Cuando Kenneth Wehr se hizo cargo de la versión de Wikipedia en groenlandés hace cuatro años, su primera medida fue drástica: borrarlo casi todo. Era, según él, la única forma de que el proyecto tuviera alguna posibilidad de sobrevivir. Wehr, un alemán de 26 años obsesionado con Groenlandia, descubrió que la Wikipedia en este idioma, hablado por unas 57.000 personas, era un espejismo.

Pero esto también ocurre en auténticos paraísos como Hawai, donde Noah Ha'alilio Solomon, apunta a que alrededor del 35% de las palabras de algunas páginas de la Wikipedia hawaiana son incomprensibles. Aunque es algo que tiene su explicación. 

Falsos traductores. A pesar de contar con unos 1.500 artículos en este idioma, la inmensa mayoría habían sido creados por personas que no hablaban el idioma, utilizando traductores automáticos. El resultado, como se recoge en MIT Technology Review, era un desastre: artículos con errores gramaticales básicos, palabras sin sentido e incluso datos absurdos, como una entrada que afirmaba que Canadá tenía solo 41 habitantes. 

En Genbeta

Hay tantos artículos escritos por la IA en internet que la Wikipedia ya tiene un método para detectarlos

"Las frases no tenían ningún sentido o contenían errores obvios", se lamentaba Wehr. "Los traductores de IA son realmente malos en groenlandés".

Basados en predicción. Los grandes modelos de inteligencia artificial, desde Google Translate hasta ChatGPT, aprenden a "hablar" nuevos idiomas analizando cantidades masivas de texto extraído de internet. Para muchas lenguas minoritarias, con poca presencia digital, Wikipedia es a menudo la mayor, si no la única, fuente de datos lingüísticos disponible. Y aquí es donde empieza el gran destrozo lingüístico. 

Y es que al final todo comienza con usuarios bienintencionados (o no tanto) que utilizan herramientas de traducción automática para poder crear artículos en Wikipedia en lenguas que son minoritarias. Pero lógicamente no piensan que estos traductores no están bien entrenados para estas lenguas por los pocos recursos que hay de por sí en la red. 

Cíclico. Con toda esta información generada con los traductores automáticos se está generando también el material con el que van a trabajar los futuros modelos de IA, ya que van a usar la información que hay en la red. De esta manera, los nuevos modelos de IA aprenden de estos textos 'basura', perpetuando y amplificando los errores que se cometieron anteriormente. 

Ahora las nuevas herramientas de traducción que surgen se generan a partir de traducciones de otras IA y entonces se van a acumulando los errores uno encima de otro. Y al final lo que esperamos tener es un desastre auténtico. 

Va más alla. Voluntarios que trabajan en cuatro idiomas africanos estimaron para MIT Technology Review que entre el 40% y el 60% de los artículos en sus ediciones de Wikipedia eran traducciones automáticas sin corregir. Una auditoría de la edición en inuktitut (un idioma indígena de Canadá) reveló que más de dos tercios de las páginas contenían fragmentos generados de esta manera.

La dependencia. Ya en 2020, se estimaba que Wikipedia constituía más de la mitad de los datos de entrenamiento para la IA en idiomas hablados por millones de personas en África, como el malgache, el yoruba y el shona. En 2022, un equipo de investigación alemán descubrió que para 27 idiomas de bajos recursos, Wikipedia era la única fuente de datos lingüísticos fácilmente accesible en internet.

"Estos modelos se basan en datos brutos", explica Kevin Scannell, un informático que desarrolla software para lenguas en peligro. "No hay libros de gramática. No hay diccionarios. No hay nada más que el texto que se introduce".

Los secuestradores. Trond Trosterud, un lingüista computacional de la Universidad de Tromsø, lleva años alertando sobre este fenómeno. Él acuña el término "secuestradores de Wikipedia" para describir a un subconjunto de usuarios que, ya sea por ingenuidad o por un afán de "ayudar", inundan estas pequeñas ediciones con contenido de baja calidad. Concretamente, apunta a que estos usuarios están "armados con Google Translate", lo que categoriza como el problema principal. 

Antiguamente, esto era algo impensable, porque únicamente contábamos con una serie de diccionarios entre dos idiomas y traducir al final requería mucho tiempo. Pero al final un 'copia y pega' se pueden generar contenidos muy largos. 

Le dan las herramientas. La propia Wikipedia a día de hoy ofrece a los usuarios esta herramienta llamada 'Content Translate'. Esta permite traducir artículo a un idioma a otro conservando el formato original. Sin embargo, al depender de los motores externos lógicamente, los errores comenzaban a aflorar, y las imprecisiones eran mayúsculas. 

