Glorias y miserias de la traducción automática

Ponencia presentada en las Jornadas "Lengua e Informática" organizadas por la Asociación de Técnicos de Informática – SIMO – 4 de noviembre de 1999
 

1. Problemas inherentes a la traducción
1. Las dificultades
2. La traducción literaria
3. La traducción técnica
4. El proyecto SATMET. Un ejemplo práctico
1. Preedición
2. Traducción por ordenador
3. Problemas léxicos
4. Problemas sintácticos
5. Postedición.
5. La trducción automática hoy. Estado de la cuestión
1. El informe ALPAC
2. El informe JEIDA
2. Referencias bibliográficas

Problemas inherentes a la traducción

Antes de entrar en el análisis de los problemas inherentes a la traducción automática, no puedo evitar la tentación de hacer algunas reflexiones sobre la traducción tal y como se ha entendido tradicionalmente, la denominada "traducción humana", que todavía es y seguirá siendo, personalmente creo que por bastante tiempo, la traducción por antonomasia. Hacer estas reflexiones nos ayudará, además, a vincular los problemas con que se encuentra el traductor humano a los que se deben prever en el diseño de sistemas de traducción automática.

En opinión de muchas voces autorizadas, el hecho mismo de la traducción, y me refiero todavía a la traducción humana, es una empresa condenada al fracaso. Títulos tan expresivos de libros recientes como "El delito de traducir" (1), del profesor Santoyo, de la Universidad de León o "La imposibilidad de la traducción" (2), del profesor Dámaso López, de la Universidad de Castilla - La Mancha, ponen en evidencia la duda razonable sobre las posibilidades de éxito a que puede aspirar quien se pone a traducir. No hay virtualmente ningún libro entre la abundante literatura especializada en la teoría de la traducción que se ha generado y se está generando en las últimas décadas, que no ponga de manifiesto esa duda, cuando no una decidida negación de la posibilidad de traducir. Según Samuel Johnson, "la única traducción posible es la científica". Por no hablar del conocido adagio italiano "Traduttore, tradittore".

En cuanto a las opiniones que suscita la traducción automática, se han producido en los últimos cuarenta años varios flujos y reflujos, pasando por pasiones e indiferencias, apasionados entusiasmos y airados rechazos. Ahora, los ardores parecen haberse moderado en uno y otro sentido, y ya nadie parece esperar tanto ni despreciar tan enérgicamente las posibilidades de la tecnología que nos ocupa. Ya todo el mundo parece tener claro que ni es la panacea que auguraba Warren Weaver en 1947 ni la entelequia desprovista de futuro que dictamino la comisión ALPAC en 1966.
 

Las dificultades

¿Qué es lo que hace tan difícil la empresa? Recordando lo que dijo Alonso de Madrigal, El Tostado, allá por el siglo XV:

"Para hacer una traducción son dos cosas al menos necesarias: la primera, entendimiento de la verdad que se interpreta. La segunda, perfecto conocimiento de los dos idiomas.

Un traductor no puede traducir con verdad si no tiene conocimiento de lo que traduce."

En verdad, los requisitos que exigía el cultísimo obispo son bien razonables, y de su no cumplimiento nace tanta aberración como leemos en las traducciones que sufrimos. Pero hemos de reconocer que no son ni mucho menos fáciles de cumplir.

¿Quién tiene un conocimiento perfecto de dos idiomas? ¿Cuántos tan solo de uno, del suyo materno? ¿Cuántas personas distinguen los matices y sutilezas de lo que denominamos sinónimos sin que realmente lo sean?

Y, en cuanto a lo que Alonso llamaba "la verdad que se interpreta", es decir, la materia, tema o disciplina de que trata el texto a traducir, aún en los técnicos y científicos, cuya traducción se suele tener por más sencilla, con excesiva frecuencia es notorio el desconocimiento de que hacen gala los traductores de turno. Se podría añadir el descuido, y la poca atención al sentido y al significado del texto, y el escaso sentido común, y la pobreza de sensibilidad lingüística, y la prisa, y, ¿por qué no decirlo?, la desidia tal vez ocasionada por unos emolumentos demasiado bajos.

Todos los problemas que puedan encontrarse los humanos con la traducción, se ven incrementados con la traducción automática. Veamos un ejemplo facilito.

