fbpx
Wikipedia

Traducción automática

La traducción automática (TA o MT, esta última del inglés machine translation) es un área de la lingüística computacional que investiga el uso de software para traducir texto o habla de un lenguaje natural a otro. En su vertiente más básica, la TA simplemente sustituye las palabras de un idioma por las del otro, pero es obvio que este procedimiento rara vez da lugar a una traducción buena, pues no existe una correspondencia biunívoca entre el léxico de las diversas lenguas.

El empleo de corpora lingüísticos así como de técnicas estadísticas y neurales constituyen un campo de gran crecimiento que proporciona traducciones de calidad superior; se toman en cuenta las diferencias de tipología lingüística, la traducción de expresiones idiomáticas y el aislamiento de anomalías.

Hoy en día, el software de traducción automática a menudo permite ajustes para un campo especializado (por ejemplo, partes meteorológicos o comunicados de prensa), obteniéndose así mejores resultados. Esta técnica es especialmente efectiva en ámbitos en los que se usa un lenguaje formulaico. Es decir, traducir por ordenador documentos jurídicos o administrativos tiende a ser más productivo que si se trata de conversaciones u otros textos no estandarizados.

Algunos sistemas consiguen una mayor calidad ofreciendo vías específicas de intervención humana; por ejemplo, le dan al usuario la posibilidad de identificar los nombres propios incluidos en el texto. Con la ayuda de estas técnicas, la traducción automática constituye una herramienta de gran utilidad para los traductores, y en determinados casos incluso puede llegar a producir resultados aprovechables sin necesidad de modificación.

Técnicas estadísticas

En las últimas décadas, ha habido un fuerte impulso en el uso de técnicas estadísticas para el desarrollo de sistemas de traducción automática. Para la aplicación de estas técnicas a un par de lenguas dado, se requiere la disponibilidad de un corpus paralelo para dicho par. Mediante este corpus se estiman parámetros de sendos modelos estadísticos que establecen la probabilidad con la que ciertas palabras son susceptibles de traducirse por otras, así como las posiciones más probables que tienden a ocupar las palabras de la lengua destino en función de las palabras correspondientes de la frase origen. El atractivo de estas técnicas radica en que el desarrollo de un sistema para un par de lenguas dado puede hacerse de manera muy automática, con una muy reducida necesidad de trabajo experto por parte de especialistas en lingüística.

La intervención humana puede mejorar la calidad de la salida: por ejemplo, algunos sistemas pueden traducir con mayor exactitud, si el usuario ha identificado previamente las palabras que corresponden a nombres propios. Con la ayuda de estas técnicas, la traducción por computadora ha mostrado ser un auxiliar útil para los traductores humanos. Sin embargo, y aun cuando en algunos casos pueden producir resultados utilizables «tal cual», los sistemas actuales son incapaces de producir resultados de la misma calidad que un traductor humano, particularmente cuando el texto a traducir usa lenguaje coloquial o familiar. Por otro lado, es un hecho que las traducciones humanas también contienen errores. Como respuesta a esto, recientemente se han visto desarrollos en corrección automática de TA, como el caso de la funcionalidad SmartCheck de la empresa de traducción Unbabel, basada en Machine Learning.

Técnicas estadísticas interactivas-predictivas

En esta dirección, recientemente están cobrando especial interés las técnicas estadísticas de traducción asistida basadas en una aproximación interactiva-predictiva, en la que el computador y el traductor humano trabajan en estrecha colaboración mutua. Tomando como base el texto fuente a traducir, el sistema ofrece sugerencias sobre posibles traducciones a la lengua destino. Si alguna de estas sugerencias es aceptable, el usuario la selecciona y, en caso contrario, corrige lo necesario hasta obtener un fragmento correcto. A partir de este fragmento, el sistema produce mejores predicciones. El proceso continúa de esta manera hasta obtener una traducción completamente aceptable por el usuario. Según las evaluaciones realizadas con usuarios reales en el proyecto TransType-2,[1]​ este proceso permite reducir considerablemente el tiempo y esfuerzo necesarios para obtener traducciones de calidad.

La traducción como problema

La traducción es hoy en día el principal cuello de botella de la sociedad de la información y su mecanización supone un importante avance frente al problema de la avalancha informativa y la necesidad de la comunicación translingüística.

Los primeros desarrollos informáticos reseñables se realizaron en el famoso ordenador Eniac en 1946. Entre los investigadores pioneros hay que citar a Warren Weaver, de la Fundación Rockefeller. Él fue quien dio a conocer públicamente la disciplina anticipando posibles métodos científicos para abordarla: el uso de técnicas criptográficas, la aplicación de los teoremas de Shannon y la utilidad de la estadística, así como la posibilidad de aprovechar la lógica subyacente al lenguaje humano y sus aparentes propiedades universales.

Actualidad

En la actualidad se obtienen altos niveles de calidad para la traducción entre lenguas romances (español, portugués, catalán, gallego y otros). Sin embargo, los resultados empeoran notablemente cuanto más tipológicamente alejadas sean las lenguas entre sí, como es el caso de la traducción entre español e inglés o alemán. Sin embargo, este hecho no es estático, sino dinámico: la tecnología de traducción mejora día a día.

Otro factor muy influyente en la calidad es el grado de especialización de los sistemas de traducción, que mejoran en la medida en que se adecúan al tipo de texto y vocabulario que se vaya a traducir. Un sistema que se especialice en la traducción de partes meteorológicos conseguirá una calidad aceptable incluso para traducir textos entre lenguas tipológicamente muy dispares, pero será inservible para abordar, por ejemplo, crónicas deportivas o financieras. Un sistema de producción que utilice traducción automática también incorporará tecnologías como detección de idioma, detección de dominio o tema y generación automática de vocabularios.

Traducción tradicional

Traducir tradicionalmente ha sido un arte y un oficio, que requiere talento y dedicación. Una crítica común al cambio de paradigma de traducción consiste en pensar que las computadoras solo sustituyen una palabra por otra igual de otro idioma. Sin embargo, sistemas de TA en producción son integraciones de diferentes tecnologías lingüísticas que van mucho más allá de traducir palabra por palabra. Un análisis lingüístico de un texto arrojará información sobre morfología (la forma en que se construyen las palabras a partir de pequeñas unidades provistas de significado), sintaxis (la estructura de una frase) y semántica (el significado), lo cual ciertamente es útil para tareas de traducción. También hay que considerar cuestiones de estilo y de discurso o pragmáticas.

