Sin embargo, hay un problema que nos frena para el “lanzamiento” final: aún tenemos que añadir muchas palabras al diccionario, salvo para algunos glosarios o temáticas con las que ya funciona muy bien. Es una pena que la falta de una palabra arruíne la traducción de una frase. Las más corrientes ya están introducidas, pero si metemos un texto de medicina forense, o física atómica… una frase sencilla puede salir mal símplemente porque “yugular” no esté en el diccionario. Es fácil de arreglar, en ello estamos, pero lleva tiempo. No una palabra, que se añade en menos de un minuto, pero sí miles.

Así que la pregunta que nos hacemos, desde hace meses, es: ¿cuántas palabras faltan? Tenemos ya unas 300.000 ¿quedan muchas más?

Debo aclarar que cuando digo “palabras” no me refiero solamente a eso, a palabras. El diccionario que usamos, que hemos creado a medida del programa, distingue cada una de las acepciones o significados de las palabras. No puede ser de otra forma, si queremos “entender” lo que se dice en cada frase. Y, sobre todo, porque al ser un diccionario de equivalencias entre dos idiomas, el que varios conceptos se escriban de la misma forma en un idioma en absoluto garantiza que sea así en el otro, que frecuentemente utiliza diferentes “palabras” para estos diferentes conceptos.

Todo esto puede parecer muy teórico, y desde luego fuera del ámbito de un ingeniero como yo, o de los programadores que han diseñado el diccionario, pero es en realidad tremendamente práctico.

A diferencia de filólogos y estudiosos de la Lengua, nosotros tenemos que concretar, que clasificar en listas “cerradas” y muy concretas, aun a riesgo de cometer algunos errores “formales” o simplificar aspectos que no sean relevantes para nosotros. El diccionario es una base de datos “estructurada”, con una serie de campos, propiedades, opciones y atributos que forma, por definición, una estructura rígida. Todo lo contrario que el Lenguaje, que es subjetivo, sutil, cambiante y con frecuencia ambiguo. Todas estas cualidades están muy bien para escribir poesía, pero para utilizar las palabras con un programa informático, hay que “encasillar” el lenguaje y definir esta estructura, y luego meter en ella las miles y miles de palabras que nos vamos a encontrar al traducir un texto cualquiera.

Así que, volviendo a la pregunta inicial y siempre desde este punto de vista “práctico” y simplificador, ¿cuántas palabras hay?

Para empezar, tenemos que distinguir los diferentes significados, como ya he comentado. Así que “house” puede ser “casa”, pero también “albergar”. Palabras distintas en español, con función gramatical distinta, atributos totalmente diferentes… Ya empezamos mal. Si teníamos, por decir algo, 100.000 palabras, acabamos de multiplicarlas por 2 ó 3 en un momento.

El siguiente problema es la combinación de dos o más palabras. Por una parte unas condicionan a otras: “easy woman” es mujer promíscua, mientras que “easy life” puede ser vida cómoda (por ejemplo, no se trata ahora de abrir una discusión sobre la traducción exacta). Lo importante es que no solo “easy” puede significar cosas diferentes, sino que depende del sustantivo al que acompaña. Más datos para el diccionario.

Por otra parte, muchas palabras se unen para nombrar un concepto, actuando como una sola palabra y con una equivalencia precisa en español que puede estar representada por una o más palabras. “Lost and founds”, por ejemplo, equivale a “objetos perdidos”. Actúa como una palabra independiente, luego es una “entrada” más en nuestro diccionario.

¡Y de este tipo de expresiones hay muchas, muchísimas! Ha sido uno de los “descubrimientos” de los últimos meses: la cantidad de “expresiones hechas” que utilizamos. Y cada sector de actividad, cada glosario temático, tiene las suyas propias. Al igual que combinando poco más de 20 letras formamos cientos de miles de palabras, al combinar dos o más palabras podemos formar decenas de miles de expresiones, que usamos cada día.

Con este nuevo “descubrimiento”, el diccionario acaba de crecer otra vez. Muchísimo. Aunque hay una buena noticia: la traducción de estas “expresiones” es muy sencilla porque suelen tener una única equivalencia. Lo malo es que hay que meterlas en el diccionario, una a una.

