Entrada | Automática (Tradução)

ENG Machine translation CAT Traducció automàtica EUS Makina bidezko itzulpengintza GLG Tradución automática SPA Tradución automática

Introdução


	A tradução automática bruta não está sempre pronta para uso: a expressão idiomática em inglês “Like two peas in a pod”, que significa “muito semelhante”, é traduzida para o português de forma literal

A tradução automática (TA) é o processo pelo qual um programa de computador produz – a partir de um texto legível por computador em língua-fonte – um texto legível por computador em língua-alvo e que pretende ser uma tradução aproximada do texto-fonte sem qualquer intervenção humana.

A TA deve ser claramente distinguida de outras tecnologias de tradução usadas por tradutores/as profissionais, como a tradução assistida por computador (CAT), baseada em memórias de tradução, nas quais profissionais usam traduções previamente existentes de segmentos de textos relacionados para traduzir novos segmentos. Deve ser distinguida também de outras tecnologias de processamento de línguas naturais, como a interpretação automática. A Tradução Automática é uma tecnologia de conversão de texto completamente automatizada.

Contudo, a tradução bruta é realmente uma tradução? Normalmente, ela não pode ser usada como uma tradução profissional; como Sager (1994) discute em seu livro pioneiro, “there is no single situation in which [they] would be equally suitable”. [Não há sequer uma situação na qual [ela] seria igualmente adequada]. Isso significa, por exemplo, que o resultado gerado pela TA raramente é publicado sem alterações. No entanto, isso não significa que a TA é inútil. Na verdade, os/as clientes de tradutores/as profissionais estão começando a perceber que existe uma tecnologia que pode ajudar a fazer esse trabalho, solicitando, dessa forma, preços mais baixos. Enquanto isso, o público geral está se acostumando, gradativamente, a ler resultados de tradução automática bruta e até mesmo a tomar decisões de compra baseadas em avaliações ou descrições traduzidas automaticamente. Como resultado, a tradução profissional é vista como um luxo dispensável em muitos contextos. Logo, a consciência profissional da utilidade e das limitações da TA é crucial na prática tradutória contemporânea.

voltar ao topo

Dois dos principais usos da tradução automática, assimilação e disseminação

A ampla disponibilidade da TA, hoje uma tecnologia madura, mudou radicalmente a maneira que as pessoas entendem comunicações multilíngues, já que atualmente qualquer pessoa com acesso à internet pode usá-la, em muitos casos gratuitamente, para entender textos (geralmente conteúdos online) escritos em uma língua que ela não lê. Quando isso acontece, é entendido que a TA está sendo usada com o propósito de assimilação para captar o essencial do texto. A assimilação é de longe o uso mais comum da TA. Franz Josef Och, o cientista encarregado da TA do Google, disse em 2012: “In a given day we translate roughly as much text as you’d find in 1 million books. To put it in another way: what all the professional human translators in the world translate in a year, our system translates in roughly a single day.” (Och 2012). [Em um único dia traduzimos, aproximadamente, a mesma quantidade de texto que é encontrada em 1 milhão de livros. Ou seja, o que os/as tradutores/as profissionais traduzem em um ano, nosso sistema traduz em um único dia.]

Por outro lado, a TA é utilizada por profissionais, em intensidade variada, como um auxílio na realização de traduções que serão publicadas. Quando isso acontece, é entendido que a TA está sendo usada com o propósito de disseminação. Portanto, a TA impactou a tradução como profissão (e a maneira como ela é vista pelo público geral), de maneira tão expressiva que retrónimos como “tradução humana” e (infelizmente com menos frequência) “tradução profissional” vêm sendo cada vez mais usados para referir-se a traduções que não foram produzidas por um sistema de TA.

voltar ao topo

Pós-edição, pré-edição, linguagem controlada

Uma maneira comum que tradutores/as profissionais usam para tirar vantagem da tradução automática com o propósito de disseminação é pela edição, ou como é denominada, pós-edição do resultado gerado pela máquina para transformá-lo em uma tradução adequada para um determinado propósito, quando economicamente viável. Quando um texto é traduzido de uma única língua-fonte para diversas línguas-alvo (por exemplo, a gestão de fluxos de trabalho para documentos multilíngues), realizar proativamente uma pré-edição do texto-fonte (um serviço mais caro que a pós-edição, pois requer um entendimento do tipo de entrada que leva o sistema a produzir erros) pode ser uma maneira de evitar parcialmente a pós-edição do conteúdo traduzido pela máquina para mais de uma língua. A própria pré-edição pode ser evitada se os/as autores/as produzissem os textos-fonte considerando certas restrições. Isso seria feito através da definição e imposição (usando edição assistida) de uma linguagem controlada que usa regras para restringir o léxico e as estruturas da língua-fonte a fim de evitar problemas com a tradução automática.

voltar ao topo

Uma breve história da TA

A ideia de tradução mecânica já circula há algum tempo. Dentre os antecedentes da TA moderna, geralmente cita-se o memorando de Warren Weaver (1949) cujas duas principais contribuições foram: (a) a ideia de que um texto em língua-fonte é como uma versão “criptografada” do texto na língua-alvo e que a tradução seria parecida com um processo de “descriptografia”, usando de maneira inteligente as teorias de estatística e probabilidade utilizadas na teoria da comunicação; e (b) a ideia de que em vez de traduzir diretamente de uma língua para outra pode ser mais útil procurar representações de texto mais profundas e tentar aproveitar o que as línguas têm em comum. Essas duas ideias fundamentam grande parte das tecnologias desenvolvidas posteriormente.