Se llegó a tal punto, que la versión en inglés de Wikipedia dejo de mostrar en gran medida el contenido que estaba generado con esta herramienta de traducción si antes no pasaba por un revisor humano. Todo porque no cumplían con el estándar de calidad mínimo que se solicitaba. Pero en las ediciones más pequeñas de Wikipedia no hay un ejército de editores humano que puedan corregir los errores que cometen los traductores de IA. 

Un ejemplo de esto está en Yuet Man Lee, un profesor canadiense, que admitió haber usado ChatGPT y Google Translate para crear artículos en inuktitut. Una decisión ue tomó tras ver la "arrogancia de la Wikipedia grande", ya que se encontraba que en inglés hay mucho contenido, pero en lenguas minoritarias no. Pero esto es algo que hizo confiando en que alguien vendría después a corregirlo, aunque la realidad es que nadie ha tocado los artículos desde entonces. 

En Genbeta

Wikipedia quiso introducir resúmenes con IA en sus artículos. La feroz reacción de los editores les ha parado los pies

Las consecuencias. En el norte de Nigeria Abdulkadir Abdulkadir dedica tres horas diarias a editar la Wikipedia en fula, un idioma hablado por pastores y agricultores. Él lo ve como una herramienta vital para llevar el conocimiento de la agricultora a las aldeas remotas. Pero si la información está traducida, obviamente puede haber grandes daños en los cultivos de las personas que han confiado en esta entrada. 

Pone varios ejemplos para poder ilustrarlo. Apunta específicamente que los traductores automáticos confunden la palabra fula para "cosecha" con "fiebre" o "bienestar". Aunque también relata como recientemente tuvo que corregir un artículo sobre el caupí, un cultivo fundamental en África, porque era prácticamente ilegible. Estima que el 60% de los artículos en fula son traducciones automáticas sin corregir. 

Al otro lado del país, Lucy Iwuala, editora en igbo, es aún más tajante. "El daño ya está hecho", afirma, mientras revisa artículos recién creados que contienen letras que ni siquiera existen en el alfabeto igbo. Apunta que esta edición de las entradas de Wikipedia para ella es una forma de lucha cultural, ya que se siente identificada con esas entradas. 

Imágenes |  Oberon Copeland 

En Genbeta | Wikipedia: 20 años que cambiaron internet y el acceso al conocimiento en 10 hitos

La carrera por dominar en el campo de la inteligencia artificial de consumo ha hecho que sean muchas las empresas que están compitiendo entre ellas para captar la atención de los usuarios. ChatGPT es una de las apuestas más importantes que hay en el mercado, pero Meta también quiere llevarse su parte del pastel con el lanzamiento de novedades que sean diferenciadoras y que traten de igualar su IA a la de la competencia.

Estas novedades fueron presentadas este miércoles en un gran evento celebrado por la compañía, donde se revelaron las primeras gafas de realidad aumentada de la compañía. Pero en el caso de su inteligencia artificial también ofrecieron datos importantes al agregar la posibilidad de hablar para poder igualarse, por ejemplo a lo que hizo OpenAI con su IA generando una gran polémica con el uso de la voz de Scarlett Johansson.

Meta apuesta por hablar con la IA como si fuera con un humano

Pero en este evento van más allá con otras novedades relevantes en lo que se refiere a sus productos. La primera de ella marca un peligroso precedente, ya que se centra en la creación de avatares muy realistas de inteligencia artificial. En la presentación veíamos como Mark Zuckerberg mantenía una videollamada con lo que parecía una persona. Pero en realidad se trataba de una inteligencia artificial con esa skin humana.

Pulsa en la imagen para acceder a la publicación en X.

Es tal el realismo que le han puesto a estos nuevos avatares virtuales que han conseguido que haya una sincronización de la boca con las palabras que está generando la IA. El único punto donde se puede ver que en realidad no se trata de una persona real es en el parpadeo de los ojos, que todavía no parece demasiado natural, sino algo errático.

Pero sin duda marca un antes y un después en el uso de la inteligencia artificial y también en todas las posibilidades que hasta hace poco veíamos como algo muy futurista. Aunque se abre también un gran peligro en el que internet se puede terminar llenando de contenidos 'fake' al simular a personas influenciables dando un mensaje completamente alterado. Esto es lo que precisamente se persigue con la regulación con la IA, en la que se insiste en que se informe que un contenido no es real sino que ha sido generado por la IA. Precisamente porque pronto no vamos a poder diferenciar realidad de algo generado artificialmente como en este caso.

Ver reels en inglés ya no será un problema

Meta también ha querido dar pie a que no haya ninguna limitación a la hora de consumir contenido en internet. Ahora mismo, aquellas personas que únicamente conocen un idioma, como puede ser el español, no puede disfrutar de contenidos de otros continentes como aquellos que se crean en inglés. Simplemente, porque no llegan a entender lo que se está diciendo.

