Skype è diventato multilingue

Katrina Rippel è un'oratrice attenta che segue tutte le regole. Hao Chen è un conversatore a ruota libera. E io sono un piantagrane senza sosta, sputando costantemente qualsiasi idea mi passi per la testa. Una mattina recente, noi tre ci siamo incontrati nel cyberspazio per scoprire quanto bene (o male) potevamo comunicare in un misto di tedesco, mandarino e inglese. Ognuno di noi parlava solo la nostra lingua madre.

Indossando le cuffie, abbiamo attinto a Skype Translator, una creazione del team di ricerca di Microsoft. (I miei compagni di chat erano consulenti part-time di Microsoft, che si trovava a migliaia di miglia di distanza dalla mia base americana sulla costa occidentale.) Quando ho chiesto a Chen dove fosse cresciuto, non mi ha turbato sentirlo dire: 我在中国的家乡在东北,辽宁省,鞍山市. Pochi secondi dopo, un'amichevole voce sintetica mi disse: La mia città natale è nel nord-est della Cina, provincia di Liaoning, Anshan.

Se solo il resto dei nostri scambi avesse funzionato così bene. Quando Chen ha cercato di spiegare i suoi viaggi negli Stati Uniti, Skype ha gestito male un ambiguo sostantivo mandarino, dicendomi che si era recato ai quadri di New York. Solo quando Chen ha provato diverse formulazioni Skype è stato disposto a farne lo stato di New York. Quando ho chiesto a Rippel della sua città natale tedesca, il software di Skype, aspettandosi che parlassi inglese, non tedesco, mi ha sentito dire vestito invece di Dresda. Così ha creato una frase senza senso, in cui la parola tedesca bekleidet è apparsa al posto del nome della sua città.

Come mostrano tali inciampi, la traduzione automatica del linguaggio quotidiano non è ancora arrivata, nonostante 30 anni di tentativi. È colpa nostra, davvero. Se parlassimo con la chiarezza e la precisione dei diplomatici delle Nazioni Unite, gli strumenti di intelligenza artificiale potrebbero decodificare tutto secondo schemi ben consolidati. Più ci affidiamo a parole o sintassi inesplorate per trasmettere i nostri pensieri, più difficile è per il software di traduzione fare tutto bene senza ulteriore aiuto.

Anche così, Microsoft, Google, Baidu, Facebook, IBM e molti altri sono in lizza per la supremazia in questo difficile campo. Offrire riconoscimento vocale e traduzione di alto livello può diventare un biglietto da visita attraente che aiuta a bloccare i clienti per molti altri servizi. Questi vanno dalla ricerca su Internet al cloud computing, in cui l'archiviazione e l'elaborazione dei dati sono fornite tramite server remoti e una connessione Internet.

Secondo Synergy Research, la spesa mondiale per il cloud e l'infrastruttura ha superato i 115 miliardi di dollari l'anno scorso e sta crescendo a un tasso annuo del 28%. La traduzione in tempo reale può aiutare le suite complessive di servizi cloud della concorrenza a distinguersi in quella che altrimenti diventa un'attività commerciale orientata al prezzo. Per ora, la maggior parte dei servizi di traduzione è disponibile gratuitamente, ma potrebbero emergere alternative a pagamento man mano che le aziende globali cercano strumenti di traduzione personalizzati che funzionino ancora meglio.

Microsoft, in particolare, sta esplorando i modi in cui gli utenti aziendali possono creare maggiori capacità in cima al motore di base di Skype Translator che Rippel, Chen e io abbiamo testato. Un'area di interesse: aiutare i clienti a caricare in anticipo migliaia di termini specializzati, documenti di riferimento, conversazioni di esempio e locuzioni bizzarre. In questo modo, è molto meno probabile che si verifichino problemi di tipo Dresda.

Il software di traduzione funziona molto meglio se può attingere a un ricco database di modelli linguistici che è probabile che particolari parlanti utilizzino, spiega il direttore della strategia di ricerca Microsoft Vikram Dendi. I consulenti di gestione possono utilizzare termini come delta e granularità in contesti che sembrano impensabili per il resto di noi. I chimici industriali possono scherzare su più di una dozzina di diversi tipi di ftalati. E all'interno di qualsiasi grande azienda, i soprannomi per progetti, processi e alti dirigenti sono infiniti.

Offrire riconoscimento vocale e traduzione di alto livello può aiutare a bloccare i clienti per molti altri servizi, che vanno dalla ricerca su Internet al cloud computing.

Dal 2011, Microsoft ha consentito ai grandi clienti di caricare i propri glossari o materiale scritto in database specializzati per la traduzione di testi. Ciò ha lo scopo di produrre risultati più affidabili rispetto a quelli forniti dal servizio Bing di base di Microsoft, in particolare su materiale tecnico denso. Più di 100.000 utenti hanno optato per la personalizzazione, afferma Dendi. Gli utenti leggeri possono pagare un minimo di $ 40 al mese; utenti pesanti come Adobe e Twitter potrebbero pagare molto di più.

