Google anunció que las versiones web y móviles de Google Translate ahora usan un sistema de traducción con máquinas neuronales para todas las traducciones al inglés, que suceden unas 18 millones de veces al día en la app. Google también publicó un artículo académico sobre cómo funciona el sistema,  informó VentureBeat.

Google ya había dicho que usaría redes neuronales (sistemas que simulan el razonamiento neuronal del cerebro humano) en Google Translate pero específicamente para su función de traducción visual en tiempo real. Además, hace unos meses un ejecutivo de Google le dijo al medio que Google estaba trabajando en formas de incorporar ‘deep learning’ en más funciones dentro de la app. Y las nuevas contribuciones hacen parte de esos esfuerzos.

Google ha estado incorporando redes neuronales en cada vez más de sus productos, como Google Allo y el Inbox de Gmail. Además están ayudando a Google a manejar sus bases de datos. 

Las explicaciones de cómo funcionan estos sistemas son un poco complejas, y Google hace un excelente trabajo con su reporte académico. Pero en palabras simples, primero, entendamos algunas formas de traducción con máquinas.

La RNN aprende directactamente de las conexiones entre una secuencia de entrada (una frase en un idioma) y una secuencia de salida (la misma frase en otro idioma). La Traducción Basada en Frases desarma la frase de entrada en palabras y frases independientes para que se traduzcan por aparte. La Traducción con Máquina Neuronal (NMT) considera toda la unidad de la oración para traducir. La ventaja de este método es que requiere menos opciones de diseño de ingeniería que otros sistemas basados en frases separadas.  

La traducción con máquinas neuronales no siempre ha sido óptima, pero la implementación de Google muestra ventajas en ciertas situaciones.

Las evaluaciones que hicieron los investigadores demostraron, según el informe, que la NMT reduce los errores de traducción hasta un 60%, comparado con otros sistemas basados en frases y probados en distintos pares de idiomas: inglés y francés, inglés y español e inglés y mandarín. De hecho, Google asegura que la calidad de este sistema se acerca mucho más a los traductores humanos convencionales.

Sin embargo, Google aclara que el sistema aún no está completamente optimizado, porque aún faltan muchos avances. “GNMT aún puede cometer errores significativos que un traductor humano nunca haría, como saltarse palabras y traducir mal nombres propios o términos raros, o traducir oraciones aisladas en lugar de considerar el contexto del párrafo o de la página”.

Imágenes: Google. 

SwiftKey, la app de teclado para móviles (que Microsoft compró este año) acaba de renovar la app con un sistema de predicción completamente nuevo que promete ser mucho más acertado que antes. La compañía dice que ahora está usando un sistema de redes neuronales para predecir el texto, según informó VentureBeat.

La compañía hizo una demostración de esta nueva tecnología el año pasado, pero se presentó como una app aparte llamada SwiftKey Neural Alpha App, que era una versión de su aplicación convencional que usaba otra máquina de lenguaje. Ahora la empresa londinense está lista para implementar su sistema en la app que todos tienen. Por ahora la actualización solo está disponible para Android.

¿Cómo funciona el nuevo sistema de SwiftKey? Los sistemas de redes neuronales artificiales (ANN) representan un campo del aprendizaje de máquinas y la inteligencia artificial (AI) que está basado en la estructura y el funcionamiento del cerebro humano. Comparado con el modelo anterior que usaba SwiftKey, que usaba lingüística computacional y probabilidad, las ANN deberían hacer un mejor trabajo a la hora de predecir y corregir el lenguaje, al considerar también el contexto de lo que se está diciendo.

Anteriormente, SwiftKey sugería la próxima palabra en una frase basado en el orden de palabras que se habían usado en el pasado, y esto suele funcionar. Pero existían algunos restricciones, porque el sistema no buscaba el significado de las palabras, y si no había visto antes ciertas palabras en una secuencia determinada, sus predicciones eran limitadas. En cambio las redes neuronales usan un elemento más humano porque su implicación es mucho más profunda.

Las ANN le dan a SwiftKey la habilidad de predecir y sugerir palabras de forma que tengan más sentido y se parezca más a cómo se usa el lenguaje en la vida real, explicó al medio Joe Braidwood, director jefe de Marketing de la compañía.

Un ejemplo con el que SwiftKey explica la diferencia es el siguiente: si SwiftKey antes vió la frase ‘veámonos en el aeropuerto’, cuando un usuario comience a escribir una frase similar en el futuro, el sistema sabrá que la única opción en la que alguien se puede reunir con otra persona no es el aeropuerto, sino también puede ser la oficina, el hotel o un café.

Las redes neuronales se han vuelto una herramienta de moda en las compañías de tecnología, que ahora están enfocando mucha de su atención en la inteligencia artificial para mejorar sus productos. Por ejemplo, Facebook está usando ANNs para entender el contenido de las imágenes y hacer más fácil la labor de reportes de publicaciones ofensivas. Mira este video que explica el cambio de la app: 

Imagen: captura de pantalla.