O que a tradução com IA deixa de fora
17 nov. 2026 . Tradução com IA
|
A falha que deve preocupar na tradução com IA não é a que parece errada. É a que parece certa. Eis uma frase vulgar de um manual de manutenção: "Use luvas, proteção ocular e máscara respiratória ao manusear o composto." E eis o que voltou: "Use luvas e proteção ocular ao manusear o composto." Leia a segunda frase de novo e tente encontrar o defeito. Não há nenhum. Está gramaticalmente correta, é idiomática, está bem pontuada e a terminologia está certa. Uma lista de dois elementos é algo perfeitamente normal numa frase. Nada no resultado levanta suspeitas. É isto que torna a omissão diferente de qualquer outro erro de tradução. A maioria dos erros deixa vestígios. Um segmento truncado termina a meio de uma oração. Um sujeito em falta quebra a concordância. Um conector em falta deixa um "contudo" órfão no início de um parágrafo. Estes são visíveis, e um revisor deteta-os sem sequer olhar para o original. A omissão num modelo atual não deixa vestígios, porque o objetivo do modelo é um resultado fluente e bem formado. Quando algo cai, a frase é reconstruída em torno da lacuna. A costura fecha. O que recebe não é uma frase danificada. É uma frase diferente e intacta, que por acaso diz menos do que o original. Agora pense no que os seus controlos de qualidade testam de facto. O corretor ortográfico passa, como é óbvio. A verificação gramatical passa. A verificação de terminologia passa, porque todos os termos que sobreviveram estão corretos. As verificações de rácio de comprimento são o caso interessante: do inglês para a maioria das línguas europeias o texto expande-se de qualquer forma, pelo que um segmento que perdeu discretamente vinte por cento do seu conteúdo pode ficar confortavelmente dentro da variação normal. E um revisor que leia apenas o texto de chegada também o aprova, porque não há verdadeiramente nada a notar. Todos os controlos de rotina que a maioria dos fluxos de trabalho executa são controlos de fluência. A omissão é uma falha de adequação. Os controlos de fluência não conseguem detetar falhas de adequação. Isto não é uma crítica ao processo de ninguém, é um desencontro estrutural, e vale a pena nomeá-lo porque a maioria das conversas sobre qualidade passa-lhe ao lado. Depois há a parte que se torna incómoda quando o pedido é multilingue. A maioria das empresas que verificam o resultado da IA verifica as línguas que alguém na empresa consegue ler. Normalmente inglês, muitas vezes espanhol ou francês. Essas voltam limpas, e a conclusão passa a ser "o modelo é bom". Essa confiança é depois estendida, em silêncio, ao grego, ao romeno, ao finlandês, ao húngaro. Dois problemas com isto. O primeiro é que essas são precisamente as direções em que os modelos são mais fracos, porque é aí que os dados de treino são mais escassos. Investigação que abrange mais de cem pares de línguas concluiu que a alucinação é bastante pior nas direções de poucos recursos, e pior ainda quando se traduz a partir do inglês. O segundo problema é que "não encontrámos problemas" nunca foi o que aconteceu. O que aconteceu é que ninguém olhou. Isto não é, aliás, uma preocupação de investigação marginal. O trabalho HalOmi da Meta construiu um benchmark anotado manualmente para alucinação e omissão em dezoito direções de tradução, e a sua conclusão central é uma que todos os compradores de conteúdo multilingue deviam interiorizar: as conclusões tiradas de um único par de línguas em geral não se mantêm à escala multilingue. A sua amostra em espanhol diz-lhe algo sobre o seu espanhol. Não lhe diz nada sobre o seu grego. Então o que ajuda de facto?Verifique a adequação, não a fluência. Isto significa que alguém lê o original e a tradução em conjunto, conta o que o original afirma e confirma que cada afirmação sobreviveu. É uma tarefa diferente de ler em busca de estilo, e tem de ser pedida como tal. Automatize o que transporta significado: números, unidades, negações, condicionais, contagem de itens de listas, referências cruzadas. Barato de implementar, e apanha uma parte real disto. Trate cada língua como um risco próprio, e não como uma amostra de um único conjunto. A cobertura é por língua, ou não é cobertura. E aceite a versão honesta do compromisso. A tradução com IA funciona. Funciona mesmo, e quem lhe disser o contrário não está a prestar atenção. Funciona como rascunho. O custo que resta não é polir a língua. É verificar que o significado continua todo lá, em todas as línguas que publicou, incluindo as que não consegue ler. Esse custo é real; é menor do que a maioria receia, e continua a ser deixado de fora da estimativa. Este artigo faz parte da nossa série sobre onde a tradução com IA falha em conteúdo regulado. Para o panorama completo, veja Os riscos da tradução com IA em conteúdo regulado. Para ver como combinamos a rapidez da IA com a revisão profissional, veja Tradução Automática com Revisão Humana. ReferênciasDale, Voita, Lam, Hansanti, Ropers, Kalbassi, Gao, Barrault & Costa-jussà, HalOmi: A Manually Annotated Benchmark for Multilingual Hallucination and Omission Detection in Machine Translation, EMNLP 2023. https://aclanthology.org/2023.emnlp-main.42/ Guerreiro, Alves, Waldendorf, Haddow, Birch, Colombo & Martins, Hallucinations in Large Multilingual Translation Models, TACL 2023. https://aclanthology.org/2023.tacl-1.85/ |