales, de agencias de traducción, a los que se les pide que entreguen textos listos para publicar. Las traducciones realizadas han de ser correctas lingüísticamente, pero también suelen entrañar la necesidad de conocer el dominio sobre el que está escrito el texto. El cliente ha de autorizar su publicación o difusión, ya que en ello se compromete su imagen corporativa.

Un segundo escenario lo constituyen profesionales de diferentes ámbitos que necesitan acceder a información y necesitan comprender un texto en una lengua que desconocen o que no dominan, simplemente (por ejemplo, funcionarios de la Unión Europea). Normalmente conocen el dominio del texto, y no reclaman tanto calidad lingüística como confiar en que la información que consta en el texto traducido responda realmente a lo expresado en el texto original.

Y el tercer escenario, derivado directamente del acceso a la información por Internet, son aquellas personas que hojean páginas web . Este público desea información relacionada con actividades de ocio y su demanda está muy diversificada: saber las características de un hotel en Tailandia o cómo descargarse un juego.

El mercado parece estar adaptándose a estos tres diferentes tipos de usuarios de traducciones y ofrece productos para todos ellos. Hablemos primero de este tercer escenario. El lector potencial abarca una variedad tal que difícilmente las medianas y pequeñas empresas que se anuncian en Internet podrían asumir el coste de tener y mantener sus páginas en todas las lenguas de sus posibles clientes. No obstante, la posibilidad de crear un espacio comercial en Internet está ligada a que los lectores encuentren y puedan entender lo que ésta contiene. Tanto es así que son normalmente los proveedores de Internet a través de sus portales y buscadores los que ofrecen traductores automáticos a sus clientes para mantener el interés. La calidad de la traducción no es tan importante si el usuario sigue accediendo a la información y por otro lado, si la traducción es gratis, ¿cómo podría quejarse?

En el caso de profesionales que necesitan comprender los contenidos de textos por cuestiones de trabajo, existen traductores automáticos especializados en ciertos dominios: derecho, economía, medicina, etc. Estos traductores contienen la terminología adecuada para sus necesidades y ofrecen traducciones aceptables en cuanto al contenido que solucionan el problema de comprender el texto.

Ya hemos mencionado los entornos de traducción para profesionales. Las memorias de traducción se combinan con las bases de datos terminológicas, reduciendo hasta en un 50 % el trabajo. Pueden, además, integrarse con sistemas de traducción automática que proponen una o más versiones de las unidades que no constan en la base de datos al traductor, mostrándole al mismo tiempo el texto original para que pueda hacer una comprobación rápida de la corrección. La velocidad de la traducción automática deja ya de ser un problema cuando hablamos de cifras por encima de las 350 palabras por minuto. La propaganda de Systran dice que este sistema puede traducir 3700 palabras por minuto. Un humano traduce aproximadamente unas 500 palabras por hora, y la post-edición de textos borrador ofrecidos por cualquiera de los sistemas mencionados realizada por un traductor entrenado puede llegar a trabajar hasta 5 veces más rápido.

La oferta de lenguas de diccionarios, bases de datos terminológicos o sistemas de traducción automática se adapta también a estos escenarios. Teniendo en cuenta los costes de desarrollo antes mencionados, es evidente que los proveedores de estas herramientas abordan primero las lenguas más utilizadas o aquéllas en las que un cliente interesado asume toda la inversión. El español es sin duda una de las lenguas mejor tratadas. En un estudio llevado a cabo en 1996,⁶ se contabilizaban 16 productos inglés-español y 13 en sentido inverso. Además, había 6 productos francés-español, 5 alemán-español, 4 italiano-español y un número un poco inferior para el sentido inverso. También hay traducción del español al ruso y al sueco. En los últimos cinco años han aparecido algunos más, entre ellos 4 de traducción al catalán y uno al gallego que están siendo utilizados por las respectivas administraciones autonómicas. Éstos son los datos que confirman un futuro esperanzador para estas herramientas de ayuda a la traducción de textos. Pero las necesidades de traducción van más allá de los textos. Actualmente se está trabajando ya en prototipos de traductores del habla. El nuevo reto para la traducción automática es el desarrollo de dispositivos personales que permitan la traducción simultánea de conversaciones.

Notas

• 1. La fuente de las cifras sobre distribución de lenguas en Internet es Vilaweb, http://www.vilaweb.com/, según la tabla que puede encontrarse en la Asociación de Usuarios de Internet: http://www.aui.es/.
• 2. http://www.systransoft.com/.
• 3. Los sistemas más conocidos son: IBM Translation Manager, Déjà Vu, Eurolang Optimizer, STAR-Transit, TRADOS Translator Workbench.
• 4. http://www.lisa.org/.
• 5. http://www.atril.com/.
• 6. Survey of Machine Translation products and services Summary of a report to the European Commission.
  Equipe Consortium Limited, September 1996. http://www.hltcentral.org/usr_docs/MTSurvey/MTSurvey.htm.