Si por equilibrio te refieres a una redacción exacta, entonces no lo creo. Aunque esta técnica, llamada también ida y vuelta, a veces se usa para mostrar cuánto sentido se pierde al traducir de un lado a otro (por ejemplo, intente inglés japonés; debido a la estructura de sintaxis recursiva de oraciones en japonés, puede terminar teniendo sujeto y objeto cambiando sus lugares), no creo que sea precisamente aplicable a la evaluación de la calidad de la traducción automática solo.
Piénselo de esta manera: suponga que le da una oración en inglés a un traductor profesional y le pide que traduzca al finlandés, por ejemplo:
¡Recuerdo este hermoso día! (1)
- ¿Qué tipo de proyectos de IA serán útiles en el mundo de hoy?
- ¿Es posible que la CIA, la NSA o cualquier otra agencia de inteligencia / seguridad de todo el mundo estén haciendo una investigación clasificada de inteligencia artificial y el resto del mundo no lo sepa?
- ¿Por qué Go es el único juego de mesa en el que los humanos aún pueden vencer a las computadoras de manera confiable?
- ¿Cuál es una buena herramienta de prueba para productos de aprendizaje automático?
- Cómo aprender y aplicar el aprendizaje automático de nivel superior como programador
Vienen, por ejemplo, con:
Minä muistan tämä kiva päivä!
Podrían haber usado más adjetivos lógicos kaunis para beautiul en lugar de kiva , pero la traducción es un trabajo creativo, por lo que se eligió kiva .
Ahora le das la oración en finlandés a otro traductor y pides que se vuelva a traducir al inglés, y aparecen:
¡Recuerdo este lindo día! (1 ‘)
(1) y (1 ‘) no son exactamente iguales, pero son bastante similares. Al menos el sentido está ahí.
Por lo tanto, trataría de establecer un equilibrio sensorial entre la oración fuente y la oración objetivo. Como primer paso, registraría lo que es sujeto y objeto en la oración original (o parte de ella en un caso compuesto) y cuál es la estructura verbal que los conecta. Luego, se aseguraría de que se conservara lo mismo en la oración traducida. Puede continuar enriqueciendo este modelo de sentido (semántica de texto) infinitamente, encontrando más y más casos y excepciones y variaciones de lenguaje. Nombre esta medida de similitud semántica de las métricas o después de su nombre y si funciona bien, lo hará famoso 🙂