Ambigüedad y desambiguación

En cuanto al tema de la ambigüedad, no todos los humanos la entienden. Es posible que un traductor humano comprenda incorrectamente una frase o palabra ambigua. A favor del enfoque computacional, podemos mencionar el uso de algoritmos de desambiguación que, por ejemplo, utiliza Wikipedia para diferenciar páginas que tienen un título igual o muy similar.

Métodos estadísticos basados en frases

Los mejores resultados de traducción automática provienen de los métodos estadísticos basados en frases, que realizan traducciones sin reparar en cuestiones gramaticales. En la actualidad, la tendencia es a integrar todo tipo de metodologías: lingüísticas, por reglas, con posedición, etcétera, pero el componente principal, como en la mayoría de tecnologías que utilizan grandes cantidades de datos (Big Data), es Aprendizaje Automático (o Machine Learning).

Historia de la traducción automática

Siglo XVII: Descartes

La idea de la traducción automática puede remontarse al siglo XVII. En 1629, René Descartes propuso un lenguaje universal, con las ideas equivalentes en lenguas diferentes que comparten un mismo símbolo.

Década de 1950: experimento de Georgetown

En la década de 1950, el experimento de Georgetown (1954) consistía en una traducción totalmente automática de más de sesenta oraciones del ruso al inglés. El experimento fue todo un éxito y marcó el comienzo de una era con una importante financiación para la investigación de tecnologías que permitiesen la traducción automática. Los autores afirmaban que, en un plazo de tres a cinco años, la traducción automática sería un problema resuelto.

Guerra Mundial

El mundo salía de una guerra mundial que en el plano científico había incentivado el desarrollo de métodos computacionales para descifrar mensajes en clave. A Weaver se le atribuye haber dicho: "Cuando veo un artículo escrito en ruso, me digo: Esto en realidad está en inglés, aunque codificado con símbolos extraños. ¡Vamos a decodificarlo ahora mismo!" (citado por Barr y Feigenbaum, 1981). No hace falta decir que tanto los ordenadores como las técnicas de programación de aquellos años eran muy rudimentarias (se programaba mediante el cableado de tableros en lenguaje máquina), por lo que las posibilidades reales de probar los métodos eran mínimas.

1960-1980: informe ALPAC y traducción automática estadística

El progreso real fue mucho más lento. El financiamiento para las investigaciones se redujo considerablemente tras el informe de ALPAC (1966), a causa de que encontró que la investigación que había durado diez años no había cumplido sus expectativas. A partir de los finales de la década de 1980, el poder de la computación aumentó la potencia de cálculo y la hizo menos costosa, y fue demostrado mayor interés en modelos estadísticos para la traducción automática.

A. D. Booth, Birkbeck College y textos en Braille

La idea de utilizar las computadoras digitales para la traducción de las lenguas naturales ya se propuso en 1946 por A. D. Booth y posiblemente también otros. El experimento de Georgetown no fue de ninguna manera la primera de estas aplicaciones. Se efectuó una demostración en 1954 con el equipo APEXC en el Birkbeck College (Universidad de Londres) de una traducción rudimentaria del inglés al francés. En ese momento, se publicaron varios trabajos de investigación sobre el tema, e incluso artículos en revistas populares (véase, por ejemplo, Wireless World, septiembre de 1955, Cleave y Zacharov). Una aplicación similar, también pionera en la Birkbeck College de aquel entonces, fue la lectura y la composición de textos en braille por la computadora.

John Hutchins

Un referente obligado para conocer con más detalle la evolución de la traducción automática es el académico británico John Hutchins, cuya bibliografía puede consultarse libremente en Internet. En el artículo principal se sigue el esquema simplificado de Jhonatan Slocum, que aborda la historia de la traducción automática por décadas.

Tipos de traducción automática

Si disponen de suficiente información, las traducciones automáticas pueden funcionar bastante bien, permitiendo que personas con una lengua materna determinada sean capaces de hacerse una idea de lo que ha escrito otra persona en su idioma. El problema principal reside en obtener la información adecuada para cada uno de los métodos de traducción.

Según su aproximación, los sistemas de traducción automática se pueden clasificar entre dos grandes grupos: los que se basan en reglas lingüísticas por una parte, y los que utilizan corpus textuales por otra.

Traducción automática basada en reglas

 
Esquema que muestra la relación entre los diferentes paradigmas de traducción automática basada en reglas.

La traducción automática mediante reglas consiste en realizar transformaciones a partir del original, reemplazando las palabras por su equivalente más apropiado. Al conjunto de este tipo de transformaciones del texto original se le llama preedición de textos.

Por ejemplo, algunas reglas comunes para el inglés son:[2]

  • Oraciones cortas (no más de 20).
  • Evitar la coordinación múltiple de oraciones.
  • Insertar determinantes, siempre que sea posible.
  • Insertar that, which, in order to en oraciones subordinadas, siempre que sea posible.
  • Evitar pronombres o expresiones anafóricas (it, them,...).
  • Reescribir when, while, before y after seguido de -ing.
  • Reescribir if, where, when seguido de participio pasado.
  • Evitar el uso de frases verbales.
  • Repetir el nombre/sustantivo cuando vaya modificado por dos o más adjetivos.
  • Repetición de preposiciones en la coordinación de sintagmas preposiciones.
  • Reescribir compuestos nominales de más de tres nombres.

En general, en una primera fase se analizará un texto, creando habitualmente una representación simbólica interna. Dependiendo de la abstracción de esta representación, también es posible encontrar diferentes grados: desde los directos, que básicamente hacen traducciones palabra por palabra, hasta interlingua, que utiliza una representación intermedia completa.

Transferencia

En la traducción por transferencia, el análisis del original juega un papel más importante, y da paso a una representación interna que es la que se utiliza como enlace para traducir entre idiomas distintos.

Lenguaje intermedio

La traducción automática a partir de un lenguaje intermedio es un caso particular de la traducción automática basada en reglas. El lenguaje original, por ejemplo un texto que debe ser traducido, es transformado a un lenguaje intermedio, cuya estructura es independiente a la del lenguaje original y a la del lenguaje final. El texto en el lenguaje final se obtiene a partir de la representación del texto en el lenguaje intermedio. En general a esta lengua intermedia se la llama "interlingua".

Traducción automática basada en corpus

La traducción automática a partir de un corpus lingüístico se basa en el análisis de muestras reales con sus respectivas traducciones. Entre los mecanismos que utilizan corpus se incluyen los métodos estadísticos y los basados en ejemplos.