Pero esto es algo que está a punto de acabar completamente gracias a la inteligencia artificial, y que va a eliminar las barreras lingüísticas que podemos tener en internet.  Esto es algo que se conseguirá traduciendo automáticamente los diálogos de los vídeos e incluso haciendo que haya una sincronización de los labios con el texto traducido. Algo que de momento está disponible entre el inglés y el español latino.

En Genbeta

Cómo borrar tu cuenta de Instagram por completo y para siempre

Es decir, que si encontramos en Instagram o Facebook un reels que ha sido grabado por una persona de habla inglesa, automáticamente podremos traducirlo al español. Y será difícil detectar que el original no ha sido grabado en la traducción, ya que ni viendo los labios veremos algo que nos resulte extraño.

Sin duda son cambios que puede terminar completamente el uso de internet en nuestro día a día, haciendo que los contenidos tengan un mayor alcance para que cualquier persona pueda consumirlos, hable la lengua que hable. Aunque como ya sabemos, estos cambios a España y en general a la Unión Europea no van a poder llegar hasta que finalmente se llegue a un acuerdo entre los gobiernos de la UE y la propia compañía.

Imágenes | Solen Feyissa

En Genbeta | OpenAI ha decidido que poderoso caballero es don dinero y dejará atrás el 'sin ánimo de lucro', según Reuters

Desde hace muchos años contamos con herramientas muy útiles para traducir textos. El propio traductor de Google o DeepL son solo algunas de las webs más utilizadas para ello. Sin embargo, con la llegada de herramientas basadas en inteligencia artificial generativa, entre todas las tareas que podemos pedirle a la IA también se encuentra la opción de traducir cualquier texto.

En este artículo te vamos a mostrar cómo el creador de una de las mejores IA utiliza ChatGPT para traducir textos de manera profesional y sin caer en errores comunes.

Dos prompts para traducir textos en cualquier idioma

Cuando interactuamos con alguna herramienta basada en inteligencia artificial generativa, obtendremos mejores resultados si somos más precisos a la hora de escribir nuestro prompt. De esta manera, no es lo mismo pedirle directamente a la IA que nos traduzca un texto de un idioma a otro que haciéndolo si también le pedimos que respete una serie de normas.

Javi López, fundador de Magnific, una IA que nos sirve para escalar cualquier imagen, nos ha desvelado su truco para traducir textos mediante IA para dejar de una vez por todas de depender de herramientas como DeepL y similares. Para ello, en una publicación en X nos ha compartido dos prompts que usa normalmente para su cuenta inglesa y japonesa.

En Genbeta

Una foto fija y un clip de audio: todo lo que necesitas para crear vídeos con declaraciones falsas gracias esta IA de Microsoft

El primer prompt se basa en pedirle a la IA que traduzca el texto teniendo en cuenta una serie de aspectos: expresión fluida y natural, en un contexto conversacional o informal, y específica para interacciones con otros en Twitter de forma que muestre respeto pero sin ser excesivamente formal. Bajo estas líneas te dejamos con el prompt completo:

Translate the following text into [LANGUAGE] taking care of:

- Fluent and natural expression

- In an informal or conversational context

- For interactions with others on Twitter that show respect but without being overly formal

[Text to translate]

Otro prompt que utiliza, sobre todo para corregir textos en cualquier idioma, es el siguiente:

Fix [language] ONLY if errors:

[Text to translate]

Aquí López le está pidiendo a la IA que solamente corrija el texto en un determinado idioma en caso de que exista algún fallo. Cada uno de estos prompts podemos aplicarlos a cualquier chatbot con IA como ChatGPT con GPT-4  y similares para mejores resultados.

Según López, utiliza la inteligencia artificial para traducir y corregir prácticamente todo el contenido de sus cuentas en X, tanto de su cuenta inglesa como japonesa. A pesar de que no siempre la inteligencia artificial nos ofrecerá una traducción a la altura, siempre nos ayudará a mejorar su traducción si le indicamos de manera precisa cómo queremos expresar el texto.

En Genbeta | Meta lanza Llama 3, la nueva versión de su IA 'open source' que se incorporará a Facebook e WhatsApp (y que ya puedes bajarte)

Cada actualización de Google Chrome le va sentando cada vez mejor. El navegador ha añadido funciones muy interesantes a lo largo de estos años y próximamente obtendrás una opción por defecto para traducir todo lo que ves y escuchas en caso de que reproduzcas contenido en otros idiomas frecuentemente.

