La traducción es más que el proceso de aplicar reglas automáticamente. La traducción no es en absoluto un problema trivial como la entrada de datos. Es una tarea creativa.
La traducción es el procesamiento de ponerse en el lugar del autor original y descubrir qué dirían si hablaran el idioma de destino. Traduces la situación, no las palabras, y eso requiere tres cosas que las computadoras no tienen, y hasta ahora simulan bastante mal: empatía, imaginación y comprensión de la situación, el tema o la historia en cuestión.
Además, en un nivel puramente técnico, hay muchas referencias de largo alcance para distinguir y realizar un seguimiento.
- ¿Cuál es la salida de una red neuronal para la agrupación supervisada de datos secuenciales?
- ¿Cómo funcionaría un robot que come contaminación?
- ¿Cómo se puede aplicar el aprendizaje profundo en la reconstrucción de la imagen comprimida?
- ¿Llegará un momento en que los humanos informarán a los robots inteligentes?
- ¿Cuál es la aplicación más grande y más reciente de las redes neuronales?
Este no es un problema trivial. Este es un gran problema difícil. La computadora que podría resolverlos podría pasar una prueba de Turing. En principio es solucionable, pero en la práctica me imagino que la forma más fácil de hacerlo será hacer algo que se comporte muchísimo como un cerebro humano. Es decir, probablemente dependería más del procesamiento en paralelo que de la ejecución en serie, sería analógico o al menos se basaría en una lógica difusa y estaría entrenado en lugar de programarse explícitamente. El reciente movimiento hacia la traducción estadística es un paso en esta dirección.
Por cierto, este es el problema, siempre me pareció, con el experimento mental de Searle’s Chinese Room. Searle parece ignorar la gran dificultad de crear un conjunto de reglas simples, discretas y consecutivas para generar respuestas convincentemente humanas a las consultas en chino, y esto siempre me pareció sospechoso y engañoso.