Estadística

El objetivo de la traducción automática estadística es generar traducciones a partir de métodos estadísticos basados en corpus de textos bilingües, como por ejemplo las actas del parlamento europeo, que se encuentran traducidas en todos los idiomas oficiales de la UE. A medida que se generan y se analizan corpus de textos multilingües, se mejoran iterativamente los resultados al traducir textos de ámbitos similares.

El primer programa de traducción automática estadística fue Candide, desarrollado por IBM. Google utilizó los servicios de SYSTRAN durante algunos años, pero desde octubre de 2007 utiliza su propia tecnología de traducción automática basada en estadística. En el 2005, Google mejoró las capacidades de traducción al analizar 200 mil millones de palabras de documentos de las Naciones Unidas.

El progreso de la traducción automática no es un fenómeno aislado. Las tecnologías de información en su conjunto presentan un progreso exponencial, gracias en buena parte a disciplinas como Machine Learning, inteligencia artificial, estadística que, nutridos de Big Data y Big Language,[3]​ han dado resultados asombrosos en el reconocimiento del lenguaje, en la síntesis de texto a voz y en la traducción de voz en tiempo real.

Basada en ejemplos

La traducción automática basada en ejemplos se caracteriza por el uso de un corpus bilingüe como principal fuente de conocimiento en tiempo real. Es esencialmente una traducción por analogía y puede ser interpretada como una implementación del razonamiento por casos base empleado en el aprendizaje automático, que consiste en la resolución de un problema basándose en la solución de problemas similares.

Traducción automática basada en el contexto

La traducción automática basada en el contexto utiliza técnicas basadas en hallar la mejor traducción para una palabra fijándose en el resto de palabras que la rodean, básicamente este método se basa en tratar el texto en unidades de entre 4 y 8 palabras, de manera que se traduce cada una de ellas por su traducción al idioma destino, y se eliminan las traducciones que han generado una "frase" sin sentido. Luego, se mueve la ventana una posición (palabra), retraduciendo la mayoría de ellas de nuevo y volviendo a filtrar dejando solo las frases coherentes. Se repite dicho paso para todo el texto. Y luego se pasa a concatenar los resultados de dichas ventanas de manera que se logre una única traducción del texto.

El filtrado que se realiza donde se decide si es una frase con sentido utiliza un corpus del lenguaje destino, donde se cuentan el número de apariciones de la frase buscada.

Se trata, por tanto, de un método basado en ideas bastante simples que ofrecen muy buenos resultados en comparación a otros métodos.

Como ventajas, aporta también la facilidad de añadir nuevas lenguas, ya que solo se necesita:

  • un buen diccionario, que puede ser cualquier versión comercial adaptada mediante reglas gramaticales para tener los verbos conjugados y los nombres/adjetivos con sus variaciones en número y género, y
  • un corpus en el lenguaje destino, que se puede sacar por ejemplo de Internet, sin que sea necesario traducir ninguna parte, como en los métodos estadísticos.

La traducción automática en España

La investigación en España ha pasado a través de tres etapas importantes. Desde 1985, se inicia la investigación con un interés repentino en España. Después de un año a su entrada a la Comunidad Europea. Fueron tres compañías transnacionales quienes financiaron la creación de varios grupos de investigación. IBM, Siemens y Fujitsu. Paradójicamente, 1992, que era el año de la celebración del 5.º centenario del descubrimiento de América y de los juegos olímpicos también se llevaban a cabo en Barcelona. Primero IBM y luego Siemens, formaron en 1985 grupos de I+D en sus laboratorios de Madrid y Barcelona, liderados por Luis de Sopeña y Montserrat Meya, respectivamente. IBM utilizó el Centro de Investigación en inteligencia artificial de la Universidad Autónoma de Madrid como sede de un equipo especializado en lenguaje natural. Este equipo tomó parte primero en el diseño del prototipo Mentor, junto con otro centro IBM de Israel, y más tarde en la adaptación al espańol de LMT, sistema diseñado en el T.J. Watson Research Center de Estados Unidos. A tenor de las publicaciones del grupo en la revista Procesamiento del lenguaje natural, entre los años 1985 y 1992 trabajaron en los proyectos de IBM al menos los siguientes especialistas: Teo Redondo, Pilar Rodríguez, Isabel Zapata, Celia Villar, Alfonso Alcalá, Carmen Valladares, Enrique Torrejón, Begoña Carranza, Gerardo Arrarte y Chelo Rodríguez.

Por su parte, Siemens decidió acercar a Barcelona el desarrollo del módulo español de su prestigioso sistema Metal. Montserrat Meya, que hasta entonces había trabajado en los laboratorios centrales de Siemens en Múnich, contactó con el filólogo e ingeniero Juan Alberto Alonso, y juntos formaron el núcleo de un equipo en el que luego participaría una interminable lista de colaboradores: Xavier Gómez Guinovart, Juan Bosco Camón, Begoña Navarrete, Ramón Fanlo, Clair Corbishley, Begońa Vázquez, etc. Después de 1992 el grupo dedicado a proyectos lingüísticos se constituyó en empresa independiente, Incyta. Tras un convenio con la Generalidad de Cataluña y la Universidad Autónoma de Barcelona, se desarrolló el módulo catalán, que es ahora su principal línea de actividad.

A finales de 1986 se crearon en Barcelona y Madrid dos nuevos grupos entre quienes se repartió el desarrollo de los módulos del sistema EUROTRA, financiado por la Comisión Europea. Ramón Cerdá reunió en la Universidad de Barcelona a un nutrido grupo de especialistas, integrado por, entre otros, Jesús Vidal, Juan Carlos Ruiz, Toni Badia, Sergi Balari, Marta Carulla y Nuria Bel. Mientras este grupo se ocupaba de las cuestiones de sintaxis y semántica, otro grupo se encargaba en Madrid de los aspectos de morfología y lexicografía, liderados por Francisco Marcos Marín. Colaboraban con él, entre otros, Antonio Moreno, Pilar Salamanca y Fernando Sánchez-León.

Un año más tarde, en 1987, se formó en los laboratorios de I+D de la empresa Fujitsu en Barcelona un quinto grupo para el desarrollo de los módulos de traducción al español del sistema japonés Atlas. Este grupo estaba liderado por el ingeniero Jorge Vivaldi y los filólogos José Soler, procedente de Eurotra, y Joseba Abaitua. Juntos crearán el embrión de un equipo al que más adelante se incorporaron Elisabet Cayuelas, Lluis Hernández, Xavier Lloré y Ana de Aguilar-Amat. La empresa interrumpió esta línea de investigación en 1992.