Si bien esta característica ya se encuentra disponible en los teléfonos Pixel, ahora Google ha decidido traerla a su navegador para ordenadores. Y es que Google Chrome ha habilitado por defecto la función de ‘Live Translate’ en la última versión de Chrome Canary, pudiendo así generar subtítulos automáticamente de todo lo que se está reproduciendo en el navegador.

Traducciones automáticas en Google Chrome

Para que esta característica pueda funcionar correctamente, debemos habilitar la función de ‘Live Caption’ (Subtítulos automáticos), la cuál nos ofrecerá subtítulos de todo lo que se esté reproduciendo. Con ‘Live Translate’, esos subtítulos generados automáticamente se traducirán al idioma que escojamos, algo muy útil en caso de que reproduzcamos contenido en otros idiomas desde Google Chrome.

Haz clic en la imagen para ir a la publicación

Para habilitar Live Translate en las versiones Canary de Chrome, había que hacerlo mediante una línea de comando en ‘chrome://flags’. Sin embargo, de ahora en adelante, esta función se encontrará habilitada por defecto a partir de Chrome Canary 124, pudiendo habilitarla directamente desde el menú de accesibilidad de Chrome.

La información la ha traído Leopeva64, conocido experto que suele filtrar muchas de las funciones en las que está trabajando Google. La página de Chromium da fe del desarrollo de esta función en Chrome. La idea es que pronto llegue también a los canales de Chrome Dev y Beta antes de su lanzamiento a la versión estable de Chrome el próximo 10 de abril.

En Genbeta

Con estos ajustes en Google Chrome reducirás el consumo de RAM un 40%: mejorará el rendimiento y la autonomía de tu portátil

Como decíamos antes, para que Live Translate pueda funcionar, la opción de Live Captions (Subtítulos automáticos) debe estar también disponible. Esta función se puede encontrar en la pestaña de accesibilidad de los ajustes de Chrome. Live Translate no aparecerá en la versión pública de Chrome hasta que no se lance oficialmente en abril. La función llegará con el lanzamiento de la versión 124 de Chrome.

Entre las funciones más interesantes que están por llegar a Chrome, también sabemos que la compañía está trabajando en una completa renovación de Google Lens, herramienta que aparece si hacemos clic derecho sobre cualquier imagen y presionamos sobre ‘Buscar imagen con Google’.

En Genbeta | Este truco de Google Chrome me habría ahorrado tiempo si lo hubiera conocido antes: todo con un simple clic

Enero de 2019. La Fundación Mozilla se une al Proyecto Bergamot, financiado por la UE y en el que colabora con dos universidades británicas, una checa y otra estonia con el objetivo de dotar al navegador web de funciones de traducción automática respetuosa que se ejecute "del lado del cliente". Pero… ¿no es así como funcionan las actuales herramientas de traducción dentro del navegador?

No: actualmente todo el contenido a traducir se remite a la 'nube', quien se la devuelve ya traducido a nuestro equipo. Esto, obviamente, presenta un gran problema de privacidad, pues potencialmente permite a los propietarios de los servicios de traducción saber por qué clase de contenidos navegamos.

Y, claro, además obliga a tener la conexión activa a Internet, incluso si los archivos webs que estamos visualizando están en nuestro disco duro.

Junio de 2022. La Fundación Mozilla lanza en su tienda de add-ons la extensión Firefox Translations, que ofrece funcionalidad de 'traducción sin nube' a todos los usuarios de Firefox y navegadores compatibles. A estas traducciones locales y off-line se le han sumado otras dos funciones:

• La traducción de formularios: no sólo se traduce el texto de la web, sino aquel que el usuario introduce en la misma; esto permite, por ejemplo, escribir un comentario en el idioma propio del blog aunque el usuario lo haya escrito en el suyo.

• La estimación de la calidad de las traducciones: cuando la IA ofrece un texto traducido con bajo margen de confianza, dicho texto aparece resaltado para que el usuario no se confíe y pueda verificar por su cuenta lo adecuado de la traducción.

En Genbeta

Ya podemos acceder al historial de nuestras traducciones de Google Translate desde cualquier dispositivo: así funciona

Todo ello requirió, según explica Mozilla en su blog, desarrollar una API de alto nivel para las labores de traducción automática, portarla a WebAssembly optimizar las operaciones para que la multiplicación de matrices se ejecute de manera eficiente en las CPU, y no exija el uso de una GPU (como muchas otras aplicaciones de deep learning) para mostrar un rendimiento adecuado.

Si el nombre de esta nueva extensión te suena, se debe a que Mozilla integró Firefox Translations en la versión Nightly de su navegador hace ahora un año, pero nunca llegó a la versión estable, y desde entonces se había publicado poca información sobre el estado del proyecto.