A TA foi uma das primeiras aplicações dos sistemas pioneiros de computação. Em 1954, um sistema de TA (desenvolvido pela IBM e pela Universidade de Georgetown) foi apresentado ao público pela primeira vez. Ele traduziu para o inglês uma série de 49 frases em russo usando uma abordagem palavra por palavra direta de palavra por palavra com um dicionário de 250 palavras com alguns ajustes feitos utilizando seis regras gramaticais. Apesar dos resultados limitados, o público e a indústria foram levados a acreditar que, em alguns anos, seria possível conseguir traduções de qualidade de documentos técnicos e científicos seriam possíveis. As pesquisas prosperaram com financiamentos públicos generosos, porém o progresso de uma tradução automática completamente automatizada de alta qualidade foi lento demais. Em 1966, o Automatic Language Processing Advisory Committee [Comitê de Conselho de Processamento de Linguagem Automática] (ALPAC) publicou um relatório recomendando que os recursos destinados à pesquisa em TA fossem usados para tarefas de processamento de linguagem natural mais bem definidas e menos ambiciosas e para o desenvolvimento de assistentes de tradução, como dicionários automáticos. A pesquisa nessa área nos Estados Unidos quase foi interrompida, embora não tenha sido completamente encerrada, enquanto continuou na Europa e no Japão. No entanto, na década de 70, um sistema comercial, Systran (ainda disponível, mas agora como um sistema completamente novo) foi adotado tanto pela Força Aérea dos Estados Unidos quanto pela Comissão Europeia.


O relatório ALPAC (1966).

A década de 80 testemunhou como os esforços foram direcionados à tradução indireta utilizando diferentes níveis de análise da língua-fonte para construir representações intermediárias em sistemas como GETA-Ariane (em Grenoble; Hutchins and Somers 1992, ch. 13), SUSY (em Saarbrücken; Hutchins and Somers 1992, ch. 11), Mu (em Quioto; Nagao, Nishida & Tsujii 1984), DLT (in Utrecht; Hutchins & Somers 1992, ch. 17), Rosetta (em Eindhoven; Hutchins & Somers 1992, ch. 16), além dos sistemas desenvolvidos na Universidade Carnegie-Mellon (in Pittsburgh; Hutchins & Somers 1992, sec. 18.1) e os dois projetos internacionais: Eurotra, financiado pela Comunidade Europeia (Hutchins & Somers 1992, ch. 14), e o projeto japonês CICC com participantes na China, Indonésia e Tailândia (Tanaka, Ishizaki, Uehara et al. 1989). Embora o Eurotra não tenha fornecido um sistema de TA utilizável, sendo abandonado em 1992, ele incentivou pesquisas em tecnologias da linguagem por toda a Europa e levou à criação de sistemas comerciais a exemplo dos Metal de Siemens (Hutchins & Somers 1992, ch. 15), baseados em princípios linguísticos como análise sintática e transformações. Todos esses sistemas dependiam de especialistas, para escrever dicionários e regras, e de programas de computador, para aplicar essas regras aos textos (para tradução automática baseada em regras, ver seção abaixo).

Contudo, no final da década de 80, surgiu uma nova abordagem na IBM (Brown, Cocke, Della Pietra et al. 1988; Hutchins & Somers 1992, sec. 18.3), mesmo que só tenha começado a ser conhecida no início da década de 90. Um novo sistema chamado Candide conseguia extrair informações estatísticas detalhadas de uma versão de alinhamento sentencial dos Hansards, documentos bilíngues inglês-francês do Parlamento do Canadá, aprender modelos probabilísticos de tradução automática e aplicá-los com eficiência a um novo texto, com quase nenhuma expertise envolvida em seu desenvolvimento. O sistema resultante não estava tão distante da abordagem estatística de Weaver (1949) de descriptografar o texto-fonte para traduzir. A TA estatística (ver abaixo) entrou em cena para competir com as abordagens de TA baseadas em regras e começou a substituí-las. Até cerca de 2015, vários sistemas de tradução automática eram fundamentados na tradução automática estatística baseada em frases, uma evolução da abordagem original da IBM e a variedade mais utilizada. Isso se justifica pela disponibilidade de softwares gratuitos para treinar e implementar sistemas de tradução automática, como o Moses. Já que os softwares eram gratuitos, um bom treinamento de dados era agora essencial. Sendo assim, surgiram empresas que pediam aos clientes que combinassem seus dados aos dados gerais das próprias empresas para construir sistemas especializados, tudo através de um navegador de internet comum.

