Reforçar la col·laboració entre humans i IA: els traductors

ChatGPT i la capacitat que té de mantenir converses i generar contingut escrit han centrat bona part de l'atenció durant el darrer any en el camp de la tecnologia i la intel·ligència artificial. Però, de fet, la IA fa temps que és entre nosaltres, assistint-nos en tota mena de tasques quotidianes, des dels sistemes de navegació fins als algorismes de les xarxes socials, passant per la traducció automàtica. Des que els sistemes de traducció automàtica neuronal (TAN) es van començar a fer servir de manera generalitzada fa alguns anys, la IA ha augmentat la presència en la indústria de la traducció de manera exponencial. I això ha obert desafiaments nous en la relació entre traductors humans i màquines.

Avui, la postedició de traduccions automàtiques és la segona habilitat més demanada entre els proveïdors de serveis lingüístics i la tasca amb més potencial de creixement, d'acord amb la European Language Industry Survey. Els traductors editen les traduccions automàtiques sense processar, corregint el text generat amb la intel·ligència artificial. Això comporta nombrosos avantatges per als traductors humans, però també implica obstacles importants si la qualitat del treball automàtic no és bona. Per això, poder avaluar de manera objectiva la qualitat de les eines de traducció automàtica és clau per al sector.

Dos investigadors de la Universitat Oberta de Catalunya (UOC), Antoni Oliver, investigador del Grup de Recerca Interuniversitari en Aplicacions Lingüístiques (GRIAL-UOC), coordinador del projecte TAN-IBE i professor dels Estudis d'Arts i Humanitats de la UOC, i Sergi Álvarez-Vidal, també investigador de GRIAL-UOC, han desenvolupat un nou mètode d'avaluació del treball de la IA amb l'objectiu de millorar la feina dels traductors, reforçant les seves capacitats amb el potencial de la traducció automàtica i incrementant la qualitat del resultat final per a tots els usuaris.

Un nou mètode per avaluar la IA en traducció

La majoria de les empreses de traducció i serveis lingüístics analitzen la qualitat de les eines d'IA de manera semblant: per mitjà de mètriques automàtiques. En el seu darrer estudi, Assessing MT with measures of PE effort, publicat en obert, Oliver i Álvarez-Vidal van analitzar fins a quin punt aquests sistemes automàtics d'avaluació portaven a triar eines que realment facilitessin el treball posterior dels traductors humans. Per a això, van mesurar l'anomenat esforç de postedició, calculant el temps, les pauses i les tecles que fa servir el traductor per saber amb detall la dificultat d'editar i corregir un text generat amb traducció automàtica.

"Hem conclòs que no hi ha una relació directa entre el que indiquen les mesures automàtiques d'avaluació de la qualitat i l'esforç de postedició", assenyala Antoni Oliver. "Així, vam entendre que era necessari afegir un altre pas en el sistema d'avaluació de la qualitat". D'aquesta manera, els investigadors proposen complementar el sistema d'avaluació automàtica amb un altre programa que permet avaluar l'esforç real de postedició. Així, l'empresa pot triar l'eina d'IA que realment millora l'eficiència del procés de traducció.

"Hem afegit un pas més: els traductors tradueixen una mostra de la traducció automàtica amb un programa especial desenvolupat per nosaltres. Aquest programa ens permet recollir una sèrie de dades i decidir si l'esforç dels traductors és menor que amb altres sistemes o no", explica Sergi Álvarez-Vidal. "Si és menor, significa que aquesta eina de traducció automàtica és vàlida per al flux de treball de l'empresa de traducció".

La IA, un reforç per als traductors humans

Els sistemes automàtics es fan servir àmpliament en el sector de la traducció, encara que els resultats finals sempre són revisats per persones. Durant el treball de postedició, els professionals humans accepten, modifiquen i corregeixen o, fins i tot, rebutgen del tot el resultat generat per la màquina. "En aquest punt és molt important reflexionar sobre qui és al centre d'aquesta tasca, el posteditor humà o el sistema d'intel·ligència artificial?", es pregunta Oliver. "Nosaltres estem convençuts que el protagonista és l'humà i que el sistema d'intel·ligència artificial ha d'estar al seu servei, i permetre-li ser més productiu i mantenir la qualitat final del producte".

D'acord amb els investigadors, la qualitat de la traducció automàtica afecta directament el treball dels traductors. Més esforç comporta més temps i dificultat de postedició, i això té dues conseqüències clares: augmenta el risc que el resultat final sigui de pitjor qualitat perquè el traductor no pot detectar tots els errors i augmenta el temps que el traductor passa posteditant, la qual cosa també comporta una pèrdua de diners. "La qualitat de la traducció automàtica és imprescindible perquè hi hagi un procés de postedició adequat", afegeix Oliver.

Estudis com el dels dos investigadors de la UOC també tenen una conseqüència indirecta important: millorar el coneixement sobre les eines de traducció automàtica per democratitzar-ne l'accés i aconseguir que el seu ús no afecti les condicions laborals dels traductors humans. "És molt important que el coneixement sobre aquestes tecnologies i l'accés a aquestes eines no recaiguin sobre uns quants especialistes i unes quantes empreses", conclou Álvarez-Vidal. "Les universitats en general, i la UOC molt especialment, estan fent un esforç important per incloure el coneixement sobre aquestes tecnologies en els seus estudis, tant de grau com de màster".

Aquesta recerca de la UOC afavoreix l'objectiu de desenvolupament sostenible (ODS) de les Nacions Unides número 8, promoure el creixement econòmic inclusiu i sostenible, l'ocupació i el treball decent per a tothom.

Article relacionat

Sergi Alvarez-Vidal, Antoni Oliver, Assessing MT with measures of PE effort, Ampersand, vol. 11, 2023, 100125, ISSN 2215-0390, https://doi.org/10.1016/j.amper.2023.100125

UOC R&I

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi mitjançant l'estudi de la interacció de la tecnologia i les ciències humanes i socials, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital.

Els més de 500 investigadors i investigadores i més de 50 grups de recerca s'articulen entorn dels set estudis de la UOC, un programa de recerca en aprenentatge en línia (e-learning research) i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

A més, la Universitat impulsa la innovació en l'aprenentatge digital mitjançant l'eLearning Innovation Center (eLinC), i la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Els objectius de l'Agenda 2030 per al Desenvolupament Sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC. Més informació: research.uoc.edu.