Lenguas con soporte

Las lenguas de origen y destino que podemos usar ya con Firefox Traslations son las siguientes:

• Español <-> Inglés
• Estonio <-> Inglés
• Inglés <-> Alemán
• Checo <-> Inglés
• Búlgaro <-> Inglés
• Noruego Bokmål -> Inglés
• Portugués <-> Inglés
• Italiano <-> Inglés

…mientras que las siguientes se encuentran "en desarrollo":

• Ruso <-> Inglés
• Persa (Farsi) <-> Inglés
• Islandés -> Inglés
• Noruego Nynorsk -> Inglés

¿Son pocas para ti? ¿No encuentras las que estás buscando? No pasa nada… puedes añadir más tú mismo:

"Para capacitar a la comunidad para que contribuya con nuevos idiomas, también hemos desarrollamo un recurso de formación integral para permitir a los entusiastas capacitar fácilmente a nuevos modelos, lo que ayuda a expandir el alcance de los complementos".

Hace unas semanas hicimos un repaso a los dos primeros meses de HBO Max. El resumen de nuestras impresiones fue claro: HBO Max mejoraba en todo a su predecesor, HBO España, y junto a pequeños detalles frente a la competencia, tenía un grave defecto: la falta de contenido en 4K. Sin embargo, desde entonces, y aunque ya lo repasamos brevemente en su momento, hemos visto florecer un problema que es incluso mayor que la carencia de la Ultra Alta Definición.

Y no es otra cosa que el descuido de muchas series y películas en cuanto a disponibilidad de idioma de subtítulos y de audio. Veamos cómo muchos usuarios se están quedando sin poder ver los contenidos que quieren poder ver tal y como les gustaría, y como en la mayoría de casos solía garantizar HBO España y como lo hacen otras plataformas. Algo ocurre en HBO Max, porque un mes después de hablar sobre los errores de traducción en títulos de El Príncipe de Bel-Air, el problema sigue sin arreglarse.

Desde doblajes inexistentes, hasta mal etiquetados, pasando por capítulos sin subtítulos

Hace más de un mes publicamos la noticia de las desastrosas traducciones de títulos de capítulos de 'El príncipe de Bel-Air'. Todo sigue igual a día de hoy.

La queja a HBO Max por cómo está gestionando la disponibilidad de doblajes y subtítulos es constante. Solamente hay que darse una vuelta por las menciones en Twitter a su cuenta @HBOMaxEs para comprobarlo. Pero lo grave es que lo que está ocurriendo no es en títulos antiguos o poco vistos, sino entre las novedades de la plataforma para finales de 2021 y comienzos de 2022.

El caso del que hemos leído más quejas es el de "Estación Once", la última joya de HBO Max para 2021, y que acabará de emitirse en estos días. El contenido no ha decepcionado, pero sí cómo se ha lanzado. Ha habido quejas desde el principio. En ningún sitio se promete, pero existe una ley no escrita que dice que cuando una plataforma lanza un contenido en un determinado país, éste debería llegar con audio original y doblado, junto a lo mismo en subtítulos.

El problema es que cuando se lanzó, como reconoció la propia compañía, se hizo sin subtítulos en español, admitiendo que "por norma general los subtítulos en castellano aparecen 24 horas después de su estreno". 24 horas después, aún no estaban disponibles. Además, hemos podido hablar con traductores, y nos han contado que HBO pide los subtítulos con bastante prisa, y que se entregan antes de que se publiquen los contenidos. Es decir, que bien podrían publicarse al ritmo del estreno de los capítulos. Si no fuera así, la plataforma podría indicarlo de alguna forma en lugar de exponerse a críticas con sentido de sus usuarios.

Capítulo emitido hace 13 días que no cuenta con subtítulos en ningún idioma, y que tiene audio latino marcado como audio "castellano"

Pero la cosa no acaba en el estreno de 'Estación Once'. Prácticamente ha habido problemas con audio y subtítulos en todos los capítulos, lo que lleva a que algunos usuarios se planteen descargar la serie para verla como quieren, incluso teniendo suscripción a HBO Max. En el momento de escribir este artículo, a miércoles 12 de enero, el capítulo 7 de 'Estación once' aparece como disponible con audio inglés y en castellano. Ese capítulo fue emitido el día 30 de diciembre, es decir, hace dos semanas. El problema es que no es castellano, sino español latino, y no hay forma de cambiarlo. Además, no hay subtítulos en ningún idioma. Todo esto sería más comprensible si no fuera una serie original de HBO Max, pero no sólo lo es, sino que se trata de una apuesta estrella esta temporada.

