La otra Roseta…

De intencionalidad teológica, un relato como el de los Hechos de los Apóstoles 2, 8-11 que revela el milagro de la comunicación el día de Pentecostés se contrapone al mito babélico narrado en Génesis 11, 1-9, que explica la multiplicidad e ininteligibilidad de las lenguas.

El eco de las primeras traducciones parece remontarse a las Sagradas Escrituras, de la versión griega a la latina de Jerónimo, pero además al tratado sobre agricultura de Magón del fenicio al latín, el decreto Cánope en griego y demótico, y la inscripción trilingüe de la piedra Roseta.

Ya en épocas de Cicerón y Horacio, la traducción no es literal sino que estos autores se inclinan por la búsqueda del sentido puesto que como sostiene Jean-Paul-Sartre el sentido “no es la suma de las palabras, es la totalidad orgánica”. El sentido es un conjunto desverbalizado en asociación con conocimientos extralingüísticos, es un querer decir exterior a la lengua.

Si el acto de traducir consiste en comprender un texto para luego reexpresarlo en otro idioma, cada una de las operaciones pone en juego elementos de gran complejidad. Sperber y Wilson postulan una operación en dos tiempos: comprender la lengua del texto e “inferir” de ello los sentidos o en palabras de Kerbrat-Orecchioni “abarcar los presupuestos y los sobreentendidos”. Estos implícitos son indisociables del conocimiento de la lengua e inciden sobre el sentido de los textos.

Para que el sentido que comprende el traductor se encuentre con el querer decir del autor es preciso una voluntad de comprender y un bagaje cognitivo compartido adecuado. ¿Cómo comprende una inteligencia artificial las lenguas? ¿Podemos hablar de comprensión tal y como lo hace el traductor humano?

Mientras que en el traductor humano los complementos cognitivos no verbales se fusionan con los significados lingüísticos pertinentes, el traductor inteligente solo reconoce signos gráficos y donde las palabras son polisémicas debe referirse a “diccionarios contextuales” para actualizar su significado pertinente. Además de los problemas de polisemia, un software posee reglas de transformación de estructuras de superficie en estructuras profundas y el pasaje a la inversa cuando nos referimos al léxico y a la sintaxis, siguiendo las teorías chomskianas. Los sistemas basados en Machine Learning proceden al análisis gramatical (parsing) frase por frase a diferencia del traductor humano que recorre todo el texto creando un contexto cognitivo que se solidariza con el semantismo para dar origen a la “hipótesis de sentido”. ¿Sería posible incorporar a la máquina inteligente un bagaje cognitivo de modo que “transcodificar” se redefina como traducir?

Si bien un modelo basado en redes neuronales que emule el funcionamiento del cerebro humano estaría en condiciones de realizar operaciones simultáneas de análisis sintáctico, semántico y pragmático, aún sería necesario la formalización del contexto cognitivo o conocimiento de mundo. ¿Podría una inteligencia artificial aprender que “el sol que canta en el poema azteca es distinto al sol del himno egipcio, aun cuando el astro sea el mismo”? Para ello, esta entidad debería “entender” tanto el sistema interno de una lengua como la estructura del texto en esa lengua y construir un duplicado del sistema textual que pueda producir efectos análogos en el plano semántico, sintáctico y más aún, estilístico del texto fuente. Estaríamos frente a un cambio epistemológico, y por qué no, ante un nuevo paradigma.

El traductor inteligente solo reconoce signos gráficos y las palabras son polisémicas

*Lingüista.