Por volta de 2013, uma nova forma de tradução baseada no chamado deep learning começou a disputar a hegemonia da TA estatística. Essa nova TA neural (ver abaixo para mais detalhes) usa métodos de um campo amadurecido da inteligência artificial chamado de redes neurais artificiais. Os seus resultados em testes de laboratório se mostraram comparáveis ou até melhores do que os melhores resultados de TA estatística disponíveis. Assim como a TA estatística, a TA neural aprende a partir de textos bilíngues e está por trás de sistemas comerciais contemporâneos de TA, como o Google Tradutor, o Microsoft Translator e o DeepL.

voltar ao topo

TA com propósito geral e propósito específico

Em relação à sensibilidade ao gênero textual ou ao assunto dos textos, dois tipos distintos de TA podem ser elencados: TA com propósito geral e TA com propósito específico. Dessa forma, a TA com propósito geral (isto é, sistemas como Google, Microsoft Translator, DeepL, etc.) tenta satisfazer as necessidades de todos/as os/as usuários/as e de todo tipo de texto. Essa ferramenta é geralmente gratuita ou parcialmente gratuita, no entanto, não consegue satisfazer as necessidades de tarefas de tradução específicas, já que tenta abarcar tudo de uma só vez. A TA está melhorando ao usar o cotexto (texto adjacente), mas ainda está longe de levar em conta o contexto (todas as circunstâncias de comunicação que também contribuem para a interpretação do texto). Por outro lado, a TA com propósito específico pode ser melhor na tradução de textos em um determinado gênero ou assunto, mas não costuma ser gratuita. De fato, há empresas voltadas à adaptação da TA para tarefas específicas. A TA com propósito específico pode poupar os/as tradutores/as da parte maçante (mecânica) do trabalho, pois fornece traduções brutas rápidas e acessíveis, quase não comete erros tipográficos e ortográficos e costuma ser consistente nas terminologias.

voltar ao topo

Abordagens da TA

As tecnologias de tradução automática podem ser, de modo geral, divididas em dois grupos: TA baseada em regras e TA baseada em corpus, sendo esta última dividida em duas variedades principais: TA estatística e TA neural. É importante considerar que a maior parte dos sistemas de tradução automática simplifica o problema de traduzir o texto ao traduzir suas frases uma por uma (isso pode estar mudando na TA neural). Entretanto, essa visão “míope” do texto não é encontrada apenas na tradução automática, mas também na tradução assistida por computador, na qual as memórias de tradução operam com unidades de tradução no nível da frase.

A tradução automática baseada em regras

A tradução automática baseada em regras (RBMT, do inglês Rule-Based Machine Translation) foi a abordagem dominante na tradução automática desde as primeiras tentativas na década de 50 até a década de 90 e ainda pode ser encontrada em sistemas como o Apertium. A tradução automática baseada em regras progride da tradução palavra por palavra, adicionando regras que podem ou não abranger toda a frase.


	Normalmente, a tradução automática baseada em regras (RBMT) é indireta e opera em três etapas: análise, transferência e geração. Quando a análise é tão profunda que não necessita transferência, temos os sistemas de interlíngua

Por um lado, para desenvolver um sistema de RBMT, os/as especialistas em tradução compilam dicionários em forma eletrônica e escrevem regras que analisam o texto-fonte e transformam as estruturas da língua-fonte em estruturas equivalentes da língua-alvo. Os/As especialistas precisam transformar em regras que precisam ser codificadas de uma maneira computacionalmente eficiente o conhecimento intuitivo e parcialmente formalizado dos/das tradutores/as sobre a tarefa de tradução. Isso pode levar a simplificações bem radicais, mas que, se bem escolhidas, podem ser úteis em muitos casos. Por outro lado, os/as especialistas em computação escrevem programas (chamados motores da TA) que verificam dicionários e aplicam (na ordem esperada) as regras ao texto-fonte para analisá-lo e traduzi-lo.

As abordagens históricas da tradução automática, como a chamada abordagem transformer, começaram, de modo geral, com tradução de palavra por palavra seguida por regras finalizadoras que tentavam transformá-la em um texto gramatical na língua-alvo. Atualmente, a maior parte dos sistemas de tradução automática baseada em regras segue uma abordagem de transferência em três etapas: na primeira etapa, a de análise, o texto-fonte é analisado (nos níveis morfológico, sintático e semântico) em uma representação abstrata da língua-fonte; a segunda etapa, a de transferência, substitui os itens lexicais da língua-fonte por itens lexicais da língua-alvo (transferência lexical) e transforma estruturas da língua-fonte em estruturas da língua-alvo (transferência estrutural) para gerar uma representação abstrata da língua-alvo; por fim, a terceira etapa, a de geração, produz um texto real em língua-fonte a partir dessa representação. No caso extremo em que a análise e geração são tão profundas que as representações abstratas da língua-fonte e língua-alvo são as mesmas e não há necessidade de transferência, trata-se de sistemas de interlíngua (o termo interlíngua designa a representação abstrata de língua neutra).

Normalmente, o resultado gerado pelos sistemas de tradução automática baseada em regras (RBMT) é consistente, mas mecânico e sem fluência. Esse sistema é conhecido por enfrentar dificuldade em resolver ambiguidade tanto no nível lexical (“recolocar” → “repor”/“realocar”) quanto no nível sintático/estrutural (“Eu vi a garota com um telescópio” → “Eu vi a garota olhando por meio de um telescópio”/“Eu vi a garota que tinha um telescópio”). Sendo assim, a personalização para produzir um sistema de tradução automática com um propósito específico é cara, pois exige especialistas para editar dicionários e regras.