Otra mala noticia nos la dan los nombres propios. Palabras nuevas, o no, que no se traducen. El ex-presidente mejicano, Mr. Fox, no es el el Señor Zorro. Y Michael Schumacher no es Miguel Zapatero (aunque es alemán, uso el ejemplo porque acabo de ver la carrera de Monza). Aquí el número de “nuevas” palabras acaba de dar otro salto enorme. Una vez más es un diccionario “sencillo” porque la traducción es inmediata (o se deja como estaba), pero una vez más hay que meter estas entradas en el diccionario, y lleva su tiempo.

En fin, que conseguir un diccionario “completo” de inglés a español es un trabajo largo, muy largo. La solución, a corto plazo, es ir completando glosarios temáticos y traducir, de momento, solo textos que pertenezcan a estos temas. El resto, poco a poco y con tiempo…

Los profanos en la materia (de la traducción) no suelen ser conscientes de la enorme dificultad que entraña la traducción de un texto entre dos lenguas con raices distintas. No estoy hablando, ni ahora ni casi nunca en este blog, de traducir entre idiomas o lenguas con raíces comunes: español – catalán, francés… gallego. Esto no es un reto hoy en día.

De lo que hablamos es de traducir entre dos idiomas muy diferentes, de inglés a español, por ejemplo. No solo muchas palabras son completamente distintas, sino la estructura gramatical, las relaciones sintácticas, el número y orden de los diferentes elementos… todo puede cambiar en una simple frase.

Los “convencidos” del poder de la tecnología lo ven como un paso más en el imparable avance de la evolución informática. Pero no es tan fácil. Hay mucho más de lo que parece.

En el otro extremo, expertos lingüistas tienen argumentos de peso para defender lo inalcanzable de la meta. La complejidad del lenguaje humano plantea retos muy difíciles. No es la extensión, la cantidad de palabras, es la variedad de combinaciones. No es un problema de potencia de cálculo, en un problema de análisis.

Personalmente me parece un problema similar a la creación de un programa para jugar al ajedrez. Por un lado tenemos el enfoque del superordenador de IBM, ”deep blue”, procesamiento masivo. Por otro, los programas como Fritz, con un planteamiento mucho más “inteligente” y, desde luego, un jugador humano, con su creatividad e intuición.

De igual forma, los diccionarios te pueden sugerir la equivalencia (más bien varias equivalencias) de cualquier palabra de una lista de cientos de miles, pero traducir “¡no me tomes el pelo!” se convierte en un reto imposible para ellos.

El lenguaje humano, sus reglas (y sus excepciones), su estructura gramatical y sintáctica, su variedad casi infinita es, por encima de todo, poco estructurado. nada hay más fácil que guardar en una base de datos un lista de facturas de una empresa, y pocas cosas más difícil que acomodar en una estructura rígida y reducida la variedad de las palabras de un idioma.

No es extraño que haya personas que consideren imposible, al menos a corto plazo, que un programa de traducción alcance un nivel comparable al de un humano.

Sin embargo hay un planteamiento que teóricamente parece irrefutable: ¿Puede un programa de traducción seguir el mismo razonamiento, el mismo procedimiento que utiliza un traductor humano para traducir un texto? Si fuera capaz de repetir los pasos, ordenados y sistemáticos, que da un traductor profesional, podría llegar al mismo resultado.

Es posible, aunque hemos resuelto un problema (en teoría) para encontrarnos con dos: definir de una forma estructurada el proceso de traducción humana y reproducir en una base de datos la información que maneja una persona al hacer este trabajo (la memoria, nada menos). Ambos retos son complicados, aunque puede que no sean imposibles. De hecho es el proceso que hemos seguido con VICTOR.

Y hay incluso algunas ventajas. Sí, hay algunas cualidades de las máquinas que las hacen mejores en algunos aspectos concretos. Su memoria, casi ilimitada y siempre perfecta. Aunque siempre se ha despreciado la memoria frente a la inteligencia, es una cualidad imprescindible para traducir (y para muchas otras cosas más, por supuesto). Traducir una frase es, por encima de todo, recordar las equivalencias de las palabras y expresiones en el otro idioma. Obviamente esto no es suficiente (ya lo he comentado al hablar de los diccionarios), pero es imprescindible. Un diccionario de consulta ayuda, sobre todo en traducciones técnicas, pero sería imposible traducir sin conocer previamente, sin recordar fácilmente la mayor parte de las palabras a traducir.

Y en esto los ordenadores sí son mejores que las personas. Dile a una máquina que “house” es “casa” y no lo olvidará nunca. O que “lost and found” significa “objetos perdidos”. Las máquinas, como las personas, necesitan un aprendizaje previo, rellenar su “memoria”. La ventaja es que su recuerdo es perfecto, pueden “alimentarlo” diferentes personas (es muy acumulativo) y es prácticamente ilimitado.

