A cosa serve il post-editing in una traduzione, oltre a verificare l'accuratezza e l'affidabilità del testo?

Analizziamo il motivo per cui la traduzione automatica richiede ancora un post-editing e una valutazione della qualità da parte di traduttori professionisti

Indice

GearTranslations Internazionalizzazione Marketing dei contenuti Traduzione PMI

Para-que-sirve-la-post-edicion-en-una-traduccion-ademas-de-para-verificar-la-precision-y-fiabilidad-del-texto.jpg

In un mondo iperconnesso, dove i dispositivi elettronici possono facilmente collegarsi a qualsiasi rete o applicazione, l’inglese è da decenni considerato la “lingua degli affari” ed è la lingua ufficiale in più di 20 paesi.

Tuttavia, offrire i servizi o i prodotti dell’azienda in un’unica lingua per ridurre i costi di traduzione e della revisione della precisione in un dominio specifico (vocabolario tecnico), può limitare le opportunità per le imprese sui nuovi mercati.

Una delle strade che le aziende di solito esplorano per minimizzare questi costi è la traduzione automatica, che riduce drasticamente l’investimento necessario in questo servizio, e che sarebbe ancora più efficiente se non avesse bisogno di alcun tipo di post-editing umano.

Di seguito, analizziamo dove il settore si sta dirigendo a questo proposito.

Il modello attuale: né umano né robot

La traduzione completamente automatica è un traguardo che si prevedeva di raggiungere molti anni fa. E certamente ci sono stati importanti progressi.

Gli strumenti di traduzione automatica che conosciamo oggi si sono evoluti dalla traduzione per parola alla traduzione per gruppi di parole e possono eseguire automaticamente il processo di sostituzione delle parole da una lingua a un’altra lingua, ma nei risultati che offrono non riescono a tenere conto del contesto, l’area di specializzazione, lo stile e altri elementi del linguaggio utilizzati dalle persone e dalle aziende, e che sono una parte essenziale della comunicazione.

Lo sviluppo tecnologico, come gli strumenti CAT o le prime versioni della tecnologia di traduzione automatica, ha facilitato enormemente il processo di traduzione; tuttavia, l’intervento di traduttori professionisti è ancora necessario per valutare e garantire la qualità delle prestazioni della macchina.

Tali strumenti possono tradurre vocaboli e frasi associate ad argomenti generali, anche se non esiste ancora un sistema di traduzione automatica affidabile che non richieda alcuna revisione. E la necessità di revisione è accentuata nel caso di traduzioni specifiche di un settore. Cioè, quando si deve tradurre contenuto e vocabolario specifici di un settore che sono termini e frasi con una frequenza d’uso molto rara al di fuori di quel campo di interesse, per cui la macchina può non sapere associare il significato e la traduzione appropriata.

Questo non succede solo alle macchine o ai motori di traduzione, dal momento che sono termini che ignorerebbe anche un nativo senza la conoscenza di un’area specifica. Tuttavia, se volesse imparare, potrebbe farlo: per questo, avrebbe bisogno di studiare il settore e di rivolgersi ad altri professionisti più esperti per aiutarlo con i dubbi. Ma come fa la macchina a imparare ciò che non sa?

La chiave è sempre il feedback

Le soluzioni di traduzione di oggi si basano principalmente su ibridi: incorporano uno strato di automazione e il post-editing umano per garantire l’accuratezza e l’affidabilità delle traduzioni.

La ricerca in questo senso continua e si sta già lavorando alla prossima generazione di strumenti di traduzione automatica per addestrare le macchine a tradurre il vocabolario specifico di un’area (domain specific translation).

Affinché una macchina o un computer impari e svolga automaticamente un’attività ha bisogno di molte informazioni e feedback. In breve, deve studiare e sapere in cosa sta sbagliando per poter migliorare.

Recentemente, ci sono stati importanti progressi nell’elaborazione del linguaggio naturale e nell’analisi dei sentimenti. La nuova generazione di strumenti per la traduzione neurale automatica richiede insiemi di dati multilingue di notevoli dimensioni per migliorare significativamente la perfezione delle traduzioni.

Questi dati multilingue sono traduzioni corrette precedenti e basi terminologiche che si usano per addestrare meglio gli alberi decisionali nella determinazione di tutte le possibili traduzioni che una parola o frase può avere.

Tuttavia, è anche possibile lavorare su modelli di apprendimento automatico assistito dove la macchina prende le decisioni che una persona poi valuta in base al grado di successo di tale decisione, e così la macchina impara e regola i suoi risultati. È qui che i post-editor svolgono un ruolo molto importante, perché l’acquisizione delle loro modifiche consente di insegnare alla macchina tutto ciò che non dovrebbe fare.

Per beneficiare dell’uso di questa tecnologia, è fondamentale strutturare il contenuto in modo che una macchina possa capirlo, e garantire che le informazioni aziendali siano “leggibili da una macchina”.

La piattaforma di Gear Translations può aiutarti a strutturare le tue traduzioni per costruire un modello di traduzione automatica che ti faccia risparmiare tempo e velocità.

Contattaci se vuoi saperne di più!