Hace ya bastantes años, leyendo una traducción de "Fiesta", de Hemingway, tropecé con una frase que me produjo cierta perplejidad. Era algo así como (cito de memoria) "... el sol brillaba sobre las paredes concretas de la plaza".

¿A cuento de qué venía lo de "concretas"? Me resultaba difícil entonces, y me lo resulta todavía, concebir las paredes de una plaza de toros (ese era el contexto) como un ente abstracto. Fueron necesarios un poquito de reflexión y unos conocimientos, siquiera elementales, de inglés para colegir que el traductor se había dejado engañar por lo que se conoce como un "falso amigo", en este caso provocado por una homografía. Lo que con toda seguridad había en la mente de Hemingway al escribir "concrete walls" eran unas "paredes de hormigón" o, lo que es lo mismo, de concreto, término que si bien en España se usa poco con ese significado, es muy usado en América (DRAE, acepción 2).

Es este un caso típico de homografía que al traducir del inglés resulta doblemente problemático. La palabra funciona en unos casos como sustantivo (hormigón) y en otros como adjetivo (concreto, -a, -os, -as). Ni la morfología ni la sintaxis nos ayudan en inglés, al carecer el sustantivo de género y el adjetivo de género y número que nos aporten pistas aclaratorias. En español, además, la preposición "de"nos ayuda un poco más, aportando el matiz "hechas de". A mi entender, el traductor (cuyo nombre no merece ser recordado) podía haber resuelto la dicotomía con un poquito de sentido común, de pensar un poco lo que leía y lo que escribía. Pero seguramente tenía prisa. Otra cosa que podía haberle ayudado habría sido pasar la traducción por el tamiz crítico de una lectura ajena, lo que algunas agencias de traducción llaman "la sombra", alguien no sujeto a los condicionantes lingüísticos que a menudo sufren (sufrimos) los traductores (literalidad, calcos sintácticos, los mencionados "falsos amigos", etc.), y que al leer el texto traducido sin estar influenciado por el texto original, detecta fácilmente la falta de naturalidad, las expresiones oscuras o ambiguas o los términos de difícil comprensión. En la traducción automática "la sombra" es una absoluta necesidad, lo que se conoce como postedición, que pone un poco de cordura en los frecuentes dislates léxicos y sintácticos con que nos regala los sentidos el traductor automático.

Pero no cabe duda de que, en términos de traducción automática, la solución del problema debe pasar por un proceso distinto al del "sentido común", que si entre los humanos es el menos común de los sentidos, en las máquinas está aún en el dominio de lo borroso, demasiado borroso. ¿Cuál hubiera podido ser el planteamiento para resolver la dicotomía planteada por las tan mentadas paredes? Se me ocurre, en principio, que en las tablas léxicas del programa traductor podría existir un campo en la definición de los sustantivos que indicase precisamente si se trata de un objeto concreto o de una idea abstracta. En este caso, el término wall estaría marcado como concreto, lo que mediante una programación adecuada excluiría el uso de concrete como adjetivo. Pero justo es reconocer que ello requeriría una programación extremadamente cuidadosa.
 

La traducción literaria

La traducción literaria y la técnica requieren del traductor distintas dotes y formaciones profesionales. El traductor literario se encontrará con expresiones idiomáticas, giros y situaciones que raramente se encontrarán en los textos científicos y técnicos. Se enfrentará, además, con uno de los problemas más formidables de la traducción, el que hace dudar a tantos de su misma posibilidad: las fronteras culturales. El contexto cultural de los pueblos va generando lengua, tomando de su entorno analogías que no siempre se pueden trasladar a otras culturas, no al menos de forma directa. Tomemos un ejemplo muy nuestro, el mundo de los toros. El español menos aficionado a la fiesta, por ejemplo, yo, ha dicho alguna vez expresiones del tipo de "Estar al quite, Ver los toros desde la barrera, Hacer algo al alimón, Estar templado para la muleta, Cortarse la coleta", y otras por el estilo, sacadas todas ellas del mundillo que las generó y adoptadas para siempre por el lenguaje corriente. Pues bien, ni aún la traducción más afortunada puede evocar en un siamés, por ejemplo, las mismas esencias que estas expresiones evocan en mí, aun siendo yo tan ignorante y tan poco partidario del arte de Cúchares.