En contrapartida, por supuesto, su “base de datos”, su diccionario es mucho menos rico que el de una persona porque nosotros recordamos con cada palabra muchos otros aspectos que nos ayudarán a elegir la más adecuada en cada caso, algo que resulta mucho más difícil de conseguir con las máquinas (aunque no es imposible).

Es difícil que un traductor humano diga que “una foca (seal) ha sellado una tubería”, algo que una máquina hace sin el menor rubor.

Pero también es difícil, por no decir imposible, que el “diccionario” de una persona, su memoria, recoja 300 ó 400 mil palabras y expresiones distintas y las maneje con total soltura.

En definitiva, los programas informáticos pueden conseguir resultados realmente buenos, aunque no es nada sencillo. Reproducir el razonamiento de un traductor al entender una frase y posteriormente construir su equivalente es una tarea muy compleja, pero no imposible.

Los informáticos tenemos una ventaja importante: están las versiones “beta”. No hay versión beta de una casa: o te puedes ir a vivir a ella, o no (aunque algunos constructores entregan casas que más que “betas” son, directamente, prototipos sin acabar).

Google usa mucho el “lanzamiento de versiones beta”. Y como es lógico, muchas empresas le han copiado la idea, con el bastante absurdo razonamiento de que… “si falla, es porque es una versión beta”. En realidad no es tan absurdo, si lo planteas bien. Una versión “oficialmente” beta te permite probar el producto antes de su lanzamiento para que puedas conocer algunas de sus características por anticipado, sabiendo que presentará algunos fallos respecto a la versión final.

Esto se puede hacer con los programas informáticos que usamos en un ordenador personal, pero no con la contabilidad de la empresa, ni con un avión lleno de pasajeros.

El problema, desde el punto de vista del equipo de desarrollo, es decidir cuándo un nuevo programa está “suficientemente acabado” como para lanzar una versión “beta”, con pequeños errores, o hay que esperar a la “definitiva”. No es una decisión trivial ni fácil y puede tener muchas consecuencias.

Volviendo al símil de antes, no se puede lanzar un programa de contabilidad que sume mal las facturas. Aunque sean unos céntimos. Hay errores que no se pueden admitir y funcionalidades que no pueden faltar. ¡Ni siquiera en una versión beta!

Sin embargo, un programa de traducción automática es un producto muy diferente. Lo que se busca, la “meta final”, es disponer de una herramienta que mejore la productividad de los traductores o que “de una idea”, relativamente fiel, del contenido de un texto escrito en otro idioma. No se busca la perfección, entre otras cosas porque no siempre hay una solución única (hasta los traductores humanos pueden discrepar en la traducción de un mismo texto).

Por tanto, la pregunta que hay que hacerse es: ¿es este programa lo suficientemente bueno? ¿Es útil para traducir los textos que necesito en mi idioma?

Lo curioso es que, sin ser necesario un 100% de acierto (como sí pasa en otros casos), sí que es imprescindible un nivel de acierto muy alto, probablemente por encima de un 90-95%, para que el programa sea útil. Y esto ocurre porque un número relativamente pequeño de errores hace que desconfiemos de todo el texto, incluso del que está bien traducido.

Este “comportamiento” tan ingrato no es nuevo. Pasa, por ejemplo, con los programas de reconocimiento de voz. Aciertan en mucho más que el 50% de las palabras. Probablemente están, los buenos, por encima del 90% de acierto. Sin embargo no se usan ¿conoces a alguien que los use regularmente? Un 90% no es suficiente. Es como necesitar un 9,5 sobre 10 para aprobar un examen: nos parecería muy injusto. Pero en estos programas, en estas herramientas, es así.

Es este el motivo de que no se usen profesionalmente programas de traducción automática entre idiomas “complicados” de traducir, como el inglés-español. Hay una barrera, un listón muy alto, por debajo del cual los programas no son útiles. Resulta más rápido para un traductor hacerlo desde cero que revisar y editar una traducción automática con más de un 10% de errores. Porque al final acaba leyendo el original siempre porque no se fía de la traducción propuesta.

Desde hace unos meses estamos trabajando con niveles del orden del 95% de acierto, que sólo precisan algunas correcciones puntuales en no todas las frases. Parece que ha llegado el momento de sacar la primera “beta”. Seguramente será en septiembre

Evidentemente no conocen VICTOR Translator.

