Texto modificado de la conferencia dictada en
el curso de especialización Lingüística
Informática: Fundamentos e aplicacións. Facultade de
Humanidades, Universidade de Vigo,
noviembre-diciembre 1997. Existe una réplica en
foreignword.com.
(s) Joseba Abaitua
(Universidad de
Deusto).
La traducción automática: presente y futuro
Abstract |
Resumen |
|
The increase of information in electronic format is
linked to advances in computational techniques for dealing with it. Together
with the proliferation of informational webs in Internet, we can also see a
growing number of search and retrieval devices, some of which integrate
translation technology. Technical documentation is becoming electronic, in the
form of CD-ROM, on-line manuals, intranets, etc. An important consequence of
the popularization of Internet is that the access to information is now truly
global and the demand for localizing institutional and commercial Web sites is
growing fast. In the localization industry, the utilization of technology is
congenital, and developing adequate tools has immediate economic benefits.
(Source: Is it worth learning translation
technology?) |
La información en formato electrónico ha ido
aumentando al tiempo que las técnicas computacionales que permiten su
tratamiento evolucionan. Junto a la proliferación de portales
informativos en Internet, presenciamos el aumento de los sistemas de
búsqueda y captura de datos, algunos de los cuales integran
tecnologías de traducción. La mayor parte de la
documentación técnica está cambiando de soporte y
volviéndose digital, ya sea en la forma de CD-ROMs, manuales en red,
intranets, etc. Una consecuencia importante de la popularización de
Internet es que la información es accesible mundialmente, lo que
conlleva la "localización" (traducción y adaptación) de
multitud de portales comerciales e institucionales. En la industria de la
localización el empleo de la tecnología es congénito, por
lo que el desarrollo de herramientas apropiadas supone importantes beneficios
económicos. Fuente: Is it worth learning
translation technology? |
El ámbito de la traducción automática
Martin Kay
En
1980 Martin Kay redactó un informe interno para la empresa
RankXerox, "The Proper Place of Men and Machines in Language
Translation", inédito para el gran público hasta su reciente
publicación en la revista Machine Translation. El hecho en
sí parece inexplicable considerando el enorme prestigio de este
especialista de la inteligencia artificial. Que haya sido por fin en 1997
cuando se difunda el texto original se debe a la constatación de muchas
de las dudas y predicciones formuladas por Martin Kay hace 17 años.
Estas son algunas de sus afirmaciones:
"El ordenador es un instrumento que puede servir para magnificar la
productividad humana. Usado adecuadamente, no tiene por qué
deshumanizar, con la impronta de su sello orwelliano, los productos de la
creatividad y del trabajo del hombre sino que, apropiándose de lo que es
mecánico y rutinario, puede liberarle para que se dedique
íntegramente a las labores que son esencialmente humanas. La
traducción, aun siendo un arte delicada y precisa, conlleva muchas
tareas que son mecánicas y rutinarias. Si estas tareas fueran
encomendadas a una máquina, la productividad del traductor no
sólo se vería magnificada, sino que su trabajo se haría
más gratificante, más apasionante, más humano."
"No es adecuado encomendar al ordenador que mecanice lo que no es
mecánico, o algo cuya subestructura mecánica no ha sido revelada
para la ciencia. En otras palabras, el ordenador se usa inadecuadamente cuando
intentamos que haga algo que nosotros mismos no comprendemos. La historia no
puede ofrecer un ejemplo mejor de uso inapropiado del ordenador que la
traducción automática."
El tiempo le ha dado la razón precisamente en un momento de giro
radical en los planteamientos de un destacado sector de empresas especializadas
en software para la traducción, dedicadas al desarrollo de entornos
de traducción, sobre los que hablaremos detalladamente más
adelante. Podemos resumir las recomendaciones de Martin Kay en la máxima
de "establecer una correcta división de trabajo que optimice la
cooperación entre el traductor y su máquina"
Cuello de botella de la sociedad de la información
Sobrecarga informativa
-
En los albores de una "nueva era" que seguirá siendo
plurilingüe, la traducción es el principal cuello de botella para
la pretendida globalización de la información. Comparado
con las rotativas más modernas capaces de producir unos 20 millones
de páginas por hora, un traductor manual puede llegar a rendir, en
los casos más favorables, a un ritmo de 20 páginas por
día, mejorando muy poco la productividad del monje copista medieval
que transcribía 3 o 4 páginas por día.
