É possível ser mais eficaz com a IA na tradução. Mas isso requer alguma atenção: os modelos não são perfeitos e é necessário implementar procedimentos de controlo eficazes. Partilho convosco a minha própria experiência.

Talvez já tenha visto essas páginas do Facebook ou alguns artigos que gozam — por vezes, de forma pouco gentil, aliás — com traduções erradas. Algumas são francamente ridículas, outras são mesmo patéticas. Se não quer acabar numa dessas páginas de ridicularização — e arruinar definitivamente a sua imagem de marca —, eis algumas dicas baseadas na minha própria experiência.

Dois programas para ser mais eficaz com a IA na tradução

Desde que criámos MOOC «Dys» sobre as dificuldades de aprendizagem, eu utilizo a aplicação DeepL para me ajudar com as traduções. E digo bem « ajudar-me ». Como verão nas linhas seguintes, a tradução com IA coloca alguns problemas. É por isso que requer supervisão humana em cada etapa.

Também utilizo o programa (plug-in) Translate Press para me ajudar a traduzir artigos e páginas dos nossos sites. Há duas formas de utilizar este programa: ou deixar que ele traduza os conteúdos automaticamente, ou utilizá-lo para traduzir manualmente os conteúdos. A vantagem é que ele traduz tudo, incluindo o que os leitores do site não vêem:

• o endereço URL
• os textos alternativos das imagens
• os links dos menus
• ecc

Pela minha parte, prefiro utilizar a versão manual do programa em conjunto com o DeepL. Como adicionei a extensão DeepL no meu navegador Chrome, posso utilizá-la numa grande variedade de sites e também na minha conta do Gmail para traduzir e-mails. A extensão aparece sob a forma de um ícone (logótipo do DeepL) ao lado do campo que pretendo traduzir, tal como se pode ver na imagem abaixo:

Copio o texto em francês para cada campo e utilizo o tradutor DeepL para o idioma correspondente, clicando no ícone. Repito o processo para cada idioma. Pode parecer demorado, mas, na realidade, poupa-se imenso tempo.

Paraser mais eficaz com a IA na tradução: controlar os erros frequentes

Estes dois programas, o DeepL e o Translate Press, estão entre os melhores da sua categoria. No entanto, como sempre, a inteligência artificial não é perfeita e é necessário que os resultados sejam revistos por um ser humano.

Erros na deteção do idioma

Um exemplo: o verbo «argumentar». O DeepL interpreta sistematicamente este verbo como um substantivo norueguês no plural. Enquanto que, para mim, trata-se do verbo francês no infinitivo. A tradução varia pouco: «argumentos» em vez de «argumentar». Mas isso altera o sentido da frase.

Relação entre os diferentes elementos de uma frase

.Quando traduzo artigos do nosso blogue para outras línguas, as frases são divididas em «cadeias de caracteres». Uma frase pode ser dividida em várias cadeias, sobretudo se incluir uma hiperligação. Nesse caso, por se tratar de um modelo linguístico, não é possível ajustar as cadeias entre si. São tratadas como sequências de sinais independentes umas das outras.

Por exemplo, traduzi recentemente um artigo sobre o método ABC Learning Design classifica. A certa altura, surge uma frase que termina em francês com «je vous ai présenté la». A frase seguinte começa com a palavra «méthode». Em italiano, espanhol e português, «méthode» é masculino (metodo). A sequência «je vous ai présenté la» torna-se «vi ho presentato la» em italiano, mas é seguida de «metodo», que é masculino. Isto significa que tenho de corrigir todas as sequências que contenham os artigos femininos e o substantivo masculino. Não é nada de grave, mas isso diminuiria a nossa credibilidade junto dos leitores italianos, espanhóis e portugueses.

Podes descarregar isto mapa mentai criado no Mindomo através do nosso parceiro Biggerplate.

Se não tiver o software Mindomo, pode descarregá-lo gratuitamente aqui

Também pode descarregar uma versão em PDF deste mapa clicando no botão abaixo.