En la tercera temporada de 'Lo que hacemos en las sombras', hay usuarios que llevan meses esperando poder ver los capítulos 7, 8 y 9 doblados. El décimo sí está. Resulta inexplicable cuando ni siquiera hablamos de estrenos.

Pasando a otros ejemplos, en 'Selena+Chef' hay doblaje pero no subtítulos en español en capítulos de su primera temporada. Sí en los capítulos de la segunda y tercera.

Y hay mucho más. 'Crazy, Stupid, Love' solamente está en inglés sin subtítulos ni audio en español. 'Landscapers' no está en versión original. En la quinta temporada de 'Gomorra', los capítulos 5, 6, 7 y 8 no tienen doblaje en español, pero los posteriores sí. En 'Vota Juan', que es uno de sus títulos estrella en el lanzamiento en España, no tiene subtítulos en español, pero sí en inglés.

En Genbeta

Así ha traducido Netflix la expresión andaluza "mi arma" en su doblaje y subtítulos en inglés

No es justificable teniendo en cuenta que otros capítulos tienen subtítulos en danés, noruego, sueco, etc. Por esto mismo, porque cuando todo funciona correctamente se ve que el objetivo de HBO Max es tener mucha disponibilidad de idiomas en subtítulos y al menos del original y del doblaje a castellano en audio, es algo a criticar cuando falta. Tampoco hay subtítulos en español en 'Magnolia', ni doblaje a español o español latino en 'Batman Begins', pese a ser una película de 2005 y distribuida por Warner, propietaria de HBO Max.

La lista crece y crece si seguimos buscando, algo que no tiene sentido, pues el problema está más que documentado. HBO Max es un servicio de pago que ha traído enormes avances sobre HBO. Sin embargo, en lo que hemos repasado ha habido retrocesos importantes. No sabemos las causas, si se debe a alguún problema técnico por el estreno de la nueva plataforma tecnológica. Nos hemos puesto en contacto con HBO Max España y esto es lo que nos han comunicado al respecto:

"No tenemos más comentarios que los que se comparten en redes desde nuestras cuentas oficiales. El equipo trabaja constantemente para solucionar incidencias y mejorar el servicio cada día".

Probablemente sea cuestión de esperar a que la plataforma se estabilice, pero la realidad, a día de hoy, es que hay muchas personas sin poder ver contenidos (de máxima calidad, como HBO acostumbra) de la forma que les gustaría, y para lo que pagan 8,99 euros al mes (algo menos con descuentos).

Facebook ha anunciado un nuevo e importante avance en sus herramientas de traducción automática, un progreso que podría ayudar a mejorar las comunicaciones entre los usuarios de todo el mundo en sus plataformas.

La compañía asegura que diariamente ofrecen 20.000 millones de traducciones en su News Feed, y ahora gracias a su inteligencia artificial M2M-100 afirman que serán capaces de traducir entre cualquiera de los 100 idiomas sin pasar por el inglés.

Del chino al francés sin pasar por el inglés

Este es un cambio importante, y Facebook asegura que "romper las barreras lingüísticas es una de las formas más importantes de unir a las personas, proporcionando información autorizada sobre el COVID-19 y mantenerlas a salvo de contenidos perjudiciales".

Aunque las herramientas de traducción han mejorado mucho en los últimos años (DeepL es un buen ejemplo de ello), todos nos hemos encontrado con traducciones un tanto robóticas o que no tienen demasiado sentido.

Facebook aclara que cuando se traduce (por ejemplo) del chino al francés, "la mayoría de los modelos multilingües centrados en el inglés se entrenan en el chino al inglés y en el inglés al francés, porque los datos de entrenamiento en inglés son los más disponibles".

Con M2M-100, Facebook entrena directamente en los datos del chino al francés "para preservar mejor el significado". Aseguran que son capaces de superar a los sistemas centrados en el inglés en 10 puntos (en la métrica BLEU, utilizada para evaluar las traducciones automáticas).

Es un cambio realmente importante, si tenemos en cuenta que de los miles de millones de publicaciones diarias en 160 idiomas en Facebook, dos tercios están en un idioma distinto al inglés.

En Genbeta

Así funciona Fact Check Explorer, el buscador antibulos de Google

Así lo ha señalado Angela Fan, una investigadora asociada de Facebook AI, a Engadget. Ella asegura que hay muchas regiones en el mundo donde la gente habla varios idiomas, y ninguno de ellos es inglés. No parece demasiado efectivo entonces utilizar sistemas de traducción que "dependen en gran medida de los datos de sólo inglés".

Aunque estos avances ya son significativos de por sí, uno de los puntos más importantes de este proyecto es que pasa a ser de código abierto para la comunidad de investigadores y así ayudar a impulsar nuevos avances.

