Redes neuronales:impulsando la próxima frontera en traducción automática

El artículo fue escrito y enviado por Rachel Wheeler. 

La idea de la traducción automática se remonta a muchas décadas atrás. Primero, era simplemente un sistema para traducciones automáticas basadas en reglas. Luego, en la década de 1980, los investigadores desarrollaron traducciones automáticas estadísticas. En el siglo XXI, el gran salto en la tecnología de traducción automática vendrá del aprendizaje automático y de la tecnología de redes neuronales. 

En los últimos años, hemos visto algunos avances significativos por parte de empresas de traducción que están utilizando estas tecnologías de Inteligencia Artificial para ofrecer mejores traducciones automáticas. Algunos de los ejemplos más impresionantes provienen de sistemas como Google Neural Machine Translation (GNMT) y Neural Translator de Microsoft.

¿Qué es una traducción automática neuronal?

Las traducciones automáticas ya están ampliamente disponibles y lo han estado durante años. Puede encontrar sistemas de traducción automática en varias aplicaciones populares y existen servicios en línea que ofrecen servicios de traducción automática. Sin embargo, existen diferencias significativas entre los servicios que ya están disponibles y los sistemas que se están desarrollando para utilizar redes neuronales.

La mayoría de los sistemas que encontrará ahora son traducciones automáticas estadísticas. Utilizan algoritmos y modelos estadísticos para adivinar la traducción adecuada de una frase. Puede funcionar bien para frases cortas, pero llega a sus límites cuando se le pide traducir muestras más largas, como un libro de texto digital completo para una traducción de aprendizaje electrónico. Los resultados pueden ser cualquier cosa, desde una interpretación bastante precisa hasta una traducción que sea un completo galimatías.

Las traducciones automáticas neuronales representan un enfoque muy diferente de los sistemas más antiguos que utilizan traducciones automáticas estadísticas. Con un sistema NMT, se entrena y optimiza una red neuronal para realizar servicios de traducción.

Estos sistemas utilizan el aprendizaje profundo para analizar grandes cantidades de traducciones que ya han sido realizadas por traductores humanos. Al analizar este gran conjunto de datos, puede dar cuenta de oraciones completas, comprender el contexto y las diferentes variaciones, y trabajar con sutilezas lingüísticas que no podrían programarse en un modelo basado en estadísticas. El resultado final es un sistema de traducción automática más fluido y natural.

¿Cómo funcionan las redes neuronales?

La clave para dotar a las máquinas de esta capacidad de aprender es la red neuronal. Este es un tipo de tecnología informática que está diseñada para imitar el funcionamiento del cerebro humano. En el cerebro, las vías neuronales se forman a medida que aprendemos. Si el camino es útil y beneficioso, se fortalece. Si no proporciona los resultados correctos, se debilita.

La idea detrás de las redes neuronales es simular la naturaleza interconectada de las vías neuronales del cerebro. Con este diseño, las computadoras pueden aprender, reconocer patrones y tomar decisiones de una manera similar al cerebro humano.

Las redes neuronales artificiales simulan esta estructura al tener desde docenas hasta millones de neuronas artificiales conocidas como unidades. Estas unidades están dispuestas en capas. Por un lado, tienes unidades de entrada que están diseñadas para recibir información. En el lado opuesto, tienes unidades de salida que señalan la respuesta a la información aprendida.

Entre las capas de unidades de entrada y unidades de salida tienes las unidades ocultas. Estas son las capas que comprenden la mayor parte de la red neuronal y también se utilizan para formar la mayoría de las conexiones.

A cada conexión en una red neuronal se le asigna un peso para indicar la fuerza de la conexión entre las dos unidades. El peso puede ser positivo para una conexión que excita a la otra unidad, o puede ser un peso negativo para una conexión que suprime la acción de la otra unidad. Cuanto mayor sea el peso, mayor será la influencia que tiene una unidad sobre la otra en la conexión.

Las redes neuronales aprenden comparando el resultado producido con el resultado deseado. La información se alimenta al sistema en el extremo de entrada. Luego activa conexiones en unidades ocultas. Esto conduce a una conexión con el extremo de salida. Luego, la salida que la red realmente produce se compara con la salida deseada. Luego, los pesos se modifican en función de la diferencia entre el resultado producido y el resultado deseado.

Para las traducciones automáticas, la estructura de una red neuronal hace que el sistema sea más adaptable y capaz de manejar modelos más complejos que un sistema basado en reglas y estadísticas. También puede aprender de su experiencia. Si no proporciona el resultado correcto, aprende del error y hace ajustes para funcionar de manera más eficiente la próxima vez. 

¿Qué significa para las traducciones automáticas?

La traducción automática neuronal sigue siendo una tecnología nueva. Aunque se encuentra en sus primeras etapas, ya proporciona resultados superiores a los mejores sistemas de traducción automática estadística. Dicho esto, todavía queda un largo camino por recorrer antes de que las traducciones automáticas neuronales puedan competir con un traductor humano cualificado.

Leer:Inteligencia artificial versus aprendizaje automático versus aprendizaje profundo

El avance de la traducción automática neuronal no vendrá de una sola empresa. Será el resultado de varios avances de investigadores de diferentes organizaciones y de todo el mundo. A medida que la tecnología se desarrolle, NMT se convertirá en una herramienta importante para los traductores humanos. Con la creciente necesidad de traducciones complejas, los profesionales utilizarán estos sistemas para proporcionar traducciones precisas en menos tiempo y esto les ayudará a satisfacer la creciente demanda.