No seu in\u00edcio, a gigante tecnol\u00f3gica inovou com usando no app a tecnologia de tradu\u00e7\u00e3o autom\u00e1tica estat\u00edstica<\/strong>, (sigla em ingl\u00eas - SMT).<\/p>\n Por\u00e9m a evolu\u00e7\u00e3o a uma forma mais inteligente de traduzir idiomas se deu em 2016, quando a (ou o) Google apresentou a Neural Machine Translation (NMT), um sistema de aprendizado de m\u00e1quina de ponta a ponta. Ele processa informa\u00e7\u00f5es atrav\u00e9s de redes neurais (neur\u00f4nios artificiais que imitam o funcionamento do c\u00e9rebro humano).<\/p>\n O investimento do Google em seu tradutor \u00e9 permanente. Mesmo durante a confer\u00eancia anual do Google Cloud Next 2018, a empresa anunciou o desenvolvimento da AutoML Translation, uma solu\u00e7\u00e3o de machine learning que funciona para 27 idiomas e melhora a capacidade de interpreta\u00e7\u00e3o do tradutor.<\/p>\n Tipos de Tradu\u00e7\u00e3o<\/strong><\/p>\n No caso da SMT<\/strong>, os resultados s\u00e3o baseados em modelos estat\u00edsticos. Este sistema funciona com abordagens baseadas em regras para a tradu\u00e7\u00e3o autom\u00e1tica. Voc\u00ea pode usar exemplos de senten\u00e7as de dois idiomas e determinar os par\u00e2metros do sistema de estat\u00edsticas que permitem a tradu\u00e7\u00e3o.<\/p>\n O NMT<\/strong> \u00e9 o sistema de rede neural e pode traduzir senten\u00e7as inteiras ao mesmo tempo. O resultado funciona como um contexto e permite encontrar a tradu\u00e7\u00e3o mais relevante. Neste modelo de tradu\u00e7\u00e3o, o sistema aprende com o tempo a criar mais tradu\u00e7\u00f5es naturais.<\/p>\n Este tipo de sistema utiliza a profunda chamada \u201crede neuronal profunda\u201d que lhe permite aprender a reconhecer padr\u00f5es e estruturas de frases. Isso faz com que a gram\u00e1tica na frase traduzida soe mais real e cotidiana, similar \u00e0 maneira que a l\u00edngua \u00e9 usada.<\/p>\n Imagem: Flickr<\/a><\/p><\/div>\n Al\u00e9m de todo o trabalho tecnol\u00f3gico da empresa, h\u00e1 tamb\u00e9m a interven\u00e7\u00e3o de usu\u00e1rios para melhorar a qualidade das tradu\u00e7\u00f5es. Desde julho de 2014, h\u00e1 a Comunidade de Tradu\u00e7\u00e3o do Google<\/a> que \u00e9 uma plataforma onde os entusiastas de l\u00ednguas em todo o mundo podem contribuir para conseguir tradu\u00e7\u00f5es mais naturais.<\/p>\n O que tem que melhorar?<\/strong><\/p>\n De acordo com o documento \"Six Challenges for Neural Machine Translation\"<\/em> (Os 6 desafios da tradu\u00e7\u00e3o autom\u00e1tica neural), que \u00e9 parte de um estudo da Universidade Johns Hopkins, \u00e9 necess\u00e1rio trabalhar de diferentes maneiras para o aperfei\u00e7oamento dos tradutores autom\u00e1ticos. Por exemplo, na import\u00e2ncia do dom\u00ednio de \"palavras estranhas\" (como uma express\u00e3o idiom\u00e1tica) e frases longas.<\/p>\n De acordo com esta pesquisa, os sistemas neurais t\u00eam uma curva de aprendizado mais acentuada em rela\u00e7\u00e3o \u00e0 quantidade de dados de treinamento. Isso pode resultar em m\u00e1 qualidade da tradu\u00e7\u00e3o em ambientes com poucos recursos (com baixa quantidade de material no sistema), mas com melhor desempenho em configura\u00e7\u00f5es de alto recurso.<\/p>\n Por outro lado, enfatiza que os sistemas NMT<\/strong> e SMT<\/strong> continuam a ter dificuldades, quase igualmente, em traduzir algumas palavras que n\u00e3o s\u00e3o usadas com muita frequ\u00eancia ou palavras raras.<\/p>\n Tradutor p\u00fablico Vs tradutor autom\u00e1tico?<\/strong><\/p>\n A Tradu\u00e7\u00e3o autom\u00e1tica tem a sua evolu\u00e7\u00e3o hist\u00f3rica. A IBM foi a precursora nos estudos e desenvolvimento dessa tecnologia, por\u00e9m foi o Google que assumiu o posto de maior investidor nessa solu\u00e7\u00e3o tecnol\u00f3gica.<\/p>\n Entretanto o processo da linguagem humana tem um componente mental que at\u00e9 agora n\u00e3o pode ser simulado por solu\u00e7\u00f5es digitais.<\/p>\n Imagem: Pexels<\/a><\/p><\/div>\n Os desafios do mundo globalizado e da facilidade de viajar para outros pa\u00edses e o contato com pessoas que n\u00e3o falam o mesmo idioma faz com que os motores de tradu\u00e7\u00e3o autom\u00e1tica sejam uma importante ferramenta na \u201carte da comunica\u00e7\u00e3o\u201d passando dos sinais e m\u00edmicas para algo mais compreens\u00edvel.<\/p>\n J\u00e1 os tradutores humanos alegam que ao menos por agora n\u00e3o ser\u00e3o substitu\u00eddos pela m\u00e1quina, j\u00e1 que mesmo eles usando o Google Translate, na maioria dos casos, t\u00eam que remover o que fez o tradutor autom\u00e1tico e traduzi-lo novamente afirmam que apesar de terem melhorados, os tradutores autom\u00e1ticos t\u00eam problemas para entender contextos ou palavras de uma regi\u00e3o ou assunto em particular, especialmente algo que \u00e9 muito t\u00e9cnico.<\/p>\n Isso acontece muito com produtos chineses que possuem manuais de instru\u00e7\u00f5es traduzidos automaticamente por um tradutor on-line, sem nenhuma revis\u00e3o posterior e que \u00e9 de dif\u00edcil entendimento para o leitor, que curiosamente chama isso de \u201cChinglish\u201d.<\/p>\n Indecifr\u00e1vel esse texto traduzido do chin\u00eas para o ingl\u00eas - Imagem: Flickr<\/a><\/p><\/div>\n Outros Tradutores<\/strong><\/p>\n Por\u00e9m nem todo o mundo da tradu\u00e7\u00e3o est\u00e1 na m\u00e3o do Google, h\u00e1 outras empresas que tamb\u00e9m possuem as suas plataformas de tradu\u00e7\u00e3o online. Algumas delas est\u00e3o nessa lista abaixo.<\/p>\n Word Reference<\/strong><\/a><\/p>\n![\"\"](\"https:\/\/www.listenandlearn.com.br\/blog\/wp-content\/uploads\/2018\/09\/32858777835_e9e36cb874_z.jpg\")
<\/a>![\"\"](\"https:\/\/www.listenandlearn.com.br\/blog\/wp-content\/uploads\/2018\/09\/buddhism-meditation-translator-763629.jpg\"){kind=spacer}
<\/a>![\"\"](\"https:\/\/www.listenandlearn.com.br\/blog\/wp-content\/uploads\/2018\/09\/30146688790_3c30d7a30a_z.jpg\")
<\/a>