¿Podrán las computadoras traducir idiomas naturales a nivel humano para 2030?

Si está hablando de algún texto oficial, anuncios o documentos legales, probablemente tenga razón. Hasta cierto punto, las computadoras pueden hacer esto hasta cierto nivel ya hoy. Pero, incluso hoy en día, las mejores computadoras tienen problemas para traducir una oración simple como ‘¿Viste la planta?’, Que requiere hacer un seguimiento (mantener el historial) de todas las oraciones / palabras pronunciadas antes, para poder reconocer lo que la palabra ‘planta’ en realidad se supone que significa: una fábrica o una papa. Sin embargo, para traducir una novela clásica, un drama, no para hablar de un texto satírico, dudo que esto suceda muy pronto. La traducción en el “nivel humano” requiere mucho más que comprender y traducir las palabras u oraciones de forma gramaticalmente correcta. Además de mantener literalmente miles o millones de significados que dependen del contexto entre diferentes palabras, la comprensión en el “nivel humano” requiere transmitir los sentimientos, las emociones, conocer la historia, la psicología y mucho más. En un “nivel humano”, la comprensión “verdadera” de algunas oraciones o palabras específicas podría iluminarnos incluso después de que se nos hayan leído o hablado muchas más oraciones o palabras adicionales.

Nunca sera perfecto.

Aunque el progreso en NMT es impresionante (difícil de admitir para un lingüista), NMT todavía se trata de predecir la palabra más probable (traducción) en un contexto específico.

Cuanto más grande sea el conjunto de entrenamiento y más eficiente sea el algoritmo, más precisas serán las predicciones, pero seguirán siendo predicciones que pueden fallar. Fallarán específicamente cuando se usan palabras raras, porque pueden estar ausentes o no ser lo suficientemente frecuentes en el conjunto de entrenamiento.

Además, el lenguaje se desarrolla (por ejemplo, las personas comienzan a usar palabras en otros significados), por lo que el conjunto de entrenamiento siempre se retrasará.

La traducción automática neuronal, como todo aprendizaje automático, se trata de reconocimiento de patrones, no de comprensión.

Como mostramos en nuestro reciente estudio de Evaluación de MT Estado de la traducción automática de Intento (marzo de 2018), todavía se necesita mucha mejora en la mayoría de los pares de idiomas.

La calidad crece de manera constante, pero no tan rápido:

De AI-complete – Wikipedia:

Para traducir con precisión, una máquina debe poder entender el texto. Debe poder seguir el argumento del autor, por lo que debe tener cierta capacidad de razonamiento. Debe tener un amplio conocimiento del mundo para que sepa lo que se está discutiendo; al menos debe estar familiarizado con los mismos hechos de sentido común que conoce el traductor humano promedio. Parte de este conocimiento es en forma de hechos que pueden representarse explícitamente, pero parte del conocimiento es inconsciente y está estrechamente relacionado con el cuerpo humano: por ejemplo, la máquina puede necesitar comprender cómo un océano hace que uno se sienta para traducir con precisión una metáfora específica. en el texto. También debe modelar las metas, intenciones y estados emocionales de los autores para reproducirlos con precisión en un nuevo idioma. En resumen, se requiere que la máquina tenga una amplia variedad de habilidades intelectuales humanas, incluida la razón, el conocimiento de sentido común y las intuiciones que subyacen al movimiento y la manipulación, la percepción y la inteligencia social. Por lo tanto, se cree que la traducción automática es completa con IA: puede requerir una IA fuerte para hacer tan bien como los humanos pueden hacerlo.

Entonces, en mi opinión, la respuesta es “probablemente no”. El enfoque de investigación actual, donde la capacitación del sistema consiste en analizar un gran corpus de datos de texto, en mi opinión, no puede conducir a ese resultado.