Creo que lo mejor es leer el artículo y algunos de los comentarios.

Y, luego, echa un ojo a una traducción de un párrafo de “The Economist” de esta misma mañana, dentro del proceso de incorporación de nueva terminología que estamos llevando a cabo desde el 10 de enero.

Compared with the extraordinary fanfare before the global-warming summit in Copenhagen a year ago, the meeting of the United Nations Framework Convention on Climate Change that starts in Cancún next week has gone unheralded. That is partly because of a widespread belief that the publicity build-up to last year’s summit contributed to its failure, but also because expectations have changed dramatically. In the wake of the Copenhagen summit, there is a growing acceptance that the effort to avert serious climate change has run out of steam.

Traducción de VICTOR

En comparación con el gran revuelo ante la Cumbre sobre el calentamiento global de Copenhague hace un año, la reunión de la convención marco de las Naciones Unidas sobre cambio climático que empieza en Cancún la próxima semana ha pasado inadvertida. Eso se debe en parte a una creencia generalizada de que la propaganda de la cumbre del año pasado contribuyó a su fracaso, sino también porque las expectativas han cambiado enormemente. A raíz de la cumbre de Copenhague, cada día es más evidente que el esfuerzo por evitar el cambio climático grave ha perdido fuerza.

Como era de esperar, han surgido pequeños errores, nos hemos encontrado “sorpresas”, situaciones no previstas (algunas tan sencillas como la numeración de los párrafos), que han dado lugar a numerosos retoques en el programa.

Terminados estos cambios, el pasado lunes enviamos a uno de nuestros clientes piloto, una conocida agencia de traducción de Madrid, varios folios traducidos por VICTOR y hoy nos ha confirmado que la traducción es prácticamente perfecta.

Tanto que el cliente pensaba que había sido corregida por un traductor “humano”.

Podemos decir, con rotundidad, que hemos llegado al nivel de calidad esperado, no ya con textos de prueba, sino con textos reales.

Y ese nivel es, sencillamente espectacular. Casi indistinguible del que consigue un traductor humano

¿Qué le falta a VICTOR para ser ya un producto comercial?

La respuesta es sencilla, ampliar el diccionario.

Lo que no es tan sencillo, o más bien, tan rápido, es llevarlo a cabo.

Ya sabemos que el “motor” de VICTOR es realmente muy bueno. Sabemos que podemos conseguir una traducción automática de altísima calidad. Pero el coste, en tiempo, de introducir la terminología propia de cada temática es bastante alto. Aunque VICTOR tiene una memoria perfecta, la primera vez que aparece una palabra, una expresión, una “pareja” de sustantivo-adjetivo cuya equivalencia está condicionada por el contexto, hay que introducirla. Aunque el lenguaje es casi infinito, si nos limitamos a una temática concreta (contratos, aeropuertos, medicina, informática…) es indudable que las expresiones se repiten, que el contexto es siempre el mismo, que la terminología es común. Pero aún estamos lejos de dar por terminado un glosario completo.

El trabajo ahora es mucho más sencillo y se limita a “albañilería” lingüística. Es decir, ya no hay trabajo de programación, porque el “motor” de traducción está terminado. Es una buena noticia, pero no es el final del camino.

En las próximas semanas evaluaremos el tiempo necesario para completar un glosario concreto y planificaremos la etapa de ampliación de glosarios temáticos. A partir de ese momento admitiremos clientes “comerciales” con los plazos y mínimo de palabras exigidas.

Para terminar, concretaré un poco más el “éxito”, la calidad del texto traducido por VICTOR. De las 1.135 palabras traducidas, solo se ha corregido un error. Se han cambiado los puntos de miles y las siglas UK por “Reino Unido”. El resto se ha enviado al cliente final sin cambios.

Puedes encontrar un artículo en inglés pinchando aquí.

Es interesante la comparación con los resultados del año anterior para intentar encontrar una tendencia. Esta no es otra que un incremento entre los que ya usan traductores automáticos o tienen planeado hacerlo en breve.

Pero lo que más me ha llamado la atención es que la principal barrera para la utilización de estos programas es la calidad. Nada menos que el 75%. En los últimos años no paro de repetir nuestra sensación de que los traductores automáticos que hay disponibles en el mercado (con la excepción de Google) no evolucionan apenas en este sentido. Las nuevas versiones destacan aspectos totalmente secundarios: se integran con Word, mantienen formato de columnas, tipos de letra… permiten traducir con un solo click desde el navegador… todas ellas características interesantes pero realmente secundarias respecto a la verdadera cualidad que debe tener un traductor, automático o no: la calidad en el resultado final.