Estas dificultades de traducción intercultural, la riqueza connotativa y evocadora de determinadas expresiones y palabras, junto con la no menos importante dificultad de la conservación del estilo original, que es parte esencial del mensaje literario (3), hacen que la posibilidad de utilizar la traducción automática para obras literarias esté fuera de toda consideración.
 

La traducción técnica

En cuanto al traductor técnico, y por aquello de "la verdad que se interpreta", es evidente que necesita una preparación y un conocimiento específicos, no tan solo de la terminología de la rama que traduce, sino que debe conocer los conceptos y principios, siquiera generales, de la disciplina en que se ocupa. De lo contrario, estará continuamente expuesto a interpretaciones erróneas.

Los problemas de la traducción técnica son fundamentalmente de orden léxico y concrptual. La continua y cada vez más rápida aparición de neologismos exige del traductor una permanente puesta al día sobre los nuevos términos, tanto en su aspecto conceptual como en su posible versión en la lengua meta. Es bien conocido el hecho de que en la terminología técnica hay una fuerte tendencia a la conservación de la versión original, que, con excesiva frecuencia, acaba siendo adoptada en forma de préstamo o de calco. Muchas veces esa adopción es totalmente innecesaria, por existir en la lengua meta una palabra o expresión totalmente equivalente. Este es un fenómeno que se da sobre todo en las jergas profesionales, algo así como la pretensión de un lenguaje críptico y sacerdotal tan solo asequible a los iniciados.

Pero los problemas léxicos son los de más fácil solución en traducción automática. Es ‘solamente’ una cuestión de recopilar un buen corpus de la materia o materias que se pretende traducir, cosa que al fin y al cabo, también debe hacer el traductor humano. Pero los textos técnicos no suelen contener la riqueza lingüística de los literarios, por lo que sí son los candidatos naturales a la traducción automática.
 

El proyecto SATMET. Un ejemplo práctico

En el estado actual tanto de la lingüística computacional como de la teoría de los lenguajes naturales, no cabe, en rigor, hablar de traducción automática. En realidad, se trata de procesos semiautomáticos, que requieren una intervención humana previa y posterior al proceso de traducción realizado por la máquina.

Durante los años 1993 y 1994 participé en Estocolmo en un proyecto denominado SATMET, Semi Automatic Translation METhod. En éste proyecto, que utilizaba como base el sistema LOGOS, se combinaba el desarrollo de un sistema de traducción semiautomática con la obtención de resultados prácticos, tanto en su aspecto de producción como en su rentabilidad económica. En este sistema, el proceso de traducción se dividía en tres etapas típicas: Preedición, Traducción por ordenador y Postedición.

El proyecto incluía, además, una cuarta etapa, ya fuera del proceso productivo, mediante la cuál se pretendía llevar a cabo un refinamiento progresivo del sistema. Mediante el análisis de los errores observados en las traducciones obtenidas, se procedía a la modificación de las tablas internas del traductor, tratando así de evitar aquello tan humano de ‘tropezar dos veces en la misma piedra’ y tendiendo a obtener unos resultados cada vez mejores.
 

Preedición

Traducción por ordenador

Las tablas léxicas, las reglas sintácticas y la información semántica son el corazón de un sistema de traducción automática. De lo cuidado de su diseño depende el éxito o el fracaso del proceso.

Hay algunos problemas específicos de la traducción por ordenador que merece la pena ver aquí, siquiera someramente. Estos se pueden dividir en tres grandes grupos: léxicos, sintácticos y semánticos o contextuales.

Problemas léxicos

Un problema de particular envergadura, como hemos entrevisto, es el de las polisemias y las homografías. En los sistemas que se usan en la actualidad para fines prácticos, el problema se resuelve a medias al estar los textos a traducir bastante ceñidos a unos temas muy concretos y estar, por lo tanto, el contexto muy acotado. Es lo que se denomina sublengua o submundo. La siguiente lista de ocurrencias de un conocido programa de traducción automática, LOGOS (por otra parte uno de los sistemas más aceptados), nos puede dar una idea de los despropósitos que se pueden obtener al no tener en cuenta el contexto de lo traducido:
 

