Traduttori automatici, ponti linguistici e sessismo algoritmico

Usando il traduttore di Google attraverso gli anni mi sono accorto di due fatti:

1. le traduzioni italiano-inglese e viceversa sono migliorate molto (ricordo ancora di quando, usandolo per passare una ricetta a un collega, mi aveva tradotto "vino bianco" con "white man wine" e "sale" con "rooms");

2. vari indizi mi avevano fatto pensare che nella traduzione da italiano a tedesco e viceversa il traduttore usasse l'inglese come lingua di transizione.

Da Bridging the language gap - fraud-magazine.com

Qualche giorno fa ho deciso di fare una ricerca veloce e ho confermato l'impressione numero 2. E pare addirittura che, a causa di quel metodo di traduzione, alcuni stereotipi si insinuino nelle traduzioni.

La una tecnica è chiamata "bridging". Usare un "ponte" linguistico in una traduzione significa che per tradurre da una lingua X a una lingua Y viene introdotta una terza lingua (E) per cui esistono già dati e algoritmo per tradurre da X a E e da E a Y. 

E quale può essere la lingua più comune utilizzata come ponte linguistico? Ovviamente l'inglese.

Tuttavia, nella sua semplicità grammaticale, dall'inglese sono assenti caratteristiche piuttosto comuni tra le lingue europee. Una di queste è il genere grammaticale. 

Provate a tradurre la frase "vier Mathematikerinnen " (quattro matematiche, intesto come quattro studiose delle scienze matematiche). Otterrete "quattro matematici", con risultati analoghi in spagnolo, francese e polacco. Il genere viene semplicemente rimosso dal testo.

Ovviamente, risultati simili si ottengono con altre professioni, come Historikerinnen (storiche), ad esempio.

Di certo si può dire che Google, negli ultimi 2-3 anni, ha migliorato almeno un aspetto di questo problema: quello che riguarda alcune parole declinate al maschile. 

Infatti uno degli articoli che ho consultato, scritto nel settembre del 2020, sostiene che:
"In molti casi, Google cambia il genere della parola secondo i più tipici stereotipi. “Die Präsidentin” (la presidente donna) si traduce con “il presidente” in italiano, anche se la traduzione corretta è “la presidente”. "Der Krankenpfleger" (l'infermiere in tedesco) diventa "l'infermiera" in italiano."

Beh, se andata a controllare, il primo esempio è rimasto com'era, mentre il secondo è stato corretto. E adesso funziona bene per tutte le lingue che usano l'inglese come ponte linguistico nella traduzione dal tedesco. Infatti la versione attuale del traduttore di Google traduce "Der Krankenpfleger" come "The male nurse". Mentre “Die Präsidentin” è rimasta “il presidente”. E “die Chefin” è rimasta “il capo”.

Da Female historians and male nurses do not exist

L'articolo del 2020 fa anche notare che non sempre lo stesso termine viene tradotto con lo stesso genere: dipende dal contesto in cui il termine è inserito.
Così viene riportata una lista di undici parole tradotte in venti diversi contesti. Trovate i risultati nell'immagine.
L'articolo afferma che dal 2020 Google ha cominciato a prestare più attenzione alle traduzioni tra lingue diverse dall'inglese. Sarebbe interessante controllare quali di questi siano stati corretti nel frattempo.

Bibliografia

Google Traduttore - Wikipedia

Female historians and male nurses do not exist, Google Translate tells its European users - AlgorithmWatch (2020)

 

Google’s Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation (2017)

Does Google Translate use English as an intermediary step language? Spanish > English > Italian - Quora

La matematica di Wordle

Segnalo questo interessantissimo articolo per gli appassionati di Wordle: 

Wordle: il gioco che stavamo aspettando

Contiene molti riferimenti interessanti, tra cui quello al video Solving Wordle using information theory, che contiene un’imperdibile spiegazione del gioco attraverso le teorie della probabilità e dell’informazione. Nel video c'è anche la spiegazione del perché la strategia di cominciare con parole che contengono le lettere più frequenti nella lingua in questione potrebbe non essere la più efficace. 