- La incorporación de nuevos estados miembros a la Unión
Europea plantea graves problemas de traducción. Fuente:
The
Journal of Record for Human Language Technology(Sept. 1999)
|
When Sweden and Finland joined the EU in 1995, that
entailed translating some 60,000 pages of EU regulations, the co-called acquis
communautaire. Now, thanks to the untiring efforts of the EU's lawmakers in
Brussels, Pavlína Obrová; and her colleagues are wrestling with
upwards of 80,000 pages of the EU Official Journal, (equivalent to some 200,000
sheets of A4 paper). A team of 35 translators is currently tackling the task in
Prague, with support of the European Commission's Technical Assistance and
Information Exchange office (TAIEX).
|
Cuando Suecia y Finlandia se incorporaron a la UE en 1995,
hubo que traducir alrededor de 60.000 páginas de regulaciones
comunitarias, lo que se conoce como el acquis communautaire. Ahora,
gracias al inagotable esfuerzo de los legisladores de Bruselas, Pavlína
Obrová y sus colegas están peleándose con más de
80.000 páginas del Diario Oficial de la UE (equivalentes a unas 200.000
hojas tamaño A4). Un equipo de 35 traductores está abordando esta
labor en Praga, con la ayuda de la oficina de Asistencia Técnica y de
Intercambio de Información de la Comisión Europea (TAIEX).
|
-
En un estudio tituladoMethods for Satisfying the Needs of the
Scientist and the Engineer for Scientific and Technical Communication,
Hubert Murray Jr. revela que se registran aproximádamente 20 millones
de palabras por día de información técnica. Un lector
capaz de leer 1.000 palabras por minuto necesitaría 45
días, a una media de 8 horas diarias, para digerir la
producción de un día. Al cabo de estos 45 días, su desfase
sería de 5,5 años. Una comunidad lingüística
necesitaría de 2.000 esforzados traductores para poder vertir a
su lengua este caudal diario de información técnica.
-
Susan Hubbard comenta en Information Skills for an Information
Society: A Review of Research que en los últimos 30 años
se ha generado más información que en los 5.000 anteriores.
Más de 9.000 publicaciones periódicas se editan en los
EEUU cada año, y casi 1.000 libros salen a la luz
diariamente en el mundo. La edición semanal del New York
Times contiene más información de la que una persona normal
podría encontrar en toda su vida en la Europa del siglo XVII. Y el ritmo
de crecimiento del caudal de datos experimenta hoy una aceleración
más vertiginosa que nunca.
El inglés como lingua franca
Todavía por bastante tiempo, la solución transitoria a las
barreras lingüísticas no se va a encontrar en la traducción
sino en una resignación generalizada e inevitable a aceptar el
inglés como lengua vehicular o lingua franca. Esta
lengua que es nativa para solo un 8% de la población mundial, es,
según Jean-François Degremont, sociólogo
francés consejero de WorldMedia, lengua vehicular para el 20% de la
humanidad.
Según datos recogidos por Large en 1983, del total de
publicaciones técnicas y científicas, el inglés era la
lengua de origen de la mitad de estas publicaciones; el francés,
alemán, japonés y ruso juntos representaban otro 40% y el resto
de las lenguas el 10%. En 1991 Jean-François Degremont aportaba
una nueva cifra: Un 22% de todas las obras publicadas se editan en
inglés, pero esta cifra se remonta hasta el 80% para las publicaciones
científicas y técnicas. Estudios recientes apuntan a que la
información en inglés sobrepasa el 90% de toda la
información depositada en Internet.
El mercado mundial de la traducción
Según Van Slype en 1981 el mercado mundial de la
traducción rondaba los 150 millones de páginas, con un
presupuesto de 3.000 millones deUS$ y un 175.000 traductores.
Un lustro más tarde en 1986, sólo el mercado
japonés (según datos de la Asociación para el
Desarrollo de la Industria Electrónica Japones, JEIDA) alcanzaba ya
la cifra de 200 millones de páginas traducidas al año, con
un presupuesto de 4.000 millones de US$. Una empresa de automóviles
traducía 300.000 páginas por año (una página
se calcula en unos 400 caracteres japoneses o unas 125 palabras inglesas).