Tradução Automática Estatística

A tradução automática estatística (SMT, do inglês Statistical Machine Translation) foi a primeira abordagem de uma tradução automática baseada em corpus (CBMT, do inglês Corpus-Based Machine Translation). Pierre Isabelle (Isabelle, Dymetman, Foster et al. 1993: 205) é frequentemente citado pois afirma que "existing translations contain more solutions to more translation problems than any other available resource" [traduções existentes possuem mais soluções para problemas de tradução que qualquer outro recurso disponível]. Essa é a ideia geral por trás da tradução automática baseada em corpus (CBMT), uma abordagem em crescimento constante desde os anos 90. Esses programas aprendem a traduzir a partir de grandes corpora de textos bilíngues nos quais centenas ou milhares de frases em uma língua foram emparelhadas ou alinhadas com suas respectivas traduções em outra língua (isto é, memórias de tradução enormes). Os textos na língua-fonte sem tradução em corpora monolíngues também podem ser usados em algumas abordagens. No caso da tradução automática baseada em corpus (CBMT), o papel dos/as tradutores/as profissionais pode parecer menos relevante se não considerarmos o fato de que os corpora para treinamento abarcam os trabalhos de tradutores/as (idealmente, mas infelizmente nem sempre profissionais). É raro encontrar corpora tão grandes disponíveis em línguas e/ou domínios menos traduzidos e isso restringe a aplicabilidade da tradução automática baseada em corpus (CBMT).


Tadução automática estatística (Karan Singla 2015).

A TA estatística, desenvolvida no fim dos anos 80 e aplicada comercialmente desde a virada do milênio, aprende e utiliza modelos probabilísticos que são estimados através da contagem de certos eventos presentes no corpus bilíngue de treinamento (por exemplo, quantas vezes uma certa palavra aparece próxima de outra palavra na frase-alvo, ou quantas vezes uma determinada palavra aparece na frase-fonte quando outra determinada palavra aparece na frase-alvo).

Os sistemas de TA estatística (SMT) devem ser treinados com um grande corpus de textos bilíngues alinhados frase por frase e, de forma opcional, um corpus textual monolíngue da língua-alvo ainda maior. As possibilidades de tradução de cada item (palavra, estrutura, transformação) são estatisticamente mais bem representadas quanto maiores forem os corpora. Em outras palavras, quanto maior forem os corpora, maior é a probabilidade de que as palavras e estruturas dos próximos textos sejam abrangidas.

Esse treinamento resulta em: (a) dicionários probabilísticos que contêm palavras e segmentos de mais de uma palavra, no qual as probabilidades são associadas com as unidades de tradução, tais como: “pursuant to/ de acordo com”, que é muito provável, “ou pursuant to/exceto no caso de”, que é bastante improvável; (b) modelos que atribuem probabilidades para cada possível sequência de palavras na língua-alvo (assim, “dois em cada três são” é mais provável que “dois três a cada são”), e, por fim, modelos probabilísticos de reordenação de palavras (por exemplo, para obter “o carro novo de Peter” a partir de “Peter’s new car”).

Utilizando essas correspondências entre sequências curtas de palavras-fonte e alvo extraídas do corpus de treinamento (que geralmente são chamadas de pares de sintagmas, mesmo que não sejam sintagmas no sentido linguístico), a TA estatística (SMT) abrange a sintagmas-fonte de todas as maneiras possíveis, concatena os sintagmas-alvo correspondentes em quase todas as maneiras possíveis e escolhe a maneira mais provável (mais verossímil) de fazê-lo.

Por exemplo, a frase em basco

Hilaren 21ean irekiko dute Ipar eta Hego Euskal Herriaren arteko muga

que pode ser traduzida para o inglês como

The border between the North and South Basque Country will be opened on the 21st of this month

usando alguns dos milhões de pares de sintagmas extraídos automaticamente de um corpus basco-inglês, como

Hilaren→of this month [deste mês]
21ean→on the 21st [no dia 21]
arteko muga→the border between [a fronteira entre]
Euskal Herriaren→Basque Country [País Basco]
Ipar eta Hego→North and South [norte e sul]
irekiko dut→will be opened [será aberta]

dividindo primeiro o texto-fonte como:

Hilaren / 21ean / irekiko dute / Ipar eta Hego / Euskal Herriaren / arteko muga

e, em seguida, usando o modelo de língua-alvo para escolher as possíveis reordenações dos elementos

1. of this month [deste mês]
2. on the 21st [no dia 21]
3. will be opened [será aberta]
4. North and South [norte e sul]
5. Basque Country [País Basco]
6. the border between [a fronteira entre]

chegando em uma reordenação coerente. Outra maneira interessante de reordenação seria

On the 21st of this month the border between the North and South Basque Country will be opened.

[No dia 21 deste mês, a fronteira entre o norte e sul do País Basco será aberta.]

Porém, como são obtidas as traduções e probabilidades-alvo a partir dos corpora paralelos usados para tradução? Elas são usadas como pontuações parciais que são somadas para cada possível opção de tradução da frase e avaliadas com o uso de um tipo de “escala” para atribuir uma pontuação média para cada tradução possível de uma dada frase. Assim, a melhor tradução será aquela que for melhor avaliada. Obviamente, nem todas as traduções possíveis recebem pontuações, porém muitas recebem. As aproximações são usadas para procurar somente entre aquelas que são inicialmente mais prováveis. Essa pontuação é um processo computadorizado muito intenso. Por isso que só chegamos a uma TA estatística viável nos últimos vinte anos. Antes, os computadores não eram rápidos o suficiente e não conseguiam armazenar as tabelas de parâmetros dos grandes modelos probabilísticos utilizados.