Ah, esiste anche una versione italiana. Spero che qualcuno si impegni nel determinare la migliore parola con cui cominciare il gioco in italiano.

Sistema numerico giapponese e sue relazioni con i numeri raggiungibili di Hersh

Alla fine della lezione di oggi l’insegnante ci ha parlato di nuovo del complicatissimo sistema di conteggio giapponese.

In realtà il sistema di numerazione per i numeri come concetto astratto (o numeri puri, come direbbe Reuben Hersh) non è complicato perché è molto logico. Ma quando si vogliono contare oggetti bisogna usare categorie di termini diversi (classificatori) a seconda della categoria di oggetti che si stanno contando.

Ad esempio c’è una categoria numerica per contare le persone, una per gli animali grandi, una per gli animali piccoli, una per le bevande, una per gli oggetti lunghi, una per gli oggetti tondi, ecc.

L’insegnante ci ha anche detto che le otto categorie che ci ha mostrato e che vedete nella foto sono un'estrema semplificazione di tutte le categorie esistenti. Visti i miei problemi con la memoria, penso che non ci proverò neppure a memorizzare quei termini.

Ad ogni modo, guardando quelle tabelle mi è tornato in mente il discorso sulla distinzione tra numeri raggiungibili - aggettivi applicati alle collezioni di oggetti fisici - e numeri puri - oggetti, idee nella coscienza condivisa di una porzione di umanità.
Beh, la cultura e la lingua giapponese rendono la distinzione tra questi due concetti molto più esplicita ed evidente.

Relativamente alla distinzione tra numeri raggiungibili e numeri puri, Reuben Hersh scrive che per cercare di dirimere la questione, dobbiamo cercare di capire che "2" gioca due ruoli linguistici. A volte è un aggettivo e a volte è un nome.
In "due dinosauri", "due" è un aggettivo collettivo. La frase "Due dinosauri più due dinosauri equivalgono a quattro dinosauri" parla di dinosauri. Se dico "Due oggetti discreti non interagenti insieme ad altri due oggetti discreti non interagenti fa quattro di questi oggetti", sto dicendo parte di ciò che si intende per oggetti discreti non interagenti. E questa è un'affermazione nel dominio della fisica elementare. Quindi, per quanto riguarda gli oggetti discreti e non interagenti, l'esperienza ci dice che 2 + 2 = 4.
Al contrario, "Due è primo ma quattro è composto" è un'affermazione sui numeri puri dell'aritmetica elementare. Ora "due" e "quattro" sono nomi, non aggettivi. Rappresentano numeri puri, che sono concetti e oggetti. Sono oggetti concettuali, condivisi da tutti coloro che conoscono l'aritmetica elementare, descritti da assiomi e teoremi.
Quindi "due" e "quattro" hanno due significati: quello di numeri raggiungibili e quello di numeri puri. Quindi, la formula 2 + 2 = 4 ha un doppio significato. Ha a che fare con il contare, cioè con il comportano gli oggetti discreti non interagenti; ma è anche un teorema di aritmetica pura (aritmetica di Peano, ad esempio).
Questa ambiguità linguistica confonde la differenza tra i numeri raggiungibili e i numeri naturali puri.
Ecco, questa ambiguità linguistica non esiste in giapponese. Infatti due nel caso di "due dinosauri", due si dice nihiki (二匹)¹, mentre nel caso di "due è un numero primo", due si dice ni (二).²

Nella pagina Wikipwedia Termini giapponesi per contare si trovano alcuni tra i classificatori più comuni:

• 人 ri/nin per le persone
• 枚 mai per le cose piatte e sottili
• 本 hon per le cose lunghe e cilindriche
• 頭 tō per gli animali grandi (cavalli, elefanti, "più grandi di una persona")
• 匹 hiki per gli animali piccoli (cani, gatti... il metro di paragone è: "più piccolo di una persona")
• 羽 wa per gli uccelli (prevale sul contatore degli animali piccoli) e i conigli
• 冊 satsu per libri e riviste
• 階 kai per i piani degli edifici
• 足 soku per le paia di scarpe, calze e calzini
• ...