Facebook ha dejado claro que también tiene previsto seguir desarrollando este sistema de manera independiente y, con el tiempo, incorporará la tecnología resultante a sus productos.

A finales de 2018 Google nos dejó conocer sus planes iniciales para comenzar a ofrecer traducciones sin sesgos de género en su traductor. Google Translate dejaría de asignar un género específico a la traducción de palabras que son de género neutro en un idioma. Es algo que pasa mucho en traducciones de inglés a español, por ejemplo algo como "a doctor" que es neutro en inglés, se traducía como "un doctor" al español.

La solución inicial: ofrecer traducciones para género femenino y masculino a la vez, indicando que la traducción distingue por género. Hoy, esos planes han avanzado un poco más, y en Genbeta hemos conversado con Romina Stella, directora de producto en Google Research enfocada en los sesgos de género en el Machine Learning para que nos cuente sobre los retos de ofrecer traducciones más neutras en un mundo que aboga cada vez más por un lenguaje más inclusivo.

Un traductor que no adivina el género del sujeto en una frase sino que aprende dónde cambia el género

Romina nos cuenta que dos han sido los avances más importantes a la hora de resolver los sesgos de género del traductor. El primero es que Google Translate ya no solo ofrece traducciones que distinguen por género para palabras únicas, sino para frases completas desde inglés a español.

Por ejemplo, para una frase como "my friend is a doctor" en la que no se sabe el género de ese amigo, porque en inglés tanto "friend" como "doctor" son de genero neutro, el traductor ofrece dos frases de respuesta: "mi amiga es doctora" o "mi amigo es doctor".

En Genbeta

Este truco de las hojas de cálculo de Google es la forma más sencilla de traducir muchas palabras a la vez

El segundo gran avance es uno que aún no han aplicado a las traducciones inglés español, pero que básicamente cambia el modelo de machine learning a la hora de generar esas dos opciones.

El modelo viejo generaba las dos opciones y nosotros verificábamos que fuesen iguales y de alta calidad, lo que pasaba es que muchas veces esas opciones se perdían porque el modelo generaba traducciones que no eran exactamente iguales. El modelo nuevo genera una sola traducción, ya sea masculina o femenina, y otro modelo de machine learning se encarga de reescribir esa traducción con el otro género.

En español todo es más complicado

La ventaja es que poder reescribir las traducciones en lugar de tener que generarlas todas, hace que se puedan ofrecer las que distinguen por género para muchísimas más frases. Esto es algo que por ahora funciona solo con finlandés, persa, húngaro, y turco a inglés, y aunque español aún usa el modelo viejo, la idea es reemplazarlo con este pronto.

Romina nos explica que en español es mucho más complicado porque hay muchísimas más palabras que varían por género, no solo los términos que se refieren a personas "En español todo varía, varían los artículos, los adjetivos, en inglés de alguna manera es un poco más fácil porque la cantidad de términos que varían es un poco más reducida".

En Genbeta

Cómo copiar texto escrito a mano con Google Lens y pasarlo al ordenador

Y cuando el género no es binario...

Si las traducciones sin sesgo de género están apenas despegando, es lógico pensar que traducciones más inclusivas que tomen en cuenta además los géneros no binarios, sean aún más difíciles. Romina nos dice que es algo que en Google están tomando en cuenta a pesar de los muchos desafíos tecnológicos que existen: "necesitamos aprender, estamos avanzando y somos plenamente conscientes de esto".

De hecho, al menos para la versión en inglés, dentro de Gmail decidieron eliminar los pronombres femeninos y masculinos de las predicciones justo para evitar sugerencias que puedan llevar a equivocarse con el género de una persona. "No todos los errores son iguales y el género es algo muy importante como para equivocarse", decía en aquel entonces Paul Lambert, director de producto de Gmail.

En el caso del traductor es un tema más desafiante porque necesitan aprender cómo se manejan en cada idioma, y aunque en inglés parecería que "they y them" son los pronombre más usados para referirse al género neutro, hay muchos pronombres diferentes que pueden usarse para gente que no se identifica con género masculino o femenino.

"En español es bastante más complejo, vemos el uso de la 'x', vemos el uso de la @, vemos el uso de la 'e', vemos gente intentando usar lenguaje neutral a pesar de lo difícil que es en un español que tiene tanto género". Es algo en lo que están pensando, pero que simplemente no han podido resolver.

Google consulta con muchísimos especialistas para esto, muchos son lingüistas, pero como comenta Stella, ni ellos lo entienden todo. Necesitan aprender no solo cómo funciona el idioma sino cómo se usa.

El español es hablado por una enorme cantidad de países, y cada uno tiene sus propias particularidades, y la visión de las personas y las sociedades sobre los temas de género también es sumamente distinta en la mayoría de ellos.