Otro grupo dedicado a la traducción automática por aquellos años fue el formado por Isabel Herrero y Elisabeth Nebot en la Universidad de Barcelona. Este grupo, tutelado por Juan Alberto Alonso, creó un prototipo de traducción árabe - español en colaboración con la Universidad de Túnez.

Está claro que la traducción automática fue el principal catalizador del nacimiento de la lingüística computacional en Espańa. No es casualidad que la Sociedad Española para el Procesamiento del Lenguaje Natural (SEPLN) se constituyera en 1983. Junto a Felisa Verdejo, otras dos personas se destacaron en su fundación, los citados Montserrat Meya y Luis de Sopeña, quienes por aquel entonces lideraban, como se ha dicho, grupos de traducción automática. El tercer congreso de la asociación (entonces todavía bajo la denominación de Ťjornadas técnicasť) se celebró en julio de 1987 en la Universidad Politécnica de Cataluña, con dos platos fuertes sobre traducción automática: una conferencia de Sergei Nirenburg, entonces adscrito al Center for Machine Translation de la Universidad Carnegie Mellon, y una mesa redonda participada por Jesús Vidal y Juan Carlos Ruiz (de Eurotra), Luis de Sopeńa (de IBM), Juan Alberto Alonso (de Siemens), y el propio Nirenburg.

Algunos datos estadísticos constatan la relevancia de la traducción automática en la SEPLN entre los ańos 1987 y 1991. Durante aquellos ańos, de los 60 artículos publicados en la revista de la asociación, Procesamiento del lenguaje natural, 23 (más de un tercio) versaron sobre traducción automática. El nivel de participación refleja la relevancia de los grupos: ocho describen Eurotra, siete las investigaciones de IBM, cuatro Metal, de Siemens, y 3 Atlas, de Fujitsu. Solo uno de los artículos publicados, de los 23, era ajeno a los cuatro proyectos estrella. Este fue el presentado en el congreso de 1990 por Gabriel Amores, actual investigador del área de traducción automática, con los resultados de su investigación en el Centre for Computational Linguistics de Umist. Se han citado 35 personas y esta cifra da una idea de la actividad. En una estimación aproximada, se puede calcular que en 1989 la investigación en traducción automática contaba en España con un presupuesto anual de unos 200 millones de pesetas, una cifra que, por modesta que parezca, multiplica varias veces la cantidad que se maneja hoy en día en nuestro país, una década después.

Desde 1998, el Departamento de Lenguajes y Sistemas Informáticos de la Universidad de Alicante desarrolla sistemas de traducción automática entre lenguas románicas: interNostrum, entre el español y el catalán; Traductor Universia, entre el español y el portugués, y, más recientemente, Apertium, un sistema de traducción automática de código abierto desarrollado en colaboración con un consorcio de empresas y universidades españolas, que actualmente traduce entre las lenguas del Estado español y otras lenguas románicas.

Desde 1994 AutomaticTrans (en la actualidad usa el nombre comercial AT Language Solutions) ha desarrollado su plataforma lingüística corporativa que incorpora motores híbridos de traducción automática de alto rendimiento. La plataforma la completan un conjunto de componentes necesarios para resolver la problemática multilingüe y multiformato de organizaciones grandes.

En 2010, Pangeanic se convirtió en la primera empresa del mundo en aplicar el traductor estadístico Moses en un entorno comercial[4]​ desarrollando una plataforma con autoaprendizaje, limpieza de corpus y reentrenamiento junto con el Instituto Técnico de Informática de Valencia (ITI) y el grupo de investigación Pattern Recognition and Human Language Technology[5]​ de la Politècnica de València. Miembro fundador de TAUS, Pangeanic consiguió el mayor contrato de infraestructuras de traducción automática para la Comisión Europea con su proyecto iADAATPA[6]​ en 2017.

Recursos de la traducción automática

Véase también

Referencias

  1. TransType-2
  2. http://dti.ua.es/es/documentos/pdf/vargas-tecnologicas.pdf
  3. Big Language
  4. «PangeaMT: Putting Open Standards to Work..Well, por E. Yuste, Manuel Herranz, Alexandre Helle, Francisco Casacuberta et al. (2010). AMTA 2010» (en inglés estadounidense). 
  5. «Pattern Recognition and Human Language Technology research group». 
  6. «iADAATPA European project». 

Bibliografía

  • Pilar Hernández. 2002. En torno a la traducción automática
  • Joseba Abaitua. 2001. Introducción a la traducción automática (en 10 horas). Grupo DELi, Universidad de Deusto.
  • Raquel Martínez. 2003. . Universidad Juan Carlos I.
  • Victoria López. 2002. Posibilidades y realidades de la traducción automática

Enlaces externos

  • Machine Translation, una introducción a la traducción automática, por D. J. Arnold et al. (1994) (en inglés)
  • European Association for Machine Translation, organización sin ánimo de lucro (en inglés)
  • PangeaMT: Putting Open Standards to Work..Well, por E. Yuste, Manuel Herranz, Alexandre Helle, Francisco Casacuberta et al. (2010) (en inglés)
  • Wikipedia Machine Translation Project
  • (se necesita iniciar sesión para acceder).
  • Herramienta de traducción automática
  • Traducción automática
  • Spanish translations
  •   Datos: Q79798
  •   Multimedia: Machine translation