En esa misma fecha, 1986, el mercado europeo se estimaba en 100
millones de páginas anuales. La Comisión Europea calculaba en
unas 770.000 páginas las traducidas en 1987 y 967.000 en 1990,
con un presupuesto de 10.000 millones de ECU y una plantilla de más de
5.000 traductores para el conjunto de lenguas oficiales. Luxemburgo y
Bruselas cifraron en 9.720 el número de reuniones en 1989, lo que
equivale a 110.000 días/intérprete.Traducción e
interpretación supone casi el 50% de los costes administrativos de la
CEE (Balfour, 1986).
En 1984 los servicios conjuntos de conferencias e interpretación
en la Oficina de Traducción de la Secretaría de Estado
Canadiense generaban 120.000 páginas, con una plantilla de
1.800 traductores. En las mismas fechas, la oficina de las Naciones
Unidas en Nueva York traducía un volumen de 1,5 millones de
páginas, con un crecimiento mayor a un 50% en 6 años (en 1978
eran 640.000 las páginas traducidas).
Analizando estas cifras se comprueba que la productividad de los
traductores puede ser muy variable, de las menos de 100 páginas por
traductor/año reportada por la Secretaría de Estado Canadiense, a
las más de 700 páginas que la Comisión Europea otorga a
sus traductores. Existen muchos factores que relativizan estos promedios, como
la diversificación laboral del traductor (redación,
interpretación, etc.), el número de versiones de cada
página traducida, etc.
En cualquier caso, si se tiene en cuenta que sólo un 3% del
volumen total de páginas traducidas corresponde a obras literarias,
existen motivos más que suficientas para ensayar la mecanización
a gran escala de la producción plurilingüe del grueso de
publicaciones diplomáticas, administrativas, comerciales y
técnicas, cuyas traducciones son, por su propia naturaleza,
mecánicas y rutinarias.
La empresa consultora Ovum Ltd
reportaba en un informe publicado en 1996 que el valor estimado del mercado de
los productos de traducción para 1995 había sido de 200 millones
de EU$, del que más de la mitad correspondía al mercado
japonés. Por productos, Systran con 1,5
millones de US$, Metal con 6, Logos con 1,5 y Globalink con
15 son líderes en este momento, aunque con el reciente contrato
alcanzado por Trados con Microsoft y la Comisión
Europea, esta empresa irrumpe con fuerza en este elitista grupo.
Los objetivos de la TA
Hutchins y Somers 1992, en su obra Introducción a la
traducción automática, reflejan con bastante fidelidad las
reflexiones de Martin Kay:
"Lo que se ha logrado es desarrollar programas informáticos que
realizan traducciones en borrador en áreas relativamente bien
delimitadas. Estas traducciones pueden luego corregirse para obtener versiones
finales de calidad por unas tarifas económicas. También pueden
dejarse como están, sin revisar, puesto que los especialistas pueden
leerlas y entenderlas para informarse. En algunos casos, con los controles
adecuados sobre el texto original, es posible alcanzar, de forma
automática, resultados de mayor calidad que requieren poca o ninguna
corrección."
Textos sin valor literario
"La mayor parte de los textos que se traducen en el mundo no tienen un
alto valor cultural ni literario. La mayoría de los traductores
profesionales se dedican a satisfacer la enorme y creciente demanda de
traducciones de documentos técnicos y científicos, transacciones
comerciales, informes administrativos, documentación jurídica,
manuales de instrucciones, libros de texto de medicina o agricultura, patentes
industriales, panfletos publicitarios, reportajes periodísticos, etc.
Parte de este trabajo resulta difícil y constituye un reto, pero un gran
porcentaje es tedioso y repetitivo, a la vez que exige precisión y
coherencia. La demanda de estas traducciones se está incrementando a un
ritmo superior a la capacidad de los traductores, por lo que la ayuda del
ordenador ejerce una evidente e inmediata atracción."