A escala tem diferentes pesos para cada pontuação parcial, mas quais são esses pesos? O ajuste desses pesos é normalmente feito em uma pequena seção do corpus bilíngue que não foi utilizado para treinamento (o corpus de desenvolvimento). Cada frase é traduzida para outra língua usando valores diferentes para os pesos e a semelhança do resultado da TA é automática e qualitativamente comparada com a tradução na língua-alvo do corpus de desenvolvimento. Os pesos são, então, escolhidos para que essa similaridade seja a mais parecida possível para o corpus inteiro. A análise dessa similaridade normalmente é bruta. O tipo de medida mais popular, chamado de BLEU (Papineni, Roukos, Ward et al. 2002), conta as coincidências de grupos de uma palavra, duas palavras, três palavras, etc., entre o que foi traduzido automaticamente e a frase referente e faz uma combinação em uma única medida que varia entre 0% (completamente sem relação) e 100% (correspondência exata). Assim, uma propriedade importante das traduções estatísticas é que elas se parecem com as encontradas em corpora de treinamento. Isso proporciona uma oportunidade evidente para personalização através da seleção de material de treinamento adequado.

Não existe quase nenhuma necessidade para que os/as tradutores/as especialistas em tradução automática estatística construam o sistema, já que os/as especialistas foram aqueles/as que produziram as traduções utilizadas para treinar e refinar o sistema. A tradução automática estatística também tem limitações importantes. Uma delas é que as traduções podem parecer muito fluentes (por conta do peso do modelo de probabilidade da língua-alvo em escala), mas também podem ser incorretas, por exemplo, ao adicionar palavras desnecessárias ou excluir palavras necessárias.

Tradução automática neural

A nova tradução automática neural (NMT, do inglês Neural Machine Translation) começou a ser comercializada em 2016. Ela é baseada em redes neurais artificiais, inspiradas (vagamente) na forma como o cérebro aprende e generaliza. Nesse caso, elas aprendem e fazem generalizações a partir da observação dos corpora bilíngues (Forcada 2017, Casacuberta & Peris 2017). De fato, os maiores sistemas online disponíveis ao público, como Google, Microsoft, entre outros, se tornaram neurais. Além disso, há novos sistemas que são neurais desde as suas origens, como o DeepL.

Há relatos de que a tradução automática neural necessita de mais dados quando comparada a TA estatística (Koehn & Knowles 2017), mas essa alegação já foi contestada recentemente (Sennrich & Zhang 2019). Além disso, a tradução automática neural geralmente é avaliada como mais sensível do que a tradução automática estatística em relação a dados ruidosos (ou seja, quando os dados contêm pares de frases que não podem ser consideradas traduções mútuas) (Belinkov & Bisk 2018). A TA neural é considerada competitiva à TA estatística em muitas aplicações (Koehn & Knowles 2017, Sennrich & Zhang 2019), mas avaliações comparativas amplas em aplicações do mundo real ainda são escassas (ver, por exemplo, Jia, Carl & Wang 2019; Shterionov, Superbo, Nagle et al. 2018; Klubička, Toral & Sánchez 2018).

Conforme mencionado anteriormente, a TA neural é chamada neural porque ela é realizada por um software que simula redes enormes de neurônios artificiais, que são, por sua vez, versões muito simplificadas de neurônios biológicos. A ativação ou excitação de um neurônio artificial depende da ativação de outros neurônios artificiais e da força das conexões pelas quais seus sinais (e sinais de entrada externos) são recebidos por eles. Os sinais oriundos de neurônios excitados por meio de conexões positivas provavelmente vão excitar os neurônios que os recebem; os sinais oriundos de neurônios inibidos ou deprimidos por meio de conexões positivas provavelmente vão inibi-los. Entretanto, o comportamento é o oposto em conexões negativas.


	A estrutura de um sistema de tradução automática neural: a frase Çisgiyi geçtin!é traduzida para Cruzou a linha! (<fdf> é um indicador de fim de frase)

Para que uma determinada rede neural tenha um comportamento específico — ou seja, padrões de ativação de neurônios específicos na rede — ela deve ser treinada a partir da alteração das forças das conexões ao processar uma série de exemplos de aprendizagem. Nas redes neurais artificiais, os neurônios normalmente formam camadas, isto é, grupos de neurônios que recebem sinais apenas dos neurônios da camada anterior e enviam sinais apenas para os neurônios da camada seguinte. Deep learning ocorre quando há muitas dessas camadas, ou seja, quando o aprendizado (learning) é realizado por uma rede neural profunda (deep).

Um conceito importante nas redes neurais é o de representação. As funções de ativação dos neurônios em uma camada formam a representação da informação que estão processando. Por exemplo, em uma rede neural treinada, o vetor ou lista de comprimento fixo (0.35, 0.28, –0.15, ... 0.88), em que cada uma das centenas de possíveis funções representam a ativação de neurônios em uma camada, pode formar a representação da palavra estudar, enquanto (–0.35, 0.90, –0.12, ... 0.73) faz o mesmo para a palavra cobra. As representações aprendidas têm propriedades interessantes. Conceitos semelhantes acabam apresentando representações matematicamente similares, o que pode ser visto como se a rede neural estivesse aprendendo sua semântica durante o treinamento.

A maioria das arquiteturas de tradução automática neural funciona ao ler sequencialmente cada palavra da frase-fonte para construir progressivamente uma representação da frase inteira (codificação) e, uma vez construída, extrair dela cada uma das palavras da frase traduzida (decodificação), considerando as palavras já escritas. Mais precisamente, em cada etapa, cada unidade no decodificador calcula, para todas as palavras no vocabulário, a probabilidade de cada possível palavra-alvo. Geralmente, a palavra mais provável é escolhida, numa maneira semelhante ao recurso de sugestões de palavras nos teclados de nossos smartphones.