Imagen de portada: Flaticon y Unsplash

El traductor de Google es un _poquitín_ sexista, la empresa lo sabe y está haciendo un esfuerzo por ofrecer traducciones sin sesgos de género. Cosas como la asignación de un género específico en la traducción de palabras que son de género neutro en un idioma y no en otro, eran la norma.

Por ejemplo, y como muestra la imagen, en inglés la traducción de "a doctor" o "a nurse", que en ese idioma tienen género neutro, terminan asignando dos géneros diferentes precisamente por los sesgos de los que aprende el traductor. Automáticamente los médicos son masculinos y los enfermeros no existen.

En Genbeta

Hay gente que cree que el Traductor de Google está poseído por fantasmas o demonios, y es culpa de estas extrañas traducciones

A partir de ahora Google Translate ofrecerá traducciones que distinguen por género, ahora cuando se traduzca del inglés a idiomas como francés, italiano, portugués o español se ofrecerán traducciones tanto para el género femenino como el masculino, y en esos casos aparecerá sobre la traducción el mensaje "Las traducciones distinguen por género".

Ejemplo de traducciones que distinguen por género en Google Translate

Google Translate aprende de cientos de millones de ejemplos ya traducidos de la web. Históricamente, ha proporcionado solo una traducción para cada consulta, incluso si la traducción podría tener una forma femenina o masculina. Esto hizo que cuando el modelo ofrecía una traducción, replicara inadvertidamente sesgos de género que ya existían. Por ejemplo: asignaría masculino para palabras como "fuerte" o "médico", y femenino para otras palabras, como "enfermera" o "hermoso" de forma sesgada.

Google está intentando reducir los prejuicios en el aprendizaje automático, y lo que están haciendo con su traductor parece ser el paso en una mejor dirección que otras "soluciones" del pasado.

Recientemente la empresa eliminó los pronombres personales de la función de Gmail que nos asiste a la hora de escribir correos, optaron por eso en lugar de arriesgarse a que la IA complete el pronombre incorrecto y los usuarios terminen ofendiendo a otros sin querer. Al mismo estilo, también "eliminaron a los Gorilas" de Google Fotos como "remedio" al incidente en el que el algoritmo identificara a dos personas negras como gorilas.

Google te invita a probar los cambios en el traductor desde la web, y planean expandir las traducciones que distinguen por género a más idiomas, además de traer la novedad a sus aplicaciones para iOS y Android. También tienen planes de encargarse de los sesgos a la hora de autocompletar búsquedas, y están intentando encontrar una solución a la hora de traducir géneros no binarios.

Ha pasado poco más de un año desde que en Genbeta probáramos DeepL, una nueva herramienta de traducción automática que sin tener un gigante de la tecnología detrás se quería plantar como alternativa a traductores como el de Google y quedando realmente muy bien parada.

En este tiempo son muchas las mejores que ha recibido el traductor, como traducción de documentos en un click, o herramientas avanzadas para el ámbito profesional gracias a su propia API. Esta vez nos traen dos nuevos importantes idiomas: portugués y ruso, para ampliar un poco más la selección.

En Xataka

Cómo traducir una conversación simultáneamente con el móvil

DeepL sigue siendo una herramienta más limitada en características que las que ofrecen Google o Microsoft, solo esta disponible en la web, no tenemos aplicaciones móviles, ni traducciones de imágenes tomando fotos, y la cantidad de idiomas también es mucho más pequeña, pero DeepL compensa con la calidad de sus traducciones.

Traducción de documentos de Word y PowerPoint en DeepL

Con el añadido de ruso y portugués ahora son nueve en total los idiomas disponibles junto a español, inglés, alemán, francés, italiano, neerlandés y polaco, y de esta forma alcanzan las 72 combinaciones lingüísticas. Y esta expansión no será la última, pues planean seguir añadiendo más idiomas en el futuro.

Traducciones más naturales potenciadas por IA

La traducción de DeeL está basada en inteligencia artificial, y para evaluar la calidad de las traducciones con estos nuevos idiomas hicieron lo mismo que con los idiomas iniciales: traducir 500 frases con su traductor y a la vez con los traductores de grandes empresas tecnológicas, esas traducciones fueron evaluadas por traductores profesionales y calificadas sin saber de cual traductor provenían. En DeepL afirman seguir teniendo los mejores puntajes.

Ahora, la traducción automática sigue sin ser perfecta, pero en nuestra experiencia la de DeepL es bastante buena, de hecho, fue el primer sitio que recomendé en mi lista de webs útiles que tener siempre a mano en los favoritos. Solo tienes que probar tú mismo, además que una alternativa como esta y completamente gratuita, nunca le hizo daño a nadie.