Lenguajes y sublenguajes
Lenguajes de especialidad
El ser humano posee una fecunda habilidad para desarrollar y utilizar
lenguajes simbólicos. Diversos autores (André
Leroi-Gourhan, Luigi Luca Cavalli-Sforza, entre otros) han
relacionado el avance tecnológico con el desarrollo
lingüístico, hasta el punto de afirmar que lengua y
tecnología son dos caras de una misma moneda. Gracias a las
matemáticas y a los lenguajes formales ha sido posible la
creación del ordenador y el diseño de los lenguajes de
programación. Estos lenguajes formales comparten dos
características esenciales con los lenguajes utilizados en las
áreas de especialidad: deben ser precisos y están sujetos a la
normalización.
Las evaluaciones realizadas sobre los sistemas de TA (cf. Margaret
King, Karen Spark-Jones, K. Falkedal, etc.) coinciden en
señalar que los mejores resultados cualitativos se obtienen precisamente
aprovechado las propiedades de los lenguajes de especialidad (o
sublenguajes como se conocen en la bibliografía
especializada). Existe una norma internacional de evaluación, conocida
como ISO 9126, que analiza la idoneidad de un sistema según el
grado de adecuación a la aplicación para la que se ha
diseñado. En el grupo privilegiado de sistemas adecuados figuran:
TAUM-Météo (para partes
metereológicos), SPANAM (de la Organización
Panamericana de la Salud), o TITUS (de la industria textil
francesa).
Otros porgramas de propósito general, como SYSTRAN, LOGOS o METAL, han cosechado sus mejores éxitos también
en dominios restringidos. Los proyectos concebidos para un uso sin
restricciones, ROSETTA y EUROTRA como más destacados, no han pasado de
ser meros experimentos de laboratorio. Paradójicamente, el éxito
comercial ha acompañado a Globalink, una
empresa que se destaca por haber comercializado productos de propósito
general y de considerable poca calidad. Su éxito se explica sobre todo
por una intesa y hábil campaña de mercadotecnia.
Para completar el panorama de productos hablaremos además de una
serie de productos de gran éxito que no automatizan la traducción
sino que ayudan a realizarla (memorias de traducción y bases
terminológicas, como las de Trados).
[ [ i+ ] Lengua y
tecnología ]
Premisas para una TA realista
Las recomendaciones de Martin Kay se pueden resumir en esta lista de
premisas para el desarrollo de una TA realista:
- Es necesario equilibrar la participación entre el traductor
humano y la máquina, es decir, se debe buscar el punto óptimo de
interactividad.
- La máquina debe ayudar al traductor, o en el caso más
ambicioso, a un usuario que desconozca totalmente la lengua de llegada, con
todos los instrumentos disponibles y en los que la informática es
más eficaz: repertorios de términos, de ejemplos, de modelos,
etc.
- La máquina debe consultar con el traductor todos los casos en
los que la complejidad computacional es mayor (ambigüedad, estilo, etc.),
es decir, en aquellas cuestiones en las que la máquina se desenvuelve
con mayor dificultad.
- La máquina debe permitir la integración de los procesos
de redacción y de traducción. Previo estudio de los sublenguajes
y de la tipología textual, debe ofrecer modelos de texto ya conocidos y
que tienen equivalencias bien establecidas en la lengua meta.
Integración de edición y traducción
En conclusión se puede decir que el enfoque más adecuado
es la integración de la traducción en el proceso global de
confección del documento plurilingüe, como veremos que es el caso
del proyecto de la Comisión Europea EURAMIS.
En su defecto, el traductor, aislado del redactor original y ajeno al
proceso documental, debe en cualquier caso disponer de un entorno de
traducción (translation workbench) óptimo, en el que
se maximicen todas las ventajas del uso del ordenador:
- Diccionarios on-line
- Glosarios terminológicos
- Correctores gramaticales y de estilo
- Gestión documental (indización,
catalogació)
- Herramientas de localización de software
- Memoria de traducción
- Repertorio de modelos textuales
Sistemas expertos en tipología textual
¿Qué es un repertorio de modelos textuales? Vayamos por
partes.
La inmensa producción de documentos que se demandan traducir
está dentro de los parámetros antes descritos (los
textos sin valor literario, la documentación
diplomática, técnica y comercial supone más del 90% de la
demanda mundial de traducciones) y al redactor no se le permiten excesivas
licencias de espontaneidad u originalidad.