Término inglés	Contexto general	Contexto técnico
trim	adorn(-ar, -o) recort(-ar, -e)	ajust(-ar, -e) calibr(-ar, -ación)
premises	premisas pretextos	locales instalaciones
frame	marco	trama
argument	discusión	argumento
level	contemporizar	nivel
acknowledge	reconocer	confirmar, confirmación
date	salir, tener una cita	fecha
relative	pariente	relativ(-o, -a, -os, -as)
collect	coleccionar	recopilar
type	teclear	tipo
seconds	apoya (secunda)	segundos
time	temporizar, cronometrar	= + tiempo, hora
has still listeners	tiene oyentes tranquilos	tiene aún oyentes (audiencia)
outgoing	sociable	saliente
market dependent	persona a cargo del mercado	dependiente del mercado
auto .... category	categoría ... del coche	categoría auto ...

Problemas sintácticos

Podemos ver que en algunos casos, no solo cambia el significado, sino incluso la parte de la oración. Términos tan frecuentes en el contexto técnico, y no solo en él, como date, pueden ser tomados, y de hecho lo fueron en un documento corregido por mí, en el verbo salir con el significado de tener una cita. Es fácil imaginar el regocijo. Pero, ¿cómo puede llegar a ocurrir tamaño despropósito? ¿Acaso el programa no sabe distinguir entre un sustantivo y un verbo? Pues precisamente ahí esta el meollo del problema. En su estrategia de análisis de la oración original, el programa trata de ir extrayendo progresivamente el sujeto, el verbo y los sucesivos complementos. En una frase del tipo:

The system dates included in the register ....

El sistema hace el siguiente análisis sintáctico:

Complemento directo: (those) included in the register

Con lo que nos podría dar la siguiente traducción:

El sistema sale (o ‘tiene una cita’) con las incluidas en el registro.

En efecto, una vez localizado el sujeto, el analizador sintáctico busca con avidez un verbo; y se encuentra con dates, que le sirve de maravilla como tal. Hasta tiene su ‘s’ de tercera persona y todo. Así que hace de agencia matrimonial y le proporciona una cita al sujeto en cuestión. Algo parecido ocurre con type, seconds, time, por mencionar tan solo algunos de los ejemplos de la lista anterior, obtenidos de casos reales de traducción automática corregidos por mí.

El punto de partida de esa cruzada en busca del verbo anhelado comienza una vez que el programa determina que ya ha encontrado el sujeto. Pero el origen del problema está precisamente en las muchas dificultades que eso encierra. El mismo problema se produce con los complementos directo e indirecto, es decir, es un problema general de los grupos nominales, especialmente con algunos de ellos, por ejemplo:

(TM = Traducción de máquina, TH = Traducción humana o corregida)

• Entidades afectadas de un nombre propio, siendo las entidades sustantivos tales como ‘device, unit, module, program, command, program, cabinet, shelf, bay, message, menu, window, line ...)

ej. the BTE device => el BTE de dispositivo => el dispositivo BTE),
• Enumeraciones. Caso particular de entidades afectadas de nombre propio

ej. Is device IT, OT or BT selected?
TM ¿Está IT el dispositivo, OT o BT seleccionado?
TH ¿Está seleccionado el dispositivo IT, OT o BT?
• Rangos

ej. 1 This command connects devices CR1 – CR5 in consecutive order
TM Este comando conecta -CR1 de dispositivos; CR7 en la orden consecutiva
TH Este comando conecta los dispositivos CR1 - CR7 en orden consecutivo
ej. 2 This command deblocks devices IT and OT
TM Este comando desagrupa IT de dispositivos y OT
TH Este comando desagrupa los dispositivos IT y OT

• Private extension check digits

Dígitos de verificación de número de extensión privados
Dígitos de verificación de número de extensión privada.

(El sentido común nos dicta que lo privado es la extensión, no los dígitos. Pero, ¿quién se lo dicta al ordenador?).

• The black old car owner

- El propietario del viejo coche negro
- El viejo propietario negro del coche
- El propietario negro del coche viejo

¿Qué es viejo, el coche o su propietario?

Todas ellas podrían ser interpretaciones posibles

Una vez vistos estos grupos nominales aislados, veamos el efecto que produce la imprecisión de la frase nominal en un caso un poco más complejo:

• Does the signalling fault supervision alarm need to be reset?