Há uma ampla variedade de designs de TA neural: arquiteturas de codificador-decodificador (Sutskever, Vinyals & Le 2013), complementadas com mecanismos de atenção em que cada etapa do processo de construir as representações da frase-fonte é avaliada a cada resultado de uma palavra (Bahdanau, Cho & Bengio 2015), ou até mesmo arquiteturas transformer (Vaswani, Shazeer, Parmar et al. 2017) em que nenhuma representação explícita da frase inteira é construída e também considera os resultados anteriores.

A TA neural é uma tecnologia completamente nova com implicações importantes. Por um lado, requer um hardware especializado e potente, uma vez que os cálculos necessários para simular redes neurais artificiais com milhares de unidades e milhões de conexões são matematicamente muito intensivos. Por isso, uma evolução das placas de vídeo chamadas de GPUs (unidades de processamento gráfico) geralmente são geralmente incorporadas a computadores especializados. Como já mencionado, os relatórios apontam que a TA neural necessita de uma grande quantidade de dados para o aprendizado bilíngue. Nem os hardwares especializados nem grandes quantidades de dados de treinamento estão normalmente disponíveis para a maioria dos/das tradutores/as profissionais, que, portanto, precisam recorrer a terceiros para treinar sistemas de TA neural e realizar a TA por eles. Na realidade, esse é um modelo de negócios na indústria da tradução, assim como foi com a TA estatística. As empresas de TA neural podem adicionar as memórias de tradução aos seus corpora bilíngues gerais para criar um sistema de configuração de TA ajustado para suas tarefas.

Mas, por outro lado, a TA neural também produz um tipo de resultado bem diferente. Primeiramente, como a decodificação começa com representações da frase completa, é difícil saber a fonte de cada palavra-alvo (na TA estatística, é possível rastrear facilmente os sintagmas-fonte correspondentes a cada sintagma-alvo). Depois, assim como aconteceu com a TA estatística, a TA neural pode produzir textos gramaticalmente fluentes que, no entanto, não são uma tradução da frase-fonte. Na verdade, a tradução neural faz isso com mais frequência. Os erros geralmente são de natureza semântica: as palavras não identificadas durante o treinamento podem ser substituídas por palavras com significado similar (aparelho → dispositivo) ou até mesmo com resultados perigosos (Tunísia → Noruega). Também podem acontecer paráfrases (Michael Jordan → o ala-armador do Chicago Bulls). Para amenizar o problema de traduzir palavras que não são identificadas durante o treinamento, o material costuma ser dividido de forma automática em unidades sub-lexicais. Isso pode gerar palavras inventadas como engenheiragem (‘engenharia’) ou recrutação (‘recrutamento’), compostas por traduções sub-lexicais de unidades sub-lexicais. Sendo assim, uma vez que os erros costumam ser bastante sutis, os/as profissionais precisam ter muita atenção durante a pós-edição de um resultado gerado por TA.

voltar ao topo

Corpora para tradução automática

Reunir e gerenciar os corpora necessários para treinar uma tradução automática (estatística ou neural) baseada em corpus enfrenta importantes desafios:

É necessário adquirir e reunir coleções gigantescas de textos paralelos, ou seja, textos em uma língua com o texto equivalente em outra língua. Isso talvez não esteja disponível em algumas línguas ou gêneros textuais.
Garantir que o texto seja uma tradução apropriada de um outro texto pode não ser uma questão trivial em alguns casos (já que o reaproveitamento de textos pode fazer com que partes deles não sejam de fato traduções). Quando se coletam textos de sites multilíngues, o alinhamento de cada documento com sua respectiva tradução é um processo que deve ser feito automaticamente, o que é suscetível a erros.
Então, é necessário segmentar o texto bilingue em frases e alinhar frase por frase (com a exceção de memórias de tradução produzidas em ambientes de tradução assistida por computador). Para coleções extensas, confia-se em segmentação automática (utilizando regras simples baseadas em pontuação e formato) e alinhamento de frases (usando métodos estatísticos), que podem apresentar erros.
O treinamento da tradução automática requer a criação de um conjunto de desenvolvimento com milhares de pares de frases – que são o mais representativos possível daqueles esperados quando o sistema é implementado – para guiar o treinamento e obter dados de desempenho.

Cada frase, em ambos os lados do corpus paralelo, deve ser dividida em unidades menores chamadas tokens. Em línguas ocidentais, não é tão difícil dividir a maior parte do texto em tokens de palavras usando pontuação, espaços em branco, tabulações, marcadores de fim de linha, algumas regras de contração, etc. Mas existem línguas que são escritas em scriptio continua e requerem o uso de processadores linguísticos separados (baseados em dicionários, por exemplo) para dividi-las. Atualmente, as frases são divididas automaticamente em tokens sublexicais usando métodos estatísticos ou neurais, independente da língua. Por exemplo, podem ser usados algoritmos como o byte-pair encoding (BPE) (estatística; Sennrich, Haddow & Birch 2016) ou a nova abordagem SentencePiece (neural; Kudo & Richardson 2018).

voltar ao topo

Avaliação da tradução automática

Para avaliar a tradução automática, é necessário levar o seu propósito em consideração. Primeiramente, consideremos um cenário de adoção, no qual queremos decidir se vamos utilizar uma TA ou quais sistemas de TA serão escolhidos. Idealmente, seria necessário tentar conceber um experimento que seja representativo da tarefa em que se espera que a TA ajude e então medir a utilidade do resultado da tradução automática nessa tarefa. Como mencionado acima, a tradução automática pode ser aplicada com os propósitos de assimilação e disseminação. A avaliação da TA tem sido, historicamente, uma questão controversa e, por conta disso, existem muitas abordagens.