Altre particolarità del giapponese

Esiste la coniugazione/declinazione degli aggettivi. Per cui gli aggettivi si coniugano/declinano al passato. Quindi, quello che noi esprimiamo con una frase, “è stato bello”, loro lo esprimono con una sola parola: l’aggettivo bello coniugato/declinato al passato.

Inoltre esiste anche la distinzione tra questo, codesto e quello. E si usano parole diverse quando sono pronomi rispetto a quando sono aggettivi, come nel mio dialetto:

kore (vistu), sore (vissu), are (villu)
kono (stu), sono (ssu), ano (llu)

¹ hiki (匹) viene solitamente usato per gli animali piccoli ma i dinosauri sono rettili e con i rettili si fa eccezione
2 Per curiosità, nel caso di "due uomini" due si dice futari (二人).

Come è stato scelto il genere dei nomi tedeschi?

La condivisione di questa foto da parte di Fabio Ronci mi ha ispirato alcune considerazioni grammaticali/probabilistiche sul genere dei nomi tedeschi.
Commentando la simpatica immagine dicevo a Fabio che, volendo essere pignoli e dando per buoni questi dati: maschile 47%, femminile 40%, neutro 13% , per avvicinarsi un po' di più alla realtà delle percentuali del genere dei nomi tedeschi si sarebbero dovute assegnare tre delle facce dei dadi al der (50%), due al die (33% approssimando) e una al das (17%).

Poi ho pensato che ancor meglio sarebbe stato passare dal cubo del dado a sei facce all'ottaedro del dado a otto facce. Assegnando quattro facce al der (50%), tre al die (37,5%) e una al das (12,5%). E la domanda successiva non poteva che essere: con i tipi di dadi generalmente in uso qual è il numero di facce che meglio approssima quelle percentuali?
Sicuramente ci sarà un modo matematicamente rigoroso per affrontare il problema. Se qualcuno dovesse conoscerlo si faccia pure avanti. Io, pigramente, l'ho affrontato in modo euristico.

Uno potrebbe pensare che aumentando il numero di facce l'approssimazione migliori uniformemente. La tendenza dovrebbe essere quella ma, se passiamo dall'ottaedro del dado a otto facce al trapezoedro pentagonale del dado a dieci facce otteniamo un'approssimazione di: cinque facce al der (50%), quattro al die (40%) e una al das (10%). E questa approssimazione è migliore di quella del dado a otto facce? Forse dovremmo definire una metrica per decidere come si misura un'approssimazione. Un modo semplice potrebbe essere quello di considerare la somma delle differenze dalle percentuali precise. In questo modo zero sarebbe la misura dell'approssimazione migliore e, con il crescere del valore della misura, peggiorerebbe l'approssimazione. Con questa misura, per l'ottaedro otterremmo 6 e anche per il dado a dieci facce otteniamo 6. Mentre per il dado tradizionale avevamo 14.
E se proviamo con il dodecaedro del dado a 12 facce otteniamo: sei facce (50%) al der, 4 (33%) al die e 2 (17%) al das. E cioè 14. La stessa approssimazione delle sei facce ma nettamente peggiore rispetto alle otto e alle dieci facce.

Certo se poi ci spingiamo verso le varianti più rare fino ad arrivare allo zocchihedron del dado a cento facce, in quel caso riusciamo a ottenere un'approssimazione perfetta con 47 facce al der, 40 al die e 13 al das.

World Wide Web, Ragnatela Mondiale o Megaragnatela? - la lingua nella comunicazione scientifica

