Mese: Ottobre 2020

Il 2020 ci sta regalando colpi di scena e battute di arresto, che neanche la mente visionaria di Christopher Nolan sarebbe riuscita a riportare sui grandi schermi, conservando un minimo di plausibilità e veridicità. 

Ad agosto, mentre i più fortunati tra noi godevano di un mendace spiraglio di riconquistata normalità, un consorzio di aziende italiane è stato selezionato dal Parlamento Europeo per la fase finale della selezione di un progetto volto alla trascrizione e traduzione automatica dei dibattiti parlamentari in tempo reale. 

Un salto nel futuro della traduzione, ripartendo dal passato in cui questa pandemia ci ha scaraventato
(la rima non è stata intenzionale, giuro!)

In un recente incontro organizzato dall’Associazione di categoria tedesca per interpreti e traduttori (BDÜ), si è parlato di Traduzione Automatica con Giorgio Bernardinello, sviluppatore software presso STAR Group.

Immaginerete quanto possa essere stato controverso un argomento che, da anni, scatena opinioni contrastanti non solo tra gli interpreti di conferenza e i traduttori professionisti, ma anche tra chiunque sostenga che la traduzione automatica, con i suoi apripista Google Translate e DeepL, renderà obsoleti e anacronistici suddetti profili professionali.

Andiamo per gradi e facciamo un passo indietro: ricordate le audaci e dubbie soluzioni offerte da Google Translate, in cui un “The alla pesca” diventava un “the to the fishing” o ancora il gusto “menta” si trasformava in “lies”? Fino a pochi anni fa, i software di traduzione automatica generavano traduzioni a partire da metodi statistici basati su corpora di testi bilingui e monolingui (ai più nota Statistical Machine Translation), in cui alle parole del testo di partenza si sostituivano equivalenti nella lingua di arrivo. Inutile precisare quanto bizzarre fossero le soluzioni mot-à-mot che ne derivavano.

Pensate cosa succederebbe se si affidasse l’interpretazione di una conferenza di settore altamente tecnica ad un software di sintesi vocale e traduzione automatica, questo non riconoscesse la polisemia del lemma “albero” e fornisse una traduzione dall’italiano al tedesco completamente errata e decontestualizzata? 

“Se la traduzione automatica fosse in mano ai potenti della terra, sarebbe la fine”.
(Giorgio Bernardinello, STAR Group) 

Con l’evoluzione dell’Intelligenza Artificiale (IA), si è aperta l’era della traduzione automatica neurale, mediante la quale il computer è in grado di eseguire operazioni che si credevano prerogativa degli esseri viventi: conoscere il mondo, apprendere dall’esperienza e (ri)organizzare i concetti acquisiti. 

Come nel film “Ex Machina”, scritto e diretto dal regista inglese Alex Garland, il mondo dell’Intelligenza Artificiale riporta alla luce l’atavico rapporto dialettico tra razionalismo ed empirismo. 

Da una parte l’uomo corredato del suo bagaglio di idee innate tramite cui cercare di comprendere il mondo e dall’altra la conoscenza intesa come prodotto dell’esperienza. 

Un team di ricercatori italiani dell’Istituto dei materiali per l’elettronica ed il magnetismo del Consiglio nazionale delle ricerche (Cnr-Imem) ha realizzato connessioni sinaptiche artificiali, servendosi di un dispositivo elettronico, chiamato memristore, che consentirebbe la comunicazione tra neuroni in modo analogo a quanto avviene in natura. 

Comunicazione neuronale e apprendimento automatico: pronti per il ritorno al futuro.

Se anche voi, come me, possedete -ahimè- conoscenze superficiali in materia di apprendimento automatico delle reti neurali artificiali, é utile sintetizzare i tre elementi indispensabili a tale processo:

1. le sinapsi, dunque le connessioni che trasferiscono l'informazione numerica tra unità neurali, modificando l’informazione in transito;
2. la funzione di aggregazione, che integra in unico valore gli stimoli in ingresso al neurone, pesati dalle rispettive sinapsi;
3. la funzione di trasferimento, che misura il grado di attivazione del neurone, distribuito ad altre unità della rete attraverso le sinapsi.

Questo significa che le unità di una rete neurale vengono addestrate a prevedere, per ogni parola ricorrente in un corpus linguistico, il contesto dato dai termini che la circondano. La rappresentazione del lemma diventa il vettore di attivazione dei neuroni della rete così addestrata, realizzando quel radicamento simbolico nell’attività neuronale artificiale che il cervello umano esegue in autonomia.
I termini diventano punti di uno spazio continuo di vettori che tendono alla vicinanza spaziale tanto più sono semanticamente affini.

Spontanea sorge la domanda fino a che punto una rete neurale artificiale possa apprendere le strutture concettuali e semantiche di una lingua e quanto potrebbe essere influenzabile da natura, contenuti e pregiudizi dei testi utilizzati per istruirla.

In uno studio recente (Bacciu et alii 2016) si é analizzato un corpus di barzellette in lingua inglese, per capire quanto sia importante il testo usato per istruire la rete nel determinare la sua rappresentazione del mondo.

Lo studio delle similitudini tra codifiche di alcuni termini rappresentativi mostra come vocaboli suscettibili di interpretazione sessista della figura femminile tendano a codifiche neurali simili, indotte dal contesto d’uso nel corpus. D’altro canto, termini con una connotazione legata a ruoli familiari della donna tendono a separarsi dai precedenti e ad essere vicini tra di loro e all’equivalente sostantivo maschile. Analogo è il processo di aggregazione per altri fattori polarizzanti, quali etnia e nazionalità. 

La morale della favola?

Ciò che leggiamo contribuisce a formare il modo in cui percepiamo e interpretiamo il mondo, nelle reti neurali biologiche come in quelle artificiali.

Neanche l’Intelligenza Artificiale potrà salvarci dalla stupidità (naturale)!