traducción, automática, traducción, automática, esta, última, inglés, machine, translation, área, lingüística, computacional, investiga, software, para, traducir, texto, habla, lenguaje, natural, otro, vertiente, más, básica, simplemente, sustituye, palabras, . La traduccion automatica TA o MT esta ultima del ingles machine translation es un area de la linguistica computacional que investiga el uso de software para traducir texto o habla de un lenguaje natural a otro En su vertiente mas basica la TA simplemente sustituye las palabras de un idioma por las del otro pero es obvio que este procedimiento rara vez da lugar a una traduccion buena pues no existe una correspondencia biunivoca entre el lexico de las diversas lenguas TraduccionTiposLegal Literaria Biblica Coranica Validacion linguistica Medica Normativa Tecnica Interpretacion LiteralTeoriaTraductologia Escopo Proyecto de traduccion Equivalencia dinamica y formal Linguistica contrastivaTecnologiasTAO Traduccion automatica Movil Doblaje Subtitulacion PosedicionLocalizacionGlocalizacion Internacionalizacion y localizacion Localizacion de idiomas Localizacion de juegos Localizacion de sitios web Doblaje localizadoInstitucionalAsociaciones Escuelas Organizaciones PremiosTemas relacionadosTranscripcion Transliteracion Interpretacion telefonica Traducciones independientes Fansub Fandub Traducciones de la Biblia Libros traducidos Traductores editar datos en Wikidata El empleo de corpora linguisticos asi como de tecnicas estadisticas y neurales constituyen un campo de gran crecimiento que proporciona traducciones de calidad superior se toman en cuenta las diferencias de tipologia linguistica la traduccion de expresiones idiomaticas y el aislamiento de anomalias Hoy en dia el software de traduccion automatica a menudo permite ajustes para un campo especializado por ejemplo partes meteorologicos o comunicados de prensa obteniendose asi mejores resultados Esta tecnica es especialmente efectiva en ambitos en los que se usa un lenguaje formulaico Es decir traducir por ordenador documentos juridicos o administrativos tiende a ser mas productivo que si se trata de conversaciones u otros textos no estandarizados Algunos sistemas consiguen una mayor calidad ofreciendo vias especificas de intervencion humana por ejemplo le dan al usuario la posibilidad de identificar los nombres propios incluidos en el texto Con la ayuda de estas tecnicas la traduccion automatica constituye una herramienta de gran utilidad para los traductores y en determinados casos incluso puede llegar a producir resultados aprovechables sin necesidad de modificacion Indice 1 Tecnicas estadisticas 2 Tecnicas estadisticas interactivas predictivas 3 La traduccion como problema 3 1 Actualidad 4 Traduccion tradicional 5 Ambiguedad y desambiguacion 6 Metodos estadisticos basados en frases 7 Historia de la traduccion automatica 7 1 Siglo XVII Descartes 7 2 Decada de 1950 experimento de Georgetown 7 3 Guerra Mundial 7 4 1960 1980 informe ALPAC y traduccion automatica estadistica 7 5 A D Booth Birkbeck College y textos en Braille 7 6 John Hutchins 8 Tipos de traduccion automatica 8 1 Traduccion automatica basada en reglas 8 1 1 Transferencia 8 1 2 Lenguaje intermedio 8 2 Traduccion automatica basada en corpus 8 2 1 Estadistica 8 2 2 Basada en ejemplos 8 3 Traduccion automatica basada en el contexto 9 La traduccion automatica en Espana 10 Recursos de la traduccion automatica 11 Vease tambien 12 Referencias 13 Bibliografia 14 Enlaces externosTecnicas estadisticas EditarEn las ultimas decadas ha habido un fuerte impulso en el uso de tecnicas estadisticas para el desarrollo de sistemas de traduccion automatica Para la aplicacion de estas tecnicas a un par de lenguas dado se requiere la disponibilidad de un corpus paralelo para dicho par Mediante este corpus se estiman parametros de sendos modelos estadisticos que establecen la probabilidad con la que ciertas palabras son susceptibles de traducirse por otras asi como las posiciones mas probables que tienden a ocupar las palabras de la lengua destino en funcion de las palabras correspondientes de la frase origen El atractivo de estas tecnicas radica en que el desarrollo de un sistema para un par de lenguas dado puede hacerse de manera muy automatica con una muy reducida necesidad de trabajo experto por parte de especialistas en linguistica La intervencion humana puede mejorar la calidad de la salida por ejemplo algunos sistemas pueden traducir con mayor exactitud si el usuario ha identificado previamente las palabras que corresponden a nombres propios Con la ayuda de estas tecnicas la traduccion por computadora ha mostrado ser un auxiliar util para los traductores humanos Sin embargo y aun cuando en algunos casos pueden producir resultados utilizables tal cual los sistemas actuales son incapaces de producir resultados de la misma calidad que un traductor humano particularmente cuando el texto a traducir usa lenguaje coloquial o familiar Por otro lado es un hecho que las traducciones humanas tambien contienen errores Como respuesta a esto recientemente se han visto desarrollos en correccion automatica de TA como el caso de la funcionalidad SmartCheck de la empresa de traduccion Unbabel basada en Machine Learning Tecnicas estadisticas interactivas predictivas EditarEn esta direccion recientemente estan cobrando especial interes las tecnicas estadisticas de traduccion asistida basadas en una aproximacion interactiva predictiva en la que el computador y el traductor humano trabajan en estrecha colaboracion mutua Tomando como base el texto fuente a traducir el sistema ofrece sugerencias sobre posibles traducciones a la lengua destino Si alguna de estas sugerencias es aceptable el usuario la selecciona y en caso contrario corrige lo necesario hasta obtener un fragmento correcto A partir de este fragmento el sistema produce mejores predicciones El proceso continua de esta manera hasta obtener una traduccion completamente aceptable por el usuario Segun las evaluaciones realizadas con usuarios reales en el proyecto TransType 2 1 este proceso permite reducir considerablemente el tiempo y esfuerzo necesarios para obtener traducciones de calidad La traduccion como problema EditarLa traduccion es hoy en dia el principal cuello de botella de la sociedad de la informacion y su mecanizacion supone un importante avance frente al problema de la avalancha informativa y la necesidad de la comunicacion translinguistica Los primeros desarrollos informaticos resenables se realizaron en el famoso ordenador Eniac en 1946 Entre los investigadores pioneros hay que citar a Warren Weaver de la Fundacion Rockefeller El fue quien dio a conocer publicamente la disciplina anticipando posibles metodos cientificos para abordarla el uso de tecnicas criptograficas la aplicacion de los teoremas de Shannon y la utilidad de la estadistica asi como la posibilidad de aprovechar la logica subyacente al lenguaje humano y sus aparentes propiedades universales Actualidad Editar En la actualidad se obtienen altos niveles de calidad para la traduccion entre lenguas romances espanol portugues catalan gallego y