La solución no está en disponer de analizadores o
generadores universales de texto escrito, semejantes en su aplicación a
los correctores ortográficos (como están enfocados en la
actualidad los programas comerciales de corrección sintáctica y
estilística GRAMMATIK, POWEREDIT o CORRECT-GRAMMAR).
La clave para obtener soluciones efectivas pasa por desarrollar
auténticos sistemas expertos en tipología textual, capaces de
ofrecer al redactor modelos precisos de documentos como los que desea
confeccionar (en la línea de lo apuntado por autores como Hasan
1977, 1984, Ventola 1987 o Martin 1991). El proyecto
Legebiduna está concebido de esta manera.
De lo que estamos hablando es de una combinación de repertorios
de hojas de
estilo (style sheets, cuya utilidad se va haciendo más
patente con el tiempo, con sistemas de autor (authoring systems)
y memorias de
traducción (translation memories).
Presente y futuro
Localización de software
Se llama localización de software a la traducción y
adaptación de programas informáticos a la lengua y cultura de
cada país. Por razones fundamentalmente económicas, Irlanda (sede
de la asociación NUA) se ha convertido
en la Meca de los proyectos de localización de software. Esta actividad
no sólo implica la adaptación de programas informáticos,
una creciente amalgama de documentación técnica (para grandes
equipos, buques, aeronaves, etc.) está cambiando aceleradamente el
tradicional soporte en papel por soportes electrónicos. La
documentación se entrega ahora en CD-ROM y tiene la forma de hipertexto.
El Departamento de Defensa americano exige que todos sus proveedores presenten
la documentación en un formato concreto de
SGML conocido
como "normas CALS". El número de grandes empresas que están
emulando esta medida es cada día mayor. Es obvio que el futuro de la
documentación especializada discurrirá en su totalidad por medios
electrónicos.
La sociedad de la información
En relación con la futura sociedad de la información, la
Comisión Europea ha puesto un énfasis especial en el
estímulo a las llamadas "industrias de la lengua" y a la
tecnología necesaria para su desarrollo, la "ingeniería
lingüística". Son tres pilares destacados de sus progrmas de
fomento cuya razón de ser no es gratuita. El plurilingüismo que
caracteriza a Europa, y la distingue del gigante americano, demanda realizar
esta apuesta. La manera en que Europa resuelva sus barreras
lingüísticas servirá de modelo a un mundo que, no por ser
cada vez más pequeño, dejará de ser multilingüe.
El futuro de la traducción automática pasa por la
normalización a gran escala de la documentación escrita. Si se
plantea como un objetivo práctico, sólo tiene sentido automatizar
la traducción cuando se trata de lenguaje estático. El lenguaje
estático es una forma de lenguaje que, por un motivo u otro, ha sido
fijada, en la que abundan las fórmulas y los clichés y que
está, de manera más o menos rigurosa, sometida a control
permanente. Se opone al lenguaje dinámico o de la lengua común,
que se encuentra en los textos espontáneos o creativos y en el habla
coloquial.
La lengua común, por su propia naturaleza, se resiste a los
esfuerzos de formalización precisa y exhaustiva que requiere la
automatización de la traducción. En este campo, solo cabe hablar
en un sentido especulativo, o como complemento o ayuda al traductor humano, que
es irremplazable, al modo de los libros de frases y diccionarios, o
también con la aportación de fondos documentales que contengan
traducciones modélicas que puedan servir de referencia.
En otro orden de cosas, la popularización de Internet abre un
nuevo horizonte, debido a su condición globalizadora y plurilingüe,
y ofrece un interesante campo de pruebas. En cierto sentido, cuando se editan
páginas en varios idiomas, el tipo de trabajo se asemeja a la
adaptación o localización de software,
área en la que tienen mucho éxito las
memorias de traducción.
La experiencia reportada por los mayores consumidores de herramientas
informáticas para la traducción (como son la
Comisión Europea y la
Organización Panamericana de la
Salud) se resume de la siguiente manera:
- La cercanía entre los usuarios de las herramientas y sus
desarrolladores es una garantía de que éstas se adapten mejor a
la utilidad pretendida.
