Riassunto analitico
A partire dagli anni Novanta, lo sviluppo tecnologico ha cambiato radicalmente tutti gli aspetti del nostro quotidiano, sia per quanto riguarda la vita privata che quella lavorativa. Nel settore traduttivo, i recenti sviluppi tecnologici degli strumenti informatici per la traduzione hanno rivoluzionato il processo di traduzione. In particolare, la Traduzione Automatica (TA) ha tratto vantaggio del progresso raggiunto dall’Intelligenza Artificiale (IA), la quale ha permesso lo sviluppo della traduzione automatica neurale, proposta per la prima volta nel 2016. Nel corso della sua evoluzione, l’obiettivo della TA è sempre stato quello di raggiungere la "human parity", ossia quella condizione per cui una macchina intelligente potesse tradurre come un traduttore umano. I nuovi sistemi di traduzione automatica neurale, con il loro miglioramento, hanno spinto i loro utenti a pensare che questa condizione possa essere realizzabile nel prossimo futuro. Il presente elaborato si inserisce in questo contesto e fornisce inizialmente un excursus storico riguardo la disciplina dei Translation Studies, poi descrive le principali risorse informatiche a disposizione dei traduttori, concentrandosi in particolare sulla TA e sulle reti neurali. Successivamente, lo studio cerca di documentare la percezione e l’effettivo uso di questi nuovi sistemi di TA attraverso un sondaggio somministrato a un campione di traduttori professionisti e si pone l’obiettivo di definire i principali limiti e punti di forza dei sistemi di traduzione neurale allo stato dell’arte. Nello specifico, la combinazione linguistica presa in esame sarà IT > EN, e i sistemi utilizzati saranno Google Translate e DeepL Translator. La valutazione della qualità degli output sarà un risultato della combinazione di due approcci, uno quantitativo e uno qualitativo, ossia il punteggio BLEU e la metrica DQF-MQM proposta da TAUS.
|
Abstract
Since the Nineties, technological developments have revolutionized our everyday life having an impact on both our private and professional lives. As far as translation is concerned, the recent improvements in technological tools for translators have completely changed the translation process. In particular, Machine Translation (MT) has benefited from the progresses made by Artificial Intelligence (AI), that allowed the launch of Neural Machine Translation (NMT) in 2016. MT has historically aimed to create an intelligent machine that could translate as human translators do. The introduction of NMT has pushed its users to think that achieving this "human parity" condition could be possible in a foreseeable future. Within this context, this dissertation will first provide a historical survey of Translation Studies as a discipline and an overview of the main technological tools for translators, including a focus on MT and neural networks. After that, the study tries to document the current perception and use of these new systems through a survey forwarded to professional translators and to understand the main strengths and weaknesses of state-of-the art NMT, considering the language pair IT > EN. The two systems tested are Google Translate and DeepL Translator and the quality of their outputs will be assessed through a combination of quantitative and qualitative methods, namely by means of the BLEU score and the Harmonized DQF-MQM Error Typology provided by TAUS.
|
