El traductor del futuro: las redes neuronales transforman la profesión
En tres años el negocio global de la traducción crecerá casi en 10.000 millones de dólares, según un estudio.
Un análisis de expertos de la UOC en el Día Internacional de la Traducción, que se celebra el 30 de septiembre.
En todo el mundo se hablan más de 7.000 lenguas, cifra que en un entorno cada vez más globalizado ha convertido los trabajos de traducción en un servicio imprescindible. Prueba de ello es que el volumen de negocio en el mercado no deja de crecer: según el 14.º estudio anual de la consultora Common Sense Advisory sobre la industria de la traducción, el sector movió 46.520 millones de dólares en 2018.
Y se calcula que para 2021 esa cifra se incremente hasta alcanzar 56.180 millones de dólares debido a la creciente digitalización de contenido, los servicios personalizados y la globalización empresarial. Según los expertos, en ese entorno la traducción automática neuronal se convertirá en una pieza clave.
Se trata de un tipo de traducción automática en la que, al igual que la traducción automática estadística,los sistemas de traducción se entrenan, o aprenden, a partir de grandes corpus paralelos.
“Un corpus paralelo es un conjunto de oraciones en una determinada lengua junto con su traducción a otra lengua”. Recibe el nombre de traducción automática neuronal porque utiliza redes neuronales.
Estas redes neuronales están compuestas por una serie de unidades artificiales que por su comportamiento recuerdan a neuronas», explica Antoni Oliver, director del máster universitario de Traducción y Tecnologías Online de la Universitat Oberta de Catalunya (UOC).
Como señala el profesor de la UOC, las redes neuronales no son un concepto informático nuevo, ya que los orígenes se remontan a los años 40 del siglo xx. Sin embargo, solo recientemente la capacidad de cálculo de los ordenadores ha permitido desarrollar aplicaciones reales como la traducción automática neuronal, una tecnología que está revolucionando el sector por sus posibilidades.
Oportunidad de mercado
La principal ventaja de esta técnica es que permite trabajar más rápido y con menor margen de error, lo que aumenta la productividad de quienes se dedican profesionalmente al sector si se han formado en las nuevas tecnologías de traducción y están especializados en postedición. «La traducción automática neuronal está alcanzando niveles de calidad sin precedentes.
Hasta hace unos pocos años el uso de sistemas de traducción automática en el ámbito profesional estaba limitado a pares de lenguas muy similares (español-catalán, francés-español, etc.), ya que para otros pares de lenguas más alejados (español-inglés) la calidad no era suficiente y era más rápido traducir desde cero que intentar post-editar una traducción automática», explica Oliver. «Sin embargo, los sistemas neuronales actuales consiguen suficiente calidad como para que sea factible post-editar los resultados de la traducción automática. Ahora bien, aunque los fallos que cometen son más difíciles de detectar, pueden llegar a ser críticos y hacer cambiar completamente el sentido de una oración. Así pues, los traductores pueden formarse en post-edición para aumentar su competitividad en el complejo mercado de la traducción», explica el profesor de la UOC.
Los grandes avances en traducción automática en general, y en neuronal en particular, se han podido realizar porque la mayoría de sistemas disponibles se distribuyen bajo una licencia libre muy permisiva. Por eso cualquier empresa o traductor autónomo puede tener acceso a esta tecnología con una inversión mínima.
Para formar a estos profesionales, la UOC ha creado el nuevo máster universitario online de Traducción y Tecnologías, cuyo fin es proporcionar los conocimientos y las herramientas, tanto conceptuales como tecnológicos, requeridos en la traducción especializada.
La formación presta especial atención al contenido tecnológico, ya que su meta es que los alumnos adquieran la alta cualificación tecnológica y de gestión de la información que exige hoy el ejercicio de la profesión.