TM - ¿La supervision de fallo de señalización alarma la necesidad que tiene de ser
restaurada?
TH ¿Necesita ser restaurada la alarma de supervisión de fallo de señalización?

Postedición

En cuanto al proceso posterior, el revisor del texto producido por la máquina, la sombra, debe corregir todos los errores léxicos, sintácticos y de interpretación con que, sin duda alguna, nos regalará los sentidos la traducción que obtengamos. Vistos los problemas analizados en los apartados anteriores, tan solo una pequeña muestra de los que aquejan a todo sistema de traducción, es fácil comprender los despropósitos que pueden salir de cuando en cuando de las entrañas de la máquina traductora. Cuando en los pasillos del Centro de Servicios Lingüísticos resonaba una carcajada, acudíamos todos al despacho del que salía para compartir el regocijo del corrector ante la nueva inefable ocurrencia de la máquina.

Y si se quieren algunos ejemplos más, basta con acceder a alguno de los sitios web que ofrecen un servicio de traducción en línea, por ejemplo Altavista (http://www.altavista.com/).

La traducción automática hoy. Estado de la cuestión

Como nos recuerdan F. Marcos Marín y sus colaboradores (4), la traducción automática ha pasado en cuatro décadas por diversas vicisitudes, que van desde el entusiasmo fervoroso de antaño hasta la actual moderación, pasando por el total repudio.

Al terminar la 2ª Guerra Mundial, animados por el entusiasmo de Warren Weaver, uno de los padres de la disciplina, varios grupos empezaron a investigar sobre la traducción automática. No tardaron en darse cuenta de que la cosa no era, ni mucho menos, tan simple como se había `previsto.
 

El informe ALPAC

En 1966, la Sección de Ciencias del Comportamiento de la Academia Nacional de Ciencias norteamericana pidió un informe sobre el estado de la traducción automática y sus perspectivas de futuro. Para ello se formo el Comité ALPAC (Automatic Language Processing Advisory Committee). El informe emitido, Informe ALPAC (7), fue tan demoledor que durante los siguientes años se fueron denegando todos los fondos oficiales para investigaciones dedicados a este fin, hasta que en 1975 quedaron reducidos a cero.

En la época de la publicación del informe ALPAC (guerra fría, carrera espacial) el principal interés de traducción por parte del gobierno norteamericano estaba centrado en la traducción del ruso al inglés. Es anecdótico. pero significativo, el ejemplo (4) del resultado obtenido con una traducción realizada en este par lingüístico, primero del inglés al ruso, después del ruso al inglés (una especie de prueba del nueve de la traducción automática):

Original inglés (equivalente español):

El espíritu es fuerte, pero la carne es débil

Resultado obtenido después de traducir al ruso y volver a traducir al inglés:

El vodka es bueno, pero el filete está podrido

A la vista de un resultado así, tal vez no debieran extrañarnos las conclusiones del comité ALPAC.
 

El informe JEIDA

Pero las necesidades de traducción siguieron creciendo, llegando a constituir un verdadero problema para los grandes organismos internacionales, especialmente para la Comunidad Europea, en la que los documentos oficiales se han de traducir a los idiomas de todos los países miembros. Esto originó el proyecto Eurotra (4). Además, algunas empresas de la industria privada vieron una posible fuente de negocio y desarrollaron sistemas comerciales, como SYSTRAN y LOGOS, entre otros. Un importante colectivo que siguió interesado en la tecnología que nos ocupa era la industria japonesa, que desde la redacción del informe ALPAC había experimentado un importante crecimiento, y con él la necesidad de traducciones de sus manuales y documentos, requisito ineludible para la exportación de sus productos. En 1988, la Asociación para el Desarrollo de la Industria Electrónica Japonesa, JEIDA, realizó un estudio del estado de la tecnología de traducción automática, tomando como base de comparación el informe ALPAC, y teniendo en cuenta el gran avance que durante esos doce años habían experimentado la electrónica y la informática. Como resultado de este estudio, se publicó el Informe JEIDA (8), que si bien coincidía con ALPAC en algunos puntos, consideraba un error su conclusión más importante, la inviabilidad de la traducción automática y su recomendación de no invertir fondos gubernamentales en su desarrollo. Según JEIDA, que contenía un estudio exhaustivo de todos los proyectos de I+D sobre traducción automática en curso o que habían tenido lugar con algún resultado positivo desde 1966, se había producido un cambio radical de la situación desde los días de ALPAC, que aconsejaba continuar haciendo estudios, especialmente en el campo de la lingüística computacional y en el procesamiento de lenguajes naturales, y en la mejora y desarrollo de datos lingüísticos, tales como diccionarios y gramáticas. El estudio en estos campos sigue siendo el gran caballo de batalla que complementaría el espectacular desarrollo que se ha producido en la industria electrónica, que pone a disposición de los investigadores ordenadores que superan en ordenes de magnitud a las capacidades de memoria y velocidades de proceso de los que se usaban en 1966.