Microsoft ha provato una vasta gamma di strategie per decifrare la traduzione dalla metà degli anni '90, quando il fondatore dell'azienda Bill Gates predisse che il riconoscimento vocale sarebbe stato ampiamente disponibile entro 10 anni. I primi approcci si basavano fortemente sui tentativi di catalogare regole grammaticali e di utilizzo specifiche. A partire dal 2009, Microsoft ha ampliato la sua enfasi. Le tecniche statistiche sono state abbinate alle reti neurali, un sistema di apprendimento automatico basato sulla struttura e sulla natura di autoapprendimento del cervello umano.

Attualmente, Microsoft utilizza cinque livelli di reti neurali per analizzare il parlato, secondo Peter Lee, capo della divisione di ricerca dell'azienda. I livelli più bassi analizzano i suoni a un livello rudimentale come il modo in cui il software di analisi delle immagini cerca bordi e superfici, senza tentare di capire quali potrebbero essere gli oggetti. Come con molti approcci avanzati di intelligenza artificiale, c'è del mistero su come funziona, anche per i ricercatori coinvolti. Non ha nulla a che fare con parole o fonemi, dice Lee, riferendosi ai suoni che distinguono una parola dall'altra. Non credo che nessuno di noi capisca esattamente cosa sta guardando lo strato inferiore. Ma funziona sorprendentemente bene.

I ricercatori di Microsoft hanno anche fatto un uso maggiore di quella che è nota come memoria a breve termine lunga. Quando riconoscono il parlato o traducono, le reti neurali fanno una serie di ipotesi che continuano a essere riviste man mano che arrivano nuove informazioni. Occasionalmente, uno schema atteso vacilla improvvisamente. In questi casi, le reti neurali possono fare un lavoro migliore di raggruppamento se possono rivisitare i presupposti che hanno portato a ipotesi di diverse parole. Mantenere una traccia più lunga nella memoria a breve termine del sistema rende possibile tale ritracciamento e successive correzioni.

Occorrono almeno 4.000 ore di campioni parlati e milioni di parole di testo per addestrare le reti neurali di Skype Translator in ogni nuova lingua. Arul Menezes, capo del team di traduzione automatica di Microsoft, afferma di essersi aspettato difficoltà in lingue come l'arabo, dove gli accenti dei parlanti possono variare notevolmente. Ma raccogliendo campioni di voci di oratori abbastanza diversi, dice Menezes, è stato possibile sviluppare l'orecchio di Skype Translator per intonazioni diverse al punto che gli accenti regionali non sono un problema. Lo stesso vale per le differenze tra voci maschili e femminili.

Altre variazioni nel linguaggio quotidiano si rivelano più complicate. Le reti neurali sono estremamente sensibili alle differenze nei microfoni. (Gli esseri umani possono essere bravi a rilevare la differenza tra statico e parlato, ma è molto più difficile da padroneggiare per le macchine.) Anche le pause nel parlato sono problematiche. Come osserva Menezes, le persone generalmente non si fermano alla fine di una frase. Si fermano altrove. Le pause finiscono per essere inutili per rilevare quando una frase inizia o finisce. Devi seguire le parole stesse.

Anche trovare le traduzioni giuste per le parole ambigue è una sfida senza fine, riconosce Menezes. Mentre parla tedesco, Rippel usa spesso la parola Sie, che può significare lei, tu o loro, a seconda della situazione. Skype Translator lo fa bene circa l'80% delle volte.

Allo stesso modo, Skype Translator inciampa leggermente quando Chen parla delle dimensioni della famiglia in Cina. Indipendentemente dalle politiche del governo, mi dice Chen, l'enorme costo della genitorialità in Cina significa che molte persone vogliono solo dare alla luce un bambino.

Pochi minuti dopo, seduti nell'edificio 99 della sede di Microsoft, Menezes e io rivediamo una trascrizione della conversazione. Menezes indica mestamente lo scambio sull'educazione dei figli. Dovrebbe essere 'un figlio', dice. Ma in cinese, non c'è distinzione tra 'uno' e 'a'. C'è una differenza in inglese, ma deve essere presa interamente nel contesto.

Non credo che i traduttori professionisti stiano ancora tremando per quello che stiamo facendo, aggiunge, con un sorriso sottile. I loro lavori sono al sicuro per un bel po'.

Rippel, un traduttore professionista, non è così critico. Finché gli utenti parlano lentamente e mantengono le frasi brevi, afferma, i servizi automatizzati come Skype Translator possono svolgere un lavoro utile nel superare le barriere linguistiche.

È molto importante che questo strumento esista, dice. Al giorno d'oggi, è più importante che mai che le persone in tutte le comunità siano in grado di parlare tra loro.

nascondere