- Las herramientas se deben integrar en el flujo documental, con
soluciones de ingeniería de software para el tratamiento de formatos,
caracteres, correo electrónico, filtros, etc.
- El desarrollo de los diccionarios es una de las claves del
éxito. Antes de la incorporación de
EURODICAUTOM, los cuatro pares de lenguas mejor tratados en
Systran contenían más de
700.000 artículos de diccionario. Después de la
incorporación de la base terminológica, entre los 16 pares de
lenguas suman más de 4 millones de palabras.
El proyecto EURAMIS es un buen
exponente de las medidas adoptadas por la Comisión Europea.
Recommendations to the European
Council: Europe and the global information society (Brussels, 26 May 1994):
"In its Brussels meeting of December 1993, the European
Council requested that a report be prepared for its meeting on 24 - 25 June
1994 in Corfu by a group of prominent persons on the specific measures to be
taken into consideration by the Community and the Member States for the
infrastructures in the sphere of information. On the basis of this report, the
Council will adopt an operational programme defining precise procedures for
action and the necessary means. "
EURAMIS
EURAMIS (European Advanced Multilingual Information Systems)
constituye sin duda un intendo decidido por parte de la Comisión
Europea para materializar en un entorno real las ideas de Martin Kay. El proyecto comenzó en 1994 y la primera
versión piloto ha sido anunciada para finales de 1997. Como prometen sus
promotores, EURAMIS está concebido como una arquitectura de fluyo de las
pesadas tareas que los traductores realizan para sus clientes en la Comunidad
(redactores, secretarios, etc.). El entorno incorpora, entre otros servicios,
los siguientes:
- El gestor de memorias de traducción de Trados.
- Un extractor de terminología.
- El sistema de traducción Systran.
- Además de todo el elenco de servicios lingüísticos
(ECHO -
EURODICAUTOM, otras bases terminológicas, etc.)
El diseño prevee que cualquier trabajador de cuello blanco que
solicite una traducción la envíe por correo electrónico al
gestor central de EURAMIS. Éste convierte el documento a
SGML; los
caracteres especiales se codifican de acuerdo con el estándar Unicode.
El sistema distribuye el documento, según sus propiedades, entre la
memoria de traducción o el programa Systran. El resultado se
envía al equipo de traductores humanos, quienes lo revisan o corrigen y
lo devuelven al cliente.
Microsoft-Trados
Trados es la empresa estrella del
sector en la actualidad. Su gama de productos se especializa en la
gestión terminológica, MultiTerm, y en las memorias de
traducción, Translation Workbench. Pese a una política de
precios muy arriesgada, Trados ha conseguido suculentos contratos con la
empresa Microsoft y con la
Comisión Europea, que han hecho de sus productos parte integrante de los
respectivos entornos, de localización (Microsoft) y EURAMIS (la Comisión Europea). El acuerdo alcanzado
con Microsoft para una integración de estas herramientas en los entornos
futuros de su caja de herramientas ofimáticas Office, augura un
próspero futuro para la empresa.
OpenTag-TMX
OpenTag es un formato desarrollado
por la empresa Interantional Language Engineering
(ILE) con el propósito de servir de intermediario entre distintos
métodos de codificación de textos (RTF, HTML, XML, LaTeX, etc.).
Está basado en el estándar SGML y ha sido tomado como modelo para
el desarrollo de TMX (Industry-Standard Translation-Memory eXchange
Format). En junio de 1997, poco antes de que diera comienzo el congreso de LISA
(Localization Industry Standards Association) representates de empresas
líderes del sector se comprometieron a desarrollar TMX. El
anfitrión de la reunión fue Jochen Hummel de Trados, Franz Rau de
Microsoft hizo las labores de moderación y Alan K. Melby ,de la
Universidad Brigham Young, las de secretario. Además de los mencionados,
acudieron representantes de AlpNet, IBM, TTP, Logos, Multiling, Star y Systran.
El objetivo era aprobar la propuesta de ILE para desarrollar TMX
basándose en el formato OpenTag, de manera que cualquier usuario pueda
exportar e importar sus memorias de traducción de una plataforma a otra.