Qualche mese fa ho letto "Le parole di Einstein - Comunicare scienza fra rigore e poesia" di Daniele Gouthier ed Elena Ioli.
Tra gli interessanti temi trattati dagli autori c'è naturalmente anche quello linguistico. Essendo io un neo-crusc semipentito, sono stato particolarmente stimolato dal tema della contaminazione linguistica e dell'attuale passività dell'italiano rispetto all'inglese.
Gli autori introducono l'argomento riportando il frammento di un'immaginaria conversazione tra due scienziati in un laboratorio: "Non va bene! La gaussiana che hai tracciato non fitta quell'insieme di dati che hai plottato. Il range dei valori è troppo piccolo. Ci serve altro input".
Anche nel mio ambiente, quello delle aziende informtatiche, conversazioni analoghe sono all'ordine del giorno. Mi è capitato addirittura di sentir dire "deletiamo (delete) quei file". Per non parlare poi, in ambito più generale, dei famigerati miscion e lochescion. Ed entrando nell'ambito dei termini inglesi usati a sproposito: gadget, trolley, outing e molti altri. Linguaggio che in una mia lettura precedente viene definito "il prestigioso linguaggio manageriale" con cui "ci s'illude d'essere avveniristici, mentre non si fa altro che risuscitare il linguaggio dei vecchi medici ciarlatani che sulle ricette scrivevano aqua fontis invece di acqua e il malato si sentiva subito meglio".

Gouthier e Ioli affermano che "la traduzione pedissequa di parole come to fit, adattare, to plot, costruire un grafico, nei fastidiosi anglicismi non aiuta a fare chiarezza e denota una certa povertà lessicale". Se tra gli specialisti la comprensione si realizza senza intralci, "quando il fruitore del messaggio diventa un pubblico che non condivide la stessa specializzazione, ecco che il ricorso ad una simile terminologia rende un cattivo servizio e alimenta la confusione".

Sarebbe secondo me auspicabile che il comunicatore si ponesse una domanda: quanti italiani capiscono l'inglese? Una stima nasometrica molto ottimistica potrebbe arrivare al 20%. A questo punto il comunicatore dovrà quindi decidere se rivolgersi principalmente ad una minoranza di meno di un quinto della popolazione del proprio paese oppure se cercare di rivolgersi anche a quella parte meno linguisticamente dotata.

Ma il comunicatore potrebbe spingersi oltre e riflettere sulla passività dell'italiano rispetto all'inglese e sulla mancanza di coraggio nel proporre e far circolare novità linguistiche.

"Per arginare il rischio di sottosviluppo e decadenza della lingua nazionale è importante avere il coraggio di proporre e far circolare novità linguistiche, nella consapevolezza che l'ambiente e la pratica ne decreteranno o meno la permanenza" attraverso una selezione naturale. "La passività dell'italiano è tanto più preoccupante poiché è grave che una comunità scientifica non senta la necessità di disporre di parole nella lingua nazionale per esprimere una parte significativa della propria cultura". Pur mantenendo un certo grado di consapevole apertura alle contaminazioni esterne, "dovrebbe essere sentito come un imperativo quello di accogliere il conio di nuovi termini piuttosto che il semplice prestito da altri bacini linguistici".
"La scienza appartiene all'esperienza collettiva e deve entrare a far parte del dibattito intellettuale nella lingua nazionale, pena la riduzione di quest'ultima a reperto semifossile, incapace di divenire strumento di pensiero e di cultura moderni".

Mi sentirei di aggiungere che molti termini irrinunciabili del nostro attuale patrimonio linguistico collettivo sono nati proprio attraverso la  coraggiosa proposta di neologismi. Coraggio che non manca sicuramente nel mondo germanofono dove ad esempio l'uso del calco semantico viene praticato sin dai tempi dei primi contatti tra cultura germanica e cultura classica greco/romana. Ma la maggior parte delle volte non sarebbe neppure necessario lo sforzo di coniare e proporre un neologismo. Spesso sarebbe sufficiente una semplice traduzione.

Un altra considerazione interessante è quella del potere evocativo delle parole. Ad esempio nella mia mente di fruitore italiano dilettante della domenica, il termine passeggiata evoca qualcosa. Mentre il termine walk non evoca nulla. E allora perché usare random walk al posto di passeggiata aleatoria? L'espressione buco nero evoca immediatamente un immagine, l'espressione black hole no.
Concludo con la citazione dell'iniziativa Le magnifiche cinque (traduzioni), di cui sono venuto a conoscenza attraverso l'articolo Il Cogitario Fuffatico di Egolalipazia, come esempio di incoraggiamento alla proposta e alla circolazione di novità linguistiche.