Il 7 gennaio 1954, negli uffici IBM di New York, un calcolatore tradusse dal russo all’inglese una sessantina di frasi selezionate con cura, usando un vocabolario di circa 250 parole e sei regole grammaticali. I giornali parlarono di traduzione automatica a portata di mano; gli scienziati coinvolti stimarono che il problema sarebbe stato risolto in pochi anni. Ci sono voluti settant’anni, quattro cambi di paradigma e alcune delle idee più importanti della storia dell’informatica — comprese quelle da cui, per vie traverse, sono nati i modelli come GPT e Claude.
Comprimere una frase in un vettore, e la nascita dell’attenzione come rimedio, sono raccontati nel libro.
La storia della traduzione automatica è interessante non solo per il risultato, ma per il metodo: ogni generazione ha risposto in modo diverso alla stessa domanda. Che cosa deve sapere una macchina per tradurre?
Prima risposta: la grammatica. I sistemi a regole
Per i primi decenni la risposta sembrò ovvia: per tradurre serve conoscere le lingue, quindi mettiamo dentro la macchina dizionari e regole. I sistemi rule-based funzionavano come un traduttore alle prime armi con un’ottima grammatica e zero orecchio: analizzavano la frase di partenza, la scomponevano in una struttura sintattica, applicavano regole di trasferimento scritte a mano da linguisti e ricomponevano la frase nella lingua di arrivo.
L’approccio produsse sistemi reali e longevi — Systran, nato negli anni Sessanta, ha alimentato per decenni i servizi di traduzione della Commissione europea — ma si scontrò con un muro: le lingue sono piene di eccezioni, ambiguità e contesto. Ogni regola nuova interferiva con dieci regole vecchie. Nel 1966 il rapporto ALPAC, commissionato dal governo statunitense, giudicò i progressi deludenti e tagliò gran parte dei fondi alla ricerca. Fu il primo inverno della traduzione automatica.
Seconda risposta: i dati. La svolta statistica
All’inizio degli anni Novanta un gruppo di ricercatori IBM propose un’idea che ai linguisti parve quasi offensiva: dimenticare le regole e trattare la traduzione come un problema di probabilità. Se hai milioni di frasi già tradotte da umani — per esempio gli atti parlamentari canadesi, pubblicati per legge in inglese e francese — puoi contare: quante volte «house» viene tradotto «maison», quante volte «chambre», e in quali contesti.
La traduzione statistica è come imparare una lingua per pura esposizione, senza mai aprire una grammatica: non sai spiegare perché una frase si dice così, ma hai visto abbastanza esempi da riconoscere cosa suona giusto. I sistemi phrase-based degli anni Duemila spezzavano la frase in segmenti, cercavano per ciascun segmento le traduzioni più probabili nei corpora e ricomponevano il tutto scegliendo la combinazione più plausibile. Google Translate nacque su questa tecnologia e la portò a centinaia di milioni di persone.
I limiti però si sentivano leggendo: frasi comprensibili ma legnose, accordi grammaticali sbagliati, il senso della frase perso appena la distanza tra le parole superava la finestra dei segmenti. La statistica sui pezzetti non vedeva mai la frase intera.
Settant’anni di traduzione automatica in quattro paradigmi: regole scritte a mano, statistica sui corpora paralleli, reti neurali end-to-end, modelli di linguaggio generalisti.
Terza risposta: la rappresentazione. Le reti neurali
Nel 2014 due lavori cambiarono l’impostazione del problema. Il primo mostrò che una rete neurale poteva tradurre end-to-end: un encoder legge la frase di partenza e la comprime in una rappresentazione numerica, un decoder genera la frase di arrivo parola per parola. Niente più regole, niente più segmenti: un unico modello addestrato direttamente sugli esempi. Il secondo lavoro, quello di Bahdanau e colleghi, aggiunse l’ingrediente mancante: il meccanismo di attention, che permette al decoder di «guardare indietro» alle parole giuste della frase originale mentre genera ogni parola nuova, invece di affidarsi a un unico riassunto compresso.
L’analogia è quella dell’interprete simultaneo: non memorizza l’intero discorso per poi tradurlo, ma mentre parla continua a riascoltare mentalmente i passaggi rilevanti dell’originale. L’attention è esattamente questo riascolto selettivo, reso differenziabile e quindi apprendibile.
Nel 2016 Google sostituì il proprio sistema statistico con la traduzione neurale, riportando riduzioni degli errori molto marcate su diverse coppie di lingue. E nel 2017 arrivò il passo successivo: il paper «Attention Is All You Need» eliminò le reti ricorrenti e tenne solo l’attention, dando vita al transformer. Vale la pena ricordarlo: l’architettura su cui oggi poggia l’intera ondata dei modelli generativi è nata come sistema di traduzione automatica. La traduzione non è un’applicazione dell’AI moderna: ne è la madre.
Il transformer, l’architettura alla base di GPT e Claude, è nato per tradurre. La traduzione automatica non è un’applicazione dell’AI generativa: ne è la madre.
Quarta risposta: il linguaggio intero. L’era degli LLM
L’ultimo cambio di paradigma è più sottile, perché non introduce un’architettura nuova ma una prospettiva nuova. I grandi modelli di linguaggio non sono addestrati per tradurre: sono addestrati a prevedere il testo, su corpora che contengono molte lingue. La traduzione emerge come uno dei tanti compiti che il modello sa svolgere quando glielo si chiede — insieme al riassumere, riscrivere, spiegare.
Questo cambia cosa può fare l’utente. A un sistema di traduzione neurale classico si dà una frase e si riceve una frase. A un LLM si può chiedere: traduci questo contratto mantenendo il registro formale, usa «lei» e non «tu», lascia i termini tecnici in inglese, e segnala i passaggi ambigui. Il contesto, il tono, il glossario aziendale, le istruzioni: tutto entra nel prompt. È la differenza tra un traduttore e un traduttore a cui puoi parlare.
I sistemi dedicati non sono scomparsi: per volumi alti, coppie di lingue ben coperte e costi contenuti, i modelli specializzati restano spesso la scelta più efficiente, e servizi come DeepL hanno costruito la loro reputazione proprio sulla qualità della traduzione come compito unico. Ma la frontiera della qualità — soprattutto su testi lunghi, dove coerenza terminologica e contesto contano — si è spostata verso i modelli generalisti.
Che cosa resta irrisolto, e perché vi riguarda
Sarebbe disonesto chiudere dicendo che il problema è risolto. Le lingue con pochi dati restano indietro, esattamente come ai tempi della traduzione statistica: il paradigma è cambiato quattro volte, la fame di dati mai. I modelli ereditano gli squilibri dei corpora, l’inglese fa ancora da baricentro, e su dialetti, giochi di parole, poesia e testi ad alto rischio (legale, medico) la revisione umana non è un lusso ma un requisito.
Per chi lavora in italiano, però, la traiettoria ha una conseguenza concreta: la barriera dell’inglese — la lingua in cui esce la quasi totalità dei paper, della documentazione tecnica, delle discussioni di settore — non è mai stata così bassa. E per chi costruisce prodotti, la lezione di questa storia è di metodo: per tre volte una comunità di esperti ha visto il proprio approccio superato non da una versione migliore delle proprie idee, ma da un’idea di natura diversa, che sembrava ingenua. Le regole cedettero alla statistica, la statistica alle rappresentazioni apprese, i sistemi dedicati ai modelli generalisti. Quando qualcuno vi dice che un approccio «ovviamente non può funzionare», la storia della traduzione automatica suggerisce di controllare due volte.
I commenti sono riservati agli iscritti.
Accedi per commentare