{"id":24375,"date":"2022-04-08T12:15:50","date_gmt":"2022-04-08T12:15:50","guid":{"rendered":"https:\/\/traductanet.com\/ultimas-noticias\/inteligencia-artificial-e-palavras-nao-traduziveis\/"},"modified":"2022-04-08T15:57:46","modified_gmt":"2022-04-08T15:57:46","slug":"inteligencia-artificial-e-palavras-nao-traduziveis","status":"publish","type":"post","link":"https:\/\/traductanet.com\/pt-pt\/ultimas-noticias\/inteligencia-artificial-e-palavras-nao-traduziveis\/","title":{"rendered":"Intelig\u00eancia Artificial e palavras “n\u00e3o-traduz\u00edveis”"},"content":{"rendered":"

Intelig\u00eancia Artificial e palavras “n\u00e3o-traduz\u00edveis” <\/u><\/strong><\/h3>\n

H\u00e1 d\u00e9cadas que o setor da tradu\u00e7\u00e3o se apoia nas tecnologias de informa\u00e7\u00e3o para acelerar o trabalho. Atualmente, a grande novidade \u00e9 o impacto da intelig\u00eancia artificial<\/strong>. Cada vez mais, as solu\u00e7\u00f5es de Tradu\u00e7\u00e3o Autom\u00e1tica<\/strong><\/a> est\u00e3o equipadas com \u201credes neurais artificiais<\/a>\u201d – tecnologias que simulam certos aspetos dos c\u00e9rebros humanos e que d\u00e3o aos computadores a capacidade de \u201caprendizagem profunda\u201d (deep learning<\/em>). Isto quer dizer que \u00e0 medida que os tradutores utilizam solu\u00e7\u00f5es como memoQ, Memsource, Deepl ou Google Translate, as redes neurais artificiais que as suportam s\u00e3o ampliadas. O software acumula novo vocabul\u00e1rio, diferentes estilos de escrita e diversas nuances lingu\u00edsticas. Por outras palavras, a m\u00e1quina aprende com erros e adapta-se a novas situa\u00e7\u00f5es e, de certa forma, \u201cevolui\u201d.<\/p>\n

Os resultados s\u00e3o cada vez mais reveladores: um estudo recente da empresa Memsource<\/a> revela que a intelig\u00eancia artificial<\/strong> pode reduzir os custos de um projeto em cerca de 15%<\/a>. O deep learning<\/em> desta ferramenta de CAT (\u201cComputer Assisted Translation\u201d) inclui uma nova tecnologia de IA que deteta as \u201cpalavras n\u00e3o traduz\u00edveis\u201d que existem num texto. Nomes pr\u00f3prios, designa\u00e7\u00f5es de empresas, termos t\u00e9cnicos, acr\u00f3nimos, datas, express\u00f5es repetidas e outros elementos s\u00e3o imediatamente traduzidos… No exemplo usado neste relat\u00f3rio – um texto franc\u00eas de 150.000 palavras – o uso das ferramentas CAT permitiu reduzir de 85.000 para 69.000 o n\u00famero de palavras a precisar exclusivamente de interven\u00e7\u00e3o humana.<\/p>\n

Estes desenvolvimentos n\u00e3o surgem s\u00f3 no setor privado: por exemplo, em 2020, um grupo de investigadores da Univerzita Karlova, na Rep\u00fablica Checa, desenvolveu um sistema de tradu\u00e7\u00e3o autom\u00e1tica – \u201cCUBBITT\u201d –\u00a0 que utiliza tamb\u00e9m os princ\u00edpios do deep learning<\/em>. Ao fazer um \u201cTeste de Turing\u201d com v\u00e1rios artigos de imprensa, atingiram resultados impressionantes<\/a>: mais de metade dos leitores que analisaram os resultados n\u00e3o conseguiu distinguir quais dos textos tinham sido traduzidos por humanos e quais tinham sido traduzidos pela aplica\u00e7\u00e3o.<\/p>\n

Isto tem v\u00e1rias implica\u00e7\u00f5es que ir\u00e3o alterar o panorama do setor no futuro pr\u00f3ximo:<\/p>\n