Problemas relacionados com o modelo preditivo da IA generativa

Os grandes modelos linguísticos são sistemas probabilísticos. Quando se deparam com uma sequência de caracteres, calculam a probabilidade do que se segue. Por exemplo, numa frase que diz «a população francesa em», o modelo calculará que há 90% de probabilidade de a palavra seguinte ser «geral». Em certas sequências de caracteres, a probabilidade é tão elevada que o modelo acrescenta a palavra «geral» por iniciativa própria. No entanto, como o meu contexto é académico e profissional, a palavra seguinte é provavelmente diferente. Mas se eu não rever esta sequência, acabarei por obter uma tradução para italiano ou português que conterá a palavra «geral», quando esta não aparece na frase original e não tem qualquer sentido nem função na tradução esperada.

A IA não tem em conta o contexto

Uma mesma palavra pode ter vários significados, que variam consoante o contexto. Por exemplo, utilizo a palavra «qualificação» num contexto profissional. Significa, portanto, «aptidão, conjunto de competências relacionadas com uma atividade ou profissão». Mas o DeepL traduz sistematicamente «qualificação» por «seleção», pois essa palavra significa «ser classificado, ser selecionado» no mundo do desporto. Felizmente, existe uma funcionalidade que permite «definir» o tipo de tradução pretendido. No entanto, este exemplo, tal como outros, demonstra claramente que é necessário rever e verificar constantemente as traduções. Mesmo que haja uma poupança de tempo, isso não significa que não seja necessário que uma pessoa as reveja. É por isso que la législation européenne sur la transparence de l’IA isenta os conteúdos revistos por um ser humano da obrigação de rotulagem dos conteúdos geridos pela IA generativa.

Corrigir erros de contexto: a utilização de um glossário

Tanto no DeepL como no Translate Press, existe uma funcionalidade que permite forçar o software a traduzir uma palavra de uma determinada forma. Trata-se do «glossário». É uma espécie de dicionário ou tesauro que contém uma lista de palavras e a tradução selecionada. Por exemplo, quando criámos o MOOC Dys, explicámos na primeira parte do curso que as dificuldades de aprendizagem, tais como a dislexia, a disfasia, etc., eram dificuldades decorrentes do desenvolvimento cerebral, mas não doenças. No entanto, em várias ocasiões, o software traduziu «distúrbios» por «doença». Algo que os participantes do MOOC rapidamente nos assinalaram. Com a funcionalidade «glossário», pudemos rever todas as traduções, garantindo que esse erro não se repetisse.

Ce glossaire permet aussi de ne pas traduire le nom de l’entreprise dans nos articles : dans une version du titre (le titre OG, pour le référencement), le nom Formation 3.0 apparait et était traduit systématiquement. Ce qui est interdit par la loi, puisque le nom est déposé uniquement en français.

Ser mais eficaz com a IA na tradução: o contra-exemplo da tradução simultânea

O YouTube — tal como o Prime Video e outras plataformas de streaming — integrou recentemente uma tradução instantânea automatizada, baseada num LLM. Os resultados são muitas vezes hilariante. Algumas palavras são mal traduzidas ou até mesmo inventadas pelo modelo. A tal ponto que o vídeo original se torna praticamente

Conclusão: a necessidade permanente de supervisão humana para ser mais eficaz com a IA na tradução

Os erros acima referidos não são, por si só, graves. No entanto, sublinham o facto de que qualquer conteúdo gerado pela inteligência artificial generativa deve ser sujeito a uma revisão humana. E que, quando se traduz um texto para outra língua com a ajuda da IA, é melhor ter um conhecimento básico dessa língua e dos seus mecanismos. Caso contrário, corre-se o risco de perder toda a credibilidade junto do público.

Para além dos problemas referidos, a tradução assistida por inteligência artificial permite-nos poupar muito tempo. Isso permite-nos publicar mais conteúdos e atrair novos leitores para o nosso site. Sem a inteligência artificial, não poderíamos publicar em cinco línguas e disponibilizar recursos em seis idiomas diferentes.

Gostou deste artigo? Inscreva-se na nossa newsletter e não perca mais nenhuma publicação! É gratuito e garantido sem spam.