otros Sin embargo los resultados empeoran notablemente cuanto mas tipologicamente alejadas sean las lenguas entre si como es el caso de la traduccion entre espanol e ingles o aleman Sin embargo este hecho no es estatico sino dinamico la tecnologia de traduccion mejora dia a dia Otro factor muy influyente en la calidad es el grado de especializacion de los sistemas de traduccion que mejoran en la medida en que se adecuan al tipo de texto y vocabulario que se vaya a traducir Un sistema que se especialice en la traduccion de partes meteorologicos conseguira una calidad aceptable incluso para traducir textos entre lenguas tipologicamente muy dispares pero sera inservible para abordar por ejemplo cronicas deportivas o financieras Un sistema de produccion que utilice traduccion automatica tambien incorporara tecnologias como deteccion de idioma deteccion de dominio o tema y generacion automatica de vocabularios Traduccion tradicional EditarTraducir tradicionalmente ha sido un arte y un oficio que requiere talento y dedicacion Una critica comun al cambio de paradigma de traduccion consiste en pensar que las computadoras solo sustituyen una palabra por otra igual de otro idioma Sin embargo sistemas de TA en produccion son integraciones de diferentes tecnologias linguisticas que van mucho mas alla de traducir palabra por palabra Un analisis linguistico de un texto arrojara informacion sobre morfologia la forma en que se construyen las palabras a partir de pequenas unidades provistas de significado sintaxis la estructura de una frase y semantica el significado lo cual ciertamente es util para tareas de traduccion Tambien hay que considerar cuestiones de estilo y de discurso o pragmaticas Ambiguedad y desambiguacion EditarVease tambien Wikipedia Desambiguacion En cuanto al tema de la ambiguedad no todos los humanos la entienden Es posible que un traductor humano comprenda incorrectamente una frase o palabra ambigua A favor del enfoque computacional podemos mencionar el uso de algoritmos de desambiguacion que por ejemplo utiliza Wikipedia para diferenciar paginas que tienen un titulo igual o muy similar Metodos estadisticos basados en frases EditarLos mejores resultados de traduccion automatica provienen de los metodos estadisticos basados en frases que realizan traducciones sin reparar en cuestiones gramaticales En la actualidad la tendencia es a integrar todo tipo de metodologias linguisticas por reglas con posedicion etcetera pero el componente principal como en la mayoria de tecnologias que utilizan grandes cantidades de datos Big Data es Aprendizaje Automatico o Machine Learning Historia de la traduccion automatica EditarSiglo XVII Descartes Editar La idea de la traduccion automatica puede remontarse al siglo XVII En 1629 Rene Descartes propuso un lenguaje universal con las ideas equivalentes en lenguas diferentes que comparten un mismo simbolo Decada de 1950 experimento de Georgetown Editar En la decada de 1950 el experimento de Georgetown 1954 consistia en una traduccion totalmente automatica de mas de sesenta oraciones del ruso al ingles El experimento fue todo un exito y marco el comienzo de una era con una importante financiacion para la investigacion de tecnologias que permitiesen la traduccion automatica Los autores afirmaban que en un plazo de tres a cinco anos la traduccion automatica seria un problema resuelto Guerra Mundial Editar El mundo salia de una guerra mundial que en el plano cientifico habia incentivado el desarrollo de metodos computacionales para descifrar mensajes en clave A Weaver se le atribuye haber dicho Cuando veo un articulo escrito en ruso me digo Esto en realidad esta en ingles aunque codificado con simbolos extranos Vamos a decodificarlo ahora mismo citado por Barr y Feigenbaum 1981 No hace falta decir que tanto los ordenadores como las tecnicas de programacion de aquellos anos eran muy rudimentarias se programaba mediante el cableado de tableros en lenguaje maquina por lo que las posibilidades reales de probar los metodos eran minimas 1960 1980 informe ALPAC y traduccion automatica estadistica Editar El progreso real fue mucho mas lento El financiamiento para las investigaciones se redujo considerablemente tras el informe de ALPAC 1966 a causa de que encontro que la investigacion que habia durado diez anos no habia cumplido sus expectativas A partir de los finales de la decada de 1980 el poder de la computacion aumento la potencia de calculo y la hizo menos costosa y fue demostrado mayor interes en modelos estadisticos para la traduccion automatica A D Booth Birkbeck College y textos en Braille Editar La idea de utilizar las computadoras digitales para la traduccion de las lenguas naturales ya se propuso en 1946 por A D Booth y posiblemente tambien otros El experimento de Georgetown no fue de ninguna manera la primera de estas aplicaciones Se efectuo una demostracion en 1954 con el equipo APEXC en el Birkbeck College Universidad de Londres de una traduccion rudimentaria del ingles al frances En ese momento se publicaron varios trabajos de investigacion sobre el tema e incluso articulos en revistas populares vease por ejemplo Wireless World septiembre de 1955 Cleave y Zacharov Una aplicacion similar tambien pionera en la Birkbeck College de aquel entonces fue la lectura y la composicion de textos en braille por la computadora John Hutchins Editar Un referente obligado para conocer con mas detalle la evolucion de la traduccion automatica es el academico britanico John Hutchins cuya bibliografia puede consultarse libremente en Internet En el articulo principal se sigue el esquema simplificado de Jhonatan Slocum que aborda la historia de la traduccion automatica por decadas Tipos de traduccion automatica EditarSi disponen de suficiente informacion las traducciones automaticas pueden funcionar bastante bien permitiendo que personas con una lengua materna determinada sean capaces de hacerse una idea de lo que ha escrito otra persona en su idioma El problema principal reside en obtener la informacion adecuada para cada uno de los metodos de traduccion Segun su aproximacion los sistemas de traduccion automatica se pueden clasificar entre dos grandes grupos los que se basan en reglas linguisticas por una parte y los que utilizan corpus textuales por otra Traduccion automatica basada en reglas Editar Esquema que muestra la relacion entre los diferentes paradigmas de traduccion automatica basada en reglas La traduccion automatica mediante reglas consiste en realizar transformaciones a partir del original reemplazando las palabras por su equivalente mas apropiado Al conjunto de este tipo de transformaciones del texto original se le llama preedicion de textos Por ejemplo algunas reglas comunes para el ingles son 2 Oraciones cortas no mas de 20 Evitar la coordinacion multiple de oraciones Insertar determinantes siempre que sea posible Insertar that which in order to en oraciones subordinadas siempre que sea posible Evitar pronombres o expresiones anaforicas it them Reescribir when while before y after seguido de ing Reescribir if where when seguido de participio pasado Evitar el uso de frases verbales