Volviendo a la encuesta (te recomiendo que leas el post), también me llama la atención el hecho de que el 57% cree que la mejor forma de utilizar traductores automáticos es para obtener un primer texto y luego editarlo manualmente.

Esta idea también la repetimos frecuentemente a nuestros posibles clientes: la traducción automática es una herramienta más de las que tienen a su disposición los traductores profesionales, una herramienta de productividad para ahorrar tiempo al obtener un borrador “de calidad” que luego revise una persona, corrigiendo pequeños errores o giros.

Claro que la clave es que el borrador sea “de la calidad suficiente”, y volvemos de nuevo a la importancia de que los traductores alcancen ese nivel que permita su uso profesional.

Al igual que en ocasiones anteriores, haremos un breve recorrido por el proyecto (unos 15 minutos) explicando especialmente las características clave que hacen de Victor un nuevo referente en calidad de resultados.

Posteriormente se traducirán algunos ejemplos de frases “especialmente” complicadas: con verbos frasales, diferentes equivalencias, frases hechas…

Finalmente se abrirá un turno de preguntas en el que los asistentes podrán ampliar la información sobre el producto y su comercialización.

A continuación, sobre las 9, se servirá un cóctel.

Puede confirmar su asistencia al 958.215.280 o a fernandomtc@victortranslator.com

Repaso, muy por encima, los principales módulos que forman el programa de traducción y las claves que nos han permitido obtener un resultado realmente bueno.

Nuestro stand está situado en el Hall 3, junto a decenas de empresas que ofrecerán sus propios productos de gestión documental, porque es otro de los productos que llevamos, la versión “multiidioma” de ArchivaTech, pero tengo varias citas previstas con empresas de traducción, por lo que espero poder contar algunas cosas interesantes (aunque supongo que será mucho más divertido ir a la zona de las TV en 3D, que todo el mundo anuncia como la gran novedad de este año).

Aunque la feria empieza dentro de una semana, adelanto ya nuestra presencia por si alguno de vosotros os queréis pasar por allí. O mandar a algún amigo o conocido a que se dé una vuelta por el stand y me salude personalmente. En el plano del Hall 3 puedes ver en gris la zona ocupada por las empresas españolas. Son 500 m2, de los que MTC Soft ocupa solo 12, por lo que te puedes hacer una idea del tamaño del pabellón (y hay más de 30).

 Este año España es el país invitado por lo que la presencia de empresas españolas es bastante más numerosa de lo habitual: 73, frente a una media de 20 – 25 de años anteriores. Sigue siendo un número pequeño, si tenemos en cuenta que habrá unos 6.000 expositores.

Porque todos los números del CeBIT son monstruosos: 400.000 visitantes previstos (solo profesionales, lo que no es difícil porque está a varios kilómetros de Hannover, por lo que no se esperan domingueros tipo SIMO).

3.000 periodistas acreditados. 900 bloggers (si no recuerdo mal). 901 si me cuentan a mí, aunque yo cuento como expositor, creo.

En resumen, creo que va a ser una experiencia interesante y voy a tener muchas cosas que contar. Las más “comerciales” las comentaré en la página web de VICTOR y las más “genéricas” tendrán su lugar en este blog, si es que tengo tiempo para hacerlo…

Porque en el CeBIT, como si fuera la semana de carnaval o fin de año en Disneyland París, hay actividades continuamente. Como ejemplo, hace unos días recibí una invitación a participar en una carrera, allí mismo, entre los pabellones, corriendo, no es virtual.

¡Aquello es tan grande que hay autobuses para desplazarse por el interior.!

VICTOR: a breakthrought in machine translation 

Lugar: Hall 6. Auditorio del pabellón de España 

Viernes 5, de 10:30 a 10:50

Ponente: Fernando Moreno-Torres Camy – Director comercial de BERCA Translator 

 Resumen: VICTOR Translator es un traductor automático de documentos de inglés a español. Se trata de un producto revolucionario ya que es el mejor programa de traducción (entre estos dos idiomas) del mundo. Tras 6 años de diseño y 4 de desarrollo hemos conseguido un programa que obtiene unos resultados de una calidad desconocida hasta ahora, muy por encima del resto de programas de traducción actuales. Es un producto especialmente atractivo para empresas españolas con necesidad de un volumen alto de traducción de inglés a español y para empresas anglo parlantes con mercado en el mundo hispano.