La piedra de toque para determinar si, en su estado actual, la traducción automática puede considerarse una técnica útil es preguntarse qué se pretende de ella y qué se está obteniendo.

Las necesidades de traducción del mundo actual son ingentes (4, 5). Las agencias y organismos dedicados a la traducción se encuentran sobrepasados y no dan abasto. Muchos de los documentos que se necesita traducir solo requieren lo que se denomina un "resumen informativo", tan solo lo imprescindible para que un ejecutivo pueda tener una información inmediata sobre determinado asunto. En muchos de estos casos, la calidad del estilo no resulta un problema importante, aunque sí la precisión y la claridad. Los contextos suelen estar bien delimitados.

En todos estos casos, la traducción semiautomática puede ser una solución aceptable en su estado actual, entendiéndola como un proceso mecánico con intervención humana previa y posterior, y en algunos casos de forma interactiva para resolver ambigüedades durante el proceso de la traducción.

En los últimos años ha adquirido gran auge una tecnología denominada traducción asistida, en la que el traductor se sirve de un programa que le ayuda a resolver problemas de traducción ya resueltos anteriormente, lo que además aporta consistencia a la terminología y al estilo. Estos sistemas, denominados también memorias de traducción, se sirven de traducciones hechas anteriormente (por ejemplo, para un proyecto o cliente determinado), indicando al traductor cuando existe una coincidencia total o parcial en términos de porcentaje y sugiriendo la traducción que hay en su memoria con indicación de aquellas palabras o términos que varían. Tras las correcciones necesarias, el traductor acepta la sugerencia y continúa con la siguiente unidad de traducción (párrafo). De entre estos sistemas, Trados es tal vez el más utilizado, incluso por traductores autónomos, que ven así incrementada su productividad. Además es cada vez más frecuente que las agencias que encargan los trabajos proporcionen las memorias de traducción ya existentes para ese proyecto, en aras de la mencionada consistencia.

Sigue siendo cierta una de las conclusiones del Informe JEIDA, cuando se van a cumplir doce años de su publicación:

"Los fenómenos lingüísticos que en la actualidad se pueden abordar mediante la traducción automática son limitados, pero la traducción automática sigue haciendo continuos progresos. En los Estados Unidos, en Europa y en el Japón están apareciendo y se están usando sistemas con utilidad práctica."
 

Referencias bibliográficas

1. El delito de traducir (3ª ed.)

Santoyo, J. C. - Universidad de León, Secretariado de Publicaciones – 1996
2. Sobre la imposibilidad de traducir

López García, Dámaso – Universidad de Castilla – La Mancha, Servicio de Publicaciones – 1991
3. Presente y futuro de la traducción automática

Rodríguez Jiménez, Manuel – Original facilitado por el autor
4. El proyecto EUROTRA en el marco de la investigación sobre traducción por ordenador

Marcos Marín, F et al. – TELOS nº 16 – PP.90 – 99
5. El idioma español y la traducción automática

Bel, Nuria –Boletín de FUNDESCO nº 163 pp. 17-18
6. Evaluating MT for Message Translation

Flanagan, Mary A. - Keystones of Communication – Proceedings of the 34^th Annual Conference of the American Translators Association – p. 307 – 318 – Learned Information, Inc – Medford, N. J.
7. The ALPAC Report

Division of Behavioral Sciences – National Academy of Sciences
National Research Council (1966)
8. The JEIDA Report – A Japanese view of Machine Translation in light of the considerations and recommendations reported by ALPAC

Japanese Electronics Industry Development Association (1988)