Repetir el nombre sustantivo cuando vaya modificado por dos o mas adjetivos Repeticion de preposiciones en la coordinacion de sintagmas preposiciones Reescribir compuestos nominales de mas de tres nombres En general en una primera fase se analizara un texto creando habitualmente una representacion simbolica interna Dependiendo de la abstraccion de esta representacion tambien es posible encontrar diferentes grados desde los directos que basicamente hacen traducciones palabra por palabra hasta interlingua que utiliza una representacion intermedia completa Transferencia Editar Articulo principal Traduccion automatica mediante transferencia En la traduccion por transferencia el analisis del original juega un papel mas importante y da paso a una representacion interna que es la que se utiliza como enlace para traducir entre idiomas distintos Lenguaje intermedio Editar Articulo principal Traduccion automatica mediante lengua intermedia La traduccion automatica a partir de un lenguaje intermedio es un caso particular de la traduccion automatica basada en reglas El lenguaje original por ejemplo un texto que debe ser traducido es transformado a un lenguaje intermedio cuya estructura es independiente a la del lenguaje original y a la del lenguaje final El texto en el lenguaje final se obtiene a partir de la representacion del texto en el lenguaje intermedio En general a esta lengua intermedia se la llama interlingua Traduccion automatica basada en corpus Editar La traduccion automatica a partir de un corpus linguistico se basa en el analisis de muestras reales con sus respectivas traducciones Entre los mecanismos que utilizan corpus se incluyen los metodos estadisticos y los basados en ejemplos Estadistica Editar Articulo principal Traduccion automatica estadistica El objetivo de la traduccion automatica estadistica es generar traducciones a partir de metodos estadisticos basados en corpus de textos bilingues como por ejemplo las actas del parlamento europeo que se encuentran traducidas en todos los idiomas oficiales de la UE A medida que se generan y se analizan corpus de textos multilingues se mejoran iterativamente los resultados al traducir textos de ambitos similares El primer programa de traduccion automatica estadistica fue Candide desarrollado por IBM Google utilizo los servicios de SYSTRAN durante algunos anos pero desde octubre de 2007 utiliza su propia tecnologia de traduccion automatica basada en estadistica En el 2005 Google mejoro las capacidades de traduccion al analizar 200 mil millones de palabras de documentos de las Naciones Unidas El progreso de la traduccion automatica no es un fenomeno aislado Las tecnologias de informacion en su conjunto presentan un progreso exponencial gracias en buena parte a disciplinas como Machine Learning inteligencia artificial estadistica que nutridos de Big Data y Big Language 3 han dado resultados asombrosos en el reconocimiento del lenguaje en la sintesis de texto a voz y en la traduccion de voz en tiempo real Basada en ejemplos Editar Articulo principal Traduccion automatica basada en ejemplos La traduccion automatica basada en ejemplos se caracteriza por el uso de un corpus bilingue como principal fuente de conocimiento en tiempo real Es esencialmente una traduccion por analogia y puede ser interpretada como una implementacion del razonamiento por casos base empleado en el aprendizaje automatico que consiste en la resolucion de un problema basandose en la solucion de problemas similares Traduccion automatica basada en el contexto Editar Articulo principal Traduccion automatica basada en el contexto La traduccion automatica basada en el contexto utiliza tecnicas basadas en hallar la mejor traduccion para una palabra fijandose en el resto de palabras que la rodean basicamente este metodo se basa en tratar el texto en unidades de entre 4 y 8 palabras de manera que se traduce cada una de ellas por su traduccion al idioma destino y se eliminan las traducciones que han generado una frase sin sentido Luego se mueve la ventana una posicion palabra retraduciendo la mayoria de ellas de nuevo y volviendo a filtrar dejando solo las frases coherentes Se repite dicho paso para todo el texto Y luego se pasa a concatenar los resultados de dichas ventanas de manera que se logre una unica traduccion del texto El filtrado que se realiza donde se decide si es una frase con sentido utiliza un corpus del lenguaje destino donde se cuentan el numero de apariciones de la frase buscada Se trata por tanto de un metodo basado en ideas bastante simples que ofrecen muy buenos resultados en comparacion a otros metodos Como ventajas aporta tambien la facilidad de anadir nuevas lenguas ya que solo se necesita un buen diccionario que puede ser cualquier version comercial adaptada mediante reglas gramaticales para tener los verbos conjugados y los nombres adjetivos con sus variaciones en numero y genero y un corpus en el lenguaje destino que se puede sacar por ejemplo de Internet sin que sea necesario traducir ninguna parte como en los metodos estadisticos La traduccion automatica en Espana EditarLa investigacion en Espana ha pasado a traves de tres etapas importantes Desde 1985 se inicia la investigacion con un interes repentino en Espana Despues de un ano a su entrada a la Comunidad Europea Fueron tres companias transnacionales quienes financiaron la creacion de varios grupos de investigacion IBM Siemens y Fujitsu Paradojicamente 1992 que era el ano de la celebracion del 5 º centenario del descubrimiento de America y de los juegos olimpicos tambien se llevaban a cabo en Barcelona Primero IBM y luego Siemens formaron en 1985 grupos de I D en sus laboratorios de Madrid y Barcelona liderados por Luis de Sopena y Montserrat Meya respectivamente IBM utilizo el Centro de Investigacion en inteligencia artificial de la Universidad Autonoma de Madrid como sede de un equipo especializado en lenguaje natural Este equipo tomo parte primero en el diseno del prototipo Mentor junto con otro centro IBM de Israel y mas tarde en la adaptacion al espanol de LMT sistema disenado en el T J Watson Research Center de Estados Unidos A tenor de las publicaciones del grupo en la revista Procesamiento del lenguaje natural entre los anos 1985 y 1992 trabajaron en los proyectos de IBM al menos los siguientes especialistas Teo Redondo Pilar Rodriguez Isabel Zapata Celia Villar Alfonso Alcala Carmen Valladares Enrique Torrejon Begona Carranza Gerardo Arrarte y Chelo Rodriguez Por su parte Siemens decidio acercar a Barcelona el desarrollo del modulo espanol de su prestigioso sistema Metal Montserrat Meya que hasta entonces habia trabajado en los laboratorios centrales de Siemens en Munich contacto con el filologo e ingeniero Juan Alberto Alonso y juntos formaron el nucleo de un equipo en el que luego participaria una interminable lista de colaboradores Xavier Gomez Guinovart Juan Bosco Camon Begona Navarrete Ramon Fanlo Clair Corbishley Begona Vazquez etc Despues de 1992 el grupo dedicado a proyectos linguisticos se constituyo en empresa independiente Incyta Tras un convenio con la Generalidad de Cataluna y la Universidad