Primeiramente, consideremos uma situação de assimilação (também conhecida em inglês como gisting) na qual as instruções para realizar uma tarefa (como cozinhar a partir de uma receita, instalar um aplicativo a partir de suas instruções) são o resultado bruto da TA. O sucesso na tarefa mencionada é, evidentemente, um indicador da utilidade da tradução automática. Contudo, nota-se que, por um lado, muitos usos da TA não são associados a uma tarefa bem definida (navegar por um catálogo de uma loja online, ler notícias esportivas de outro país, captar as informações essenciais de um fórum sobre menopausa); por outro lado, pode ser custoso organizar um experimento representativo com textos, sujeitos e situações suficientes. É possível aproximar-se disso utilizando métodos típicos no ensino de uma segunda língua: depois de ler o texto traduzido por TA, os sujeitos podem completar questionários de compreensão escrita (Jones, Shen & Herzog 2009; Scarton & Specia 2016) com perguntas na língua-alvo (também custosas de formular) ou testes de cloze para completar frases-alvo traduzidas profissionalmente em que algumas palavras foram omitidas (Forcada, Scarton, Specia et al. 2018; um pouco mais baratas se as traduções profissionais de parte do texto-fonte estiverem disponíveis).

Nas aplicações de disseminação, a tradução automática será utilizada por tradutores/as profissionais, ora como a tradução bruta seguida de uma pós-edição que se adeque ao propósito, ou então como uma possível fonte de inspiração. Nesse sentido, um experimento é bem objetivo: após a seleção de textos representativos, seria solicitado a um grupo de tradutores/as para traduzi-lo do zero ou com o auxílio de um ou mais sistemas de tradução automática. Em seguida, seria medido o esforço empregado por eles/as para realizar a tradução em cada cenário. Por exemplo, um/a tradutor/a poderia contar quanto tempo levou para traduzir mil palavras, ou, por outro lado, poderia medir sua produtividade, ou seja, contar quantas palavras traduziu por hora. Assim, se um sistema de tradução automática é útil, os/as tradutores/as farão suas traduções mais rápido do que fariam sem o seu auxílio; se o sistema de tradução automática A é melhor do que o sistema de tradução automática B, a produtividade com A será maior do que com B. Para obter resultados significativos, talvez seja necessário solicitar tarefas de tradução custosas, bem como envolver vários/as tradutores/as, o que encarece bastante essa avaliação.

Muitas abordagens de avaliação tentam reduzir o custo de medições baseadas em tarefas. Uma maneira de fazer isso é a partir da coleta de julgamentos subjetivos, independentemente da tarefa. Uma maneira popular e recente de fazer isso é a partir da chamada avaliação direta (Graham, Baldwin, Moffat et al. 2017): uma tradução profissional de uma frase (em cinza, por exemplo), bem como uma tradução automática da mesma frase (em preto, por exemplo) são exibidas para um conjunto de usuários/as monolíngues da língua-alvo. Em seguida, pergunta-se até que ponto eles/as concordam com a declaração que “o texto preto expressa adequadamente o significado do texto cinza”, depois mostra-se para eles/as um botão que desliza, o qual eles/as podem posicionar em qualquer ponto entre 0% e 100%. O processamento estatístico (e, às vezes, a filtragem) de muitos julgamentos levam a indicadores que têm mostrado uma correlação satisfatória com as medições reais de utilidade.

Contudo, e se alguém quiser avaliar a tradução automática, não para adoção, mas durante o desenvolvimento, repetidamente, para diferentes versões de um sistema? Nesse caso, todos os métodos referidos, que envolvem uma configuração custosa com humanos como sujeitos, são inaplicáveis. Sob essa perspectiva, para uma tradução automática estatística ou neural ser treinada, é necessária uma medição periódica de sua performance durante o treinamento para que, por exemplo, se decida quando parar (para que o sistema não memorize tão profundamente o conjunto de treinamento). Portanto, exige-se métricas de avaliações automáticas, que funcionam da seguinte forma: um conjunto de desenvolvimento com, por exemplo, milhares de frases-fontes emparelhadas com traduções profissionais de referência são traduzidas automaticamente com o sistema em desenvolvimento; em seguida, a semelhança entre o resultado da tradução automática e a referência (ou referências, se há a possibilidade de arcar com os custos de mais de uma tradução profissional) é automaticamente determinada usando um indicador simples (por exemplo, computando quantas edições seriam necessárias como na taxa de erro de palavras para produzir a referência (mais próxima), ou quantas sequências de uma, duas, três e quatro palavras estão presentes tanto no resultado da TA quanto na(s) referência(s), como no indicador popular chamado BLEU, já mencionado). Entretanto, a correlação desses indicadores com a real utilidade tem se provado limitada embora eles sejam intensamente utilizados, devido à sua conveniência, e sejam, até mesmo, apresentados como indicadores reais de qualidade de tradução quando computados em conjuntos de teste independentes. Observa-se também que eles não são baratos, já que exigem a existência prévia de conjuntos de traduções de referência com um tamanho considerável.

