Así es como las máquinas aprenden a traducir idiomas sin intervención humana

Actualmente, cuando se busca que una red neuronal de IA aprenda a traducir, una persona debe suministrarle una cantidad de datos y supervisión. Cuando falla, el humano la corrige proporcionándole las respuestas correctas para que aprenda de sus errores.

Por supuesto que este método es efectivo cuando se le enseña a la IA a traducir entre dos idiomas bastante populares. Pero, cuando se trata de lenguas no tan comunes de la que no se tienen suficientes textos de los que aprender, pueden encontrarse dificultades.

Los métodos presentados en la revista Science son muy parecidos, y sirven para darle completa autonomía a los métodos de aprendizaje automático para aprender idiomas.

Las redes neuronales utilizan palabras que habitualmente se relacionan en ambos idiomas. Por ejemplo: mesa y silla. Haciendo esto varias veces con distintos términos, las redes neuronales observa las conexiones.

Una vez que haya creado su propio diccionario, llega la hora de traducir frases. Para esto utilizan dos métodos denominados traducción inversa y de ruido.

En la traducción inversa, se realiza la traducción aproximada de un idioma al otro y luego se vuelve al idioma original. En el caso de que la frase traducida no sea idéntica a la original, las redes neuronales se ajustan a sí misma para ser más efectivas.

En el caso del Denoising o eliminación de ruido sucede algo similar. La diferencia radica en que cuando se hace la traducción de un idioma a otro, se le agrega "ruido" reorganizando o eliminando palabras, antes de intentar volver a traducirlo al idioma original.

Combinando ambos métodos, las redes neuronales aprenden las estructuras de los idiomas y cómo traducirlos de forma correcta.

Si bien estos mecanismos suponen todo un hito respecto al aprendizaje artificial, todavía están lejos de igualar los métodos tradicionales supervisados por los humanos.

De volverse más efectivos, Google ahorraría tiempo y esfuerzo en sus traductores.