Autonoma de Barcelona se desarrollo el modulo catalan que es ahora su principal linea de actividad A finales de 1986 se crearon en Barcelona y Madrid dos nuevos grupos entre quienes se repartio el desarrollo de los modulos del sistema EUROTRA financiado por la Comision Europea Ramon Cerda reunio en la Universidad de Barcelona a un nutrido grupo de especialistas integrado por entre otros Jesus Vidal Juan Carlos Ruiz Toni Badia Sergi Balari Marta Carulla y Nuria Bel Mientras este grupo se ocupaba de las cuestiones de sintaxis y semantica otro grupo se encargaba en Madrid de los aspectos de morfologia y lexicografia liderados por Francisco Marcos Marin Colaboraban con el entre otros Antonio Moreno Pilar Salamanca y Fernando Sanchez Leon Un ano mas tarde en 1987 se formo en los laboratorios de I D de la empresa Fujitsu en Barcelona un quinto grupo para el desarrollo de los modulos de traduccion al espanol del sistema japones Atlas Este grupo estaba liderado por el ingeniero Jorge Vivaldi y los filologos Jose Soler procedente de Eurotra y Joseba Abaitua Juntos crearan el embrion de un equipo al que mas adelante se incorporaron Elisabet Cayuelas Lluis Hernandez Xavier Llore y Ana de Aguilar Amat La empresa interrumpio esta linea de investigacion en 1992 Otro grupo dedicado a la traduccion automatica por aquellos anos fue el formado por Isabel Herrero y Elisabeth Nebot en la Universidad de Barcelona Este grupo tutelado por Juan Alberto Alonso creo un prototipo de traduccion arabe espanol en colaboracion con la Universidad de Tunez Esta claro que la traduccion automatica fue el principal catalizador del nacimiento de la linguistica computacional en Espana No es casualidad que la Sociedad Espanola para el Procesamiento del Lenguaje Natural SEPLN se constituyera en 1983 Junto a Felisa Verdejo otras dos personas se destacaron en su fundacion los citados Montserrat Meya y Luis de Sopena quienes por aquel entonces lideraban como se ha dicho grupos de traduccion automatica El tercer congreso de la asociacion entonces todavia bajo la denominacion de Tjornadas tecnicast se celebro en julio de 1987 en la Universidad Politecnica de Cataluna con dos platos fuertes sobre traduccion automatica una conferencia de Sergei Nirenburg entonces adscrito al Center for Machine Translation de la Universidad Carnegie Mellon y una mesa redonda participada por Jesus Vidal y Juan Carlos Ruiz de Eurotra Luis de Sopena de IBM Juan Alberto Alonso de Siemens y el propio Nirenburg Algunos datos estadisticos constatan la relevancia de la traduccion automatica en la SEPLN entre los anos 1987 y 1991 Durante aquellos anos de los 60 articulos publicados en la revista de la asociacion Procesamiento del lenguaje natural 23 mas de un tercio versaron sobre traduccion automatica El nivel de participacion refleja la relevancia de los grupos ocho describen Eurotra siete las investigaciones de IBM cuatro Metal de Siemens y 3 Atlas de Fujitsu Solo uno de los articulos publicados de los 23 era ajeno a los cuatro proyectos estrella Este fue el presentado en el congreso de 1990 por Gabriel Amores actual investigador del area de traduccion automatica con los resultados de su investigacion en el Centre for Computational Linguistics de Umist Se han citado 35 personas y esta cifra da una idea de la actividad En una estimacion aproximada se puede calcular que en 1989 la investigacion en traduccion automatica contaba en Espana con un presupuesto anual de unos 200 millones de pesetas una cifra que por modesta que parezca multiplica varias veces la cantidad que se maneja hoy en dia en nuestro pais una decada despues Desde 1998 el Departamento de Lenguajes y Sistemas Informaticos de la Universidad de Alicante desarrolla sistemas de traduccion automatica entre lenguas romanicas interNostrum entre el espanol y el catalan Traductor Universia entre el espanol y el portugues y mas recientemente Apertium un sistema de traduccion automatica de codigo abierto desarrollado en colaboracion con un consorcio de empresas y universidades espanolas que actualmente traduce entre las lenguas del Estado espanol y otras lenguas romanicas Desde 1994 AutomaticTrans en la actualidad usa el nombre comercial AT Language Solutions ha desarrollado su plataforma linguistica corporativa que incorpora motores hibridos de traduccion automatica de alto rendimiento La plataforma la completan un conjunto de componentes necesarios para resolver la problematica multilingue y multiformato de organizaciones grandes En 2010 Pangeanic se convirtio en la primera empresa del mundo en aplicar el traductor estadistico Moses en un entorno comercial 4 desarrollando una plataforma con autoaprendizaje limpieza de corpus y reentrenamiento junto con el Instituto Tecnico de Informatica de Valencia ITI y el grupo de investigacion Pattern Recognition and Human Language Technology 5 de la Politecnica de Valencia Miembro fundador de TAUS Pangeanic consiguio el mayor contrato de infraestructuras de traduccion automatica para la Comision Europea con su proyecto iADAATPA 6 en 2017 Recursos de la traduccion automatica EditarCorpus linguistico Diccionarios Gramatica Industria del lenguaje Memorias de traduccionVease tambien EditarApertium Inteligencia artificial Metodos de evaluacion para la traduccion automatica Moses Open source Traduccion asistida Traduccion automatica estadistica Traduccion automatica neuronal Traduccion automatica mediante lenguaje intermedio Traduccion automatica basada en el contexto Traduccion inmediataReferencias Editar TransType 2 http dti ua es es documentos pdf vargas tecnologicas pdf Big Language PangeaMT Putting Open Standards to Work Well por E Yuste Manuel Herranz Alexandre Helle Francisco Casacuberta et al 2010 AMTA 2010 en ingles estadounidense Pattern Recognition and Human Language Technology research group iADAATPA European project Bibliografia EditarPilar Hernandez 2002 En torno a la traduccion automatica internet cervantes es Joseba Abaitua 2001 Introduccion a la traduccion automatica en 10 horas Grupo DELi Universidad de Deusto Raquel Martinez 2003 Principales problemas de la traduccion automatica Universidad Juan Carlos I Victoria Lopez 2002 Posibilidades y realidades de la traduccion automatica traduccion rediris es RedirisEnlaces externos EditarMachine Translation una introduccion a la traduccion automatica por D J Arnold et al 1994 en ingles European Association for Machine Translation organizacion sin animo de lucro en ingles PangeaMT Putting Open Standards to Work Well por E Yuste Manuel Herranz Alexandre Helle Francisco Casacuberta et al 2010 en ingles Wikipedia Machine Translation Project English Wikipedia en espanol se necesita iniciar sesion para acceder Herramienta de traduccion automatica Traduccion automatica Spanish translations Datos Q79798 Multimedia Machine translation Obtenido de https es wikipedia org w index php title Traduccion automatica amp oldid 136371099, wikipedia, wiki, leyendo, leer, libro, biblioteca,

español

, española, descargar, gratis, descargar gratis, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, imagen, música, canción, película, libro, juego, juegos