De fato, há um campo de pesquisa chamado estimativa de qualidade da tradução automática (MTQE), que estuda maneiras de prever a utilidade da tradução automática quando não há traduções profissionais de referência disponíveis, simplesmente ao analisar a fonte e o resultado traduzido automaticamente (Specia & Shah 2018).

voltar ao topo

Potencial de pesquisa

Desde o advento da tradução automática baseada em corpus (CBMT), o papel histórico dos/das linguistas e dos/das especialistas em tradução é considerado acessório, já que a maior parte das pesquisas sobre como os sistemas de tradução automática funcionam é feita por pesquisadores/as com experiência científica ou tecnológica (engenheiros/as da computação, profissionais das ciências estatísticas, cientistas de dados, etc.).

No entanto, para os pares de língua (e gêneros textuais) que não conseguem dispor de corpora paralelos com tamanho necessário para treinar sistemas baseados em corpus, a tradução automática baseada em regras (RBMT) pode ser uma opção. Nesse caso, os/as tradutores/as e linguistas ainda são necessários para criar e gerenciar dicionários e conjuntos de regras. A título de ilustração, o Apertium (Forcada, Ginestí-Rosell, Nordfalk et al. 2011), uma plataforma aberta e colaborativa de tradução automática, enfatiza o trabalho com línguas com poucos recursos e possibilita a realização de pesquisa sobre a tradução automática.

Atualmente, a maioria das pesquisas em tradução automática baseada em corpus (CBMT) é voltada à tradução automática neural e apresenta um forte componente tecnológico. Alguns exemplos são:

novas arquiteturas, ou seja, modelos de redes neurais ou estratégias de treinamento;
sistemas de treinamento de tradução automática com pouco ou nenhum conteúdo paralelo (bilíngue) ou seja, tradução automática monolíngue ou não supervisionada; geração de dados sintéticos adicionais: por exemplo, a geração de dados sintéticos adicionais da língua-fonte a partir de dados naturais da língua-alvo por meio do treinamento de um sistema de tradução automática reversa (alvo→fonte) (dados retrotraduzidos; Sennrich, Haddow & Birch 2016);
algoritmos de aprendizado mais eficientes (isso é importante se considerarmos que os sistemas de tradução automática atuais precisam passar diversas vezes por todo o conjunto de dados de treinamento antes de realmente aprenderem algo);
uso de mais cotexto (contexto de documento) e contexto (imagens, diagramas, etc.) como entrada para o processamento de cada frase;
tradução restrita, de modo que o texto traduzido automaticamente cumpra as restrições de determinadas mídias, como legendas ou itens de menu.

Porém, mesmo sem entrar em aspectos técnicos dos sistemas de tradução automática, há uma ampla variedade de formas de implementação da tradução automática no mundo real, as quais abrem caminho para pesquisas por tradutores/as e linguistas.

Os cenários mais frequentes são os de assimilação, nos quais as pessoas comuns consomem a tradução automática em sua forma bruta. São eles:

metodologias de avaliação baseadas em julgamentos e/ou medições e suas habilidades em prever a utilidade ou aceitabilidade real de textos traduzidos automaticamente em uma variedade de cenários e tarefas;
compreensão de como as pessoas fazem uso da tradução automática bruta, seja observando seu comportamento (rastreamento ocular, registro de teclado e mouse) ou solicitando seus relatos (protocolos verbais, questionários pós-tarefa); avaliação do desencadeamento de estratégias metacognitivas para lidar com conteúdo traduzido automaticamente e sua relação com o processamento de texto produzido por falantes não-nativos, etc.; estudo da aceitabilidade e opiniões em relação a esse tipo de texto.
Em cenários de disseminação, ou seja, em que os/as tradutores/as profissionais usam a tradução automática como assistente. Por exemplo:
aprimoramento de metodologias para mensurar possíveis reduções no esforço de tradução, particularmente durante a pós-edição;
estudos de tradução sobre a natureza do texto produzido por sistemas de tradução automática (por exemplo, a habilidade de sistemas neurais em realizar operações, como reduções e expansões, assim como os/as tradutores/as profissionais);
estudos da habilidade de indicadores de avaliação (automáticos e manuais, obtidos de julgamentos e medições, etc.) para prever o esforço da pós-edição e aprimorar esses indicadores;
integração de um ou mais sistemas de tradução automática e de outras tecnologias de tradução nos ambientes de tradução assistida por computador de freelancers e agências; seleção automática da tecnologia mais adequada (“corretagem de tecnologia”) para cada profissional, trabalho de tradução ou até mesmo para cada segmento; ergonomia, mudança dos fluxos de trabalho de tradução, aceitabilidade e seus efeitos na produtividade real etc.

Os estudos linguísticos e translacionais, em ambos os cenários, necessitam dos tipos de erros produzidos por cada tipo de tecnologia de tradução automática e seus efeitos na utilidade de seu resultado.

Por fim, a utilização da tradução automática no aprendizado de línguas assistido por computador ou, particularmente, na formação de tradutores/as, tem se tornado muito importante, uma vez que sistemas de tradução automática estão prontamente disponíveis para quase qualquer aprendiz que disponha de conexão com internet.

voltar ao topo