Un estándar semejante existe para bases terminológicas:
OSCAR (Open Standards for Container/Content Allowing Reuse).
Legebiduna
El
proyecto LEGEBIDUNA se concibió en 1993, a partir de una iniciativa
del Master en Traducción de la Universidad de Deusto, con la
pretensión de demostrar la validez de las técnicas de la
lingüística computacional para optimizar las traducciones de los
boletines oficiales bilingües del País Vasco. Hemos calculado que
en torno a 200 traductores traducen alrededor de 70.000
páginas de textos administrativos (edictos, anuncios, convocatorias,
resoluciones, etc.) del castellano al esukara cada año. Esto supone
más del 80% del total de la traducción al euskara; sin embargo,
según datos del Instituto Vasco de Administración Pública
(IVAP), la documentación traducida no
llega al 20% de la documentación producida por la Administración.
Este dato, unido al factor de que se trata de un ámbito muy adecuado para su mecanización,
constituye un buen acicate para el proyecto.
Estamos desarrollando herramientas que aprovechan los textos de un
corpus bilingüe como fuente de datos para la creación de entornos
de procesamiento de documentos administrativos con ayudas para la
composición y traducción simultánea. El corpus se ha
tratado por medios automáticos para introducir etiquetas descriptivas
cuyo principal cometido es identificar en las dos versiones lo que denominamos
unidades de traducción variables. Mediante algoritmos de
alineamiento se están construyendo catálogos de pares de
equivalencias. Además, como resultado del etiquetado, se han generado
definiciones de tipo de documentos (DTDs del estándar
SGML), que
equivalen a gramáticas capaces de reproducir la estructura de los
textos. En este artículo se defiende la idoneidad de la
metodología empleada y se presentan muestras de textos etiquetados y de
unidades de traducción variables.
El proyecto en la actualidad consta de los siguientes apartados:
- Creación de un corpus. El corpus en la actualidad
está compuesto por boletines de tres administraciones: de las
Diputaciones de Álava (BOA 1990-92) y Bizkaia (BOB 1989-95) y del
Gobierno Vasco (BOPV 1995). Esto hace un corpus bastante considerable, de
aproximadamente 7 millones de palabras en cada lengua (130 Mb). No tenemos
previsto, de momento, ampliar más el corpus antes de tratar
convenientemente el que ya disponemos.
- Etiquetado del corpus. Se ha dedicado un considerable al
tratamiento de los formatos y en la conversión de los textos a versiones
adaptadas de SGML, en la
línea de las propuestas de TEI y
MULTEXT. Se ha creado
un subcorpus etiquetado y alienado de cerca de 1 millón de palabras.
- Estudio estructural. A partir de un análisis detallado
de las distintas clases de documentos en una parte del corpus (Órdenes
Forales del BOB), se ha realizado un inventario de etiquetas descriptivas. A
partir de los documentos etiquetados se han generado por medios
automáticos DTDs, que son utilizadas por un entorno de
edición/traducción, desarrollado en TCL.
- Creación de memorias de traducción. Los textos
paralelos se someten a un cotejo automático que tiene como objeto la
identificación de
unidades
de traducción equivalentes en las dos versiones mediante la
aplicación de diversos algoritmos de alineamiento. Una vez reconocidas,
estas unidades se catalogan formando
memorias
de traducción.
Aunque los organismos públicos han prestado una estimable
colaboración para la creación del corpus, por el momento el
proyecto no está vinculado ni oficial ni financieramente con
ningún organismo. Se trata de un trabajo experimental desarrollado en el
marco de la investigación de dos tesis doctorales (ver
componentes
del proyecto).
Otros
Es pertinente citar los siguientes proyectos y productos:
Contenidos
- Abstract
- El ámbito de la traducción
automática
- Lenguajes y sublenguajes
- Presente y futuro
- Lista de programas
- Direcciones en Internet
Referencias
W. John Hutchins & Harold L. Somers. 1992.An Introduction to
Machine Translation. Academic Press.
Martin Kay. 1997. The Proper Place of Men and Machines in Language
Translation. Machine Translation 13:3-23.
G. van Slype. 1982. Economic aspects of Machine Translation. En V.
Lawson (comp.) Practical experience of machine translation: 79-83.
North-Holland.