la traducción automática y el futuro de las lenguas indígenasgasser/archive/encuentro06.pdf ·...

IX Encuentro, 15-11-2006

La traducción automáticay el futuro de las lenguas indígenas

Michael GasserIndiana UniversityEstados Unidos

Resumen

2

Resumen

• Promisión y realidad de la Revolución Digital

2

Resumen


- Las lenguas “desventajadas” y la Brecha Digital Lingüística

2

Resumen



• Un aporte para la lingüística computacional?

2

Resumen




- Desafíos en caso de lenguas con pocos recursos

2

Resumen




- Desafíos en caso de lenguas con pocos recursos

- El compartir del conocimiento lingüístico

2

Lenguas, conocimiento, participación

3


• Lenguas ventajadas y desventajadas

3



• Acceso al conocimiento y información

3



• Acceso al conocimiento y información

• Posibilidad de participar en iniciativas, luchas, vida cultural a través de comunidades lingüísticas

3

La Revolución Digital

4

La Revolución Digital

• La esperanza de que supere las desigualdades: la democratización del conocimiento

- La facilidad de transmisión de información

- La relativa abertura, índole democrática del Internet

4

La democratización del conocimiento como meta internacional

5


• Principios de la Cumbre Mundial sobre la Sociedad de la Información (CMSI, Ginebra 2003, Túnez 2005)

5



- 3: “La capacidad universal de acceder y contribuir a la información, las ideas y el conocimiento es un elemento indispensable en una Sociedad de la Información integradora.”

5



- 3: “La capacidad universal de acceder y contribuir a la información, las ideas y el conocimiento es un elemento indispensable en una Sociedad de la Información integradora.”

- 8: “La Sociedad de la Información debe fundarse en el reconocimiento y respeto de la identidad cultural, la diversidad cultural y lingüística, las tradiciones y las religiones, además de promover un diálogo entre las culturas y las civilizaciones. La promoción, la afirmación y preservación de los diversos idiomas e identidades culturales ... contribuirán a enriquecer aún más la Sociedad de la Información.”

5

Promisión y realidad de la Revolución Digital

6

Promisión y realidad de la Revolución Digital

• La Brecha Digital Lingüística

- La ventaja relativa de ciertas lenguas y comunidades lingüísticas en cuanto a las TIC

- Disponibilidad de información en Internet. 95+% de las páginas Web: 10-15 lenguas; O’Neill et al:

6

Efectos de la BDL

7

Efectos de la BDL

• Se les niega el conocimiento de los poderosos a los desventajados y viceversa: la Brecha de Conocimiento

7

Efectos de la BDL


• Inhibe la participación de la mayoría en resolver problemas urgentes nacionales e internacionales: la Brecha de Participación

7

Efectos de la BDL



• Exagera las divisiones de clase dentro de las comunidades lingüísticas

7

Efectos de la BDL



• Exagera las divisiones de clase dentro de las comunidades lingüísticas

• Disminuye el papel de muchas lenguas

- El caso de lenguas “fuertes” internacionales, nacionales, y regionales (el tailandés, el tamil, el amárico, el swahili, etc.)

- El caso de lenguas ya minorizadas en sus propios países

7

Un papel para la lingüística computacional?

8


• BDL: falta de inteligibilidad mutua entre comunidades

8


• BDL: falta de inteligibilidad mutua entre comunidades

• Alternativas

- Lenguas segundas

- Traducción

8

Visión general de la Traducción Automática

9


• Como en otros campos de la lingüística computacional, dos clases de métodos

9



- Simbólicos/lingüísticos

9



- Simbólicos/lingüísticos. Se incorporan reglas gramaticales y léxicos explícitos para cada lengua;

reglas de correspondencia explícitas entre lenguas

9




reglas de correspondencia explícitas entre lenguas. Se basan en gramáticas, diccionarios, y teorías lingüísticas

9





- Estadísticos

9





- Estadísticos. Se aprenden las regularidades de las coocurrencias entre palabras, dentro de

lenguas y entre lenguas

9






lenguas y entre lenguas. Se basan en grandes corpus de textos (monolingües, bilingües) y en teorías

del aprendizaje automático (IA) y de la estadística bayesiana

9






lenguas y entre lenguas. Se basan en grandes corpus de textos (monolingües, bilingües) y en teorías

del aprendizaje automático (IA) y de la estadística bayesiana

• El problema de integrar ambas clases de métodos

9


10


• Arquitecturas de transferencia

10



- Reglas de correspondencia entre formas parcialmente analizadas

10




• Arquitecturas de interlingua

10




• Arquitecturas de interlingua

- Una “lengua” universal compartida por todas lenguas

10


11


• Resultados

11


• Resultados

- La calidad de la traducción depende de

11


• Resultados

- La calidad de la traducción depende de. La distancia entre las lenguas

11


• Resultados

- La calidad de la traducción depende de. La distancia entre las lenguas. La extensión del dominio de contenido

11


• Resultados


- Por lo general, todavía se necesita intervención humana

11


• Resultados



- Debido al conocimiento de fondo que parece ser imprescindible para la traducción, es probable que nunca se realice las metas originales del campo

11


• Resultados



- Debido al conocimiento de fondo que parece ser imprescindible para la traducción, es probable que nunca se realice las metas originales del campo

- Hacia formas apropiadas y eficaces de la colaboración entre personas y máquinas (Kay)

11

L3 (“Learning lots of languages”)

12


• Traducción entre muchas lenguas “desventajadas” del Sur Global y lenguas “privilegiadas” del Norte Global (tanto como entre las lenguas del Sur)

12


• Traducción entre muchas lenguas “desventajadas” del Sur Global y lenguas “privilegiadas” del Norte Global (tanto como entre las lenguas del Sur)

• Colaboración entre lingüistas computacionales y miembros de las comunidades lingüísticas mismas

12

L3: metas

13

L3: metas

• Conjunto de herramientas computacionales generales para lenguas con pocos recursos computacionales

13

L3: metas


• Analizadores morfológicos que sirvan para el desarrollo de aplicaciones como procesadores de texto, buscadores de información, tanto como la traducción

13

L3: metas



• Sistemas de traducción bastante “completos” entre pares de lenguas en dominios restringidos

13

L3: metas



• Sistemas de traducción bastante “completos” entre pares de lenguas en dominios restringidos

• Software para facilitar la organización de comunidades virtuales de “aficionados” de las lenguas desventajadas: una fuente de textos (monolingües, bilingües), de retroalimentación

13

Inicio del proyecto: k’iche’ y más allá

14

Inicio del proyecto: k’iche’ y más allá

• Esfuerzos de la Asociación Ajb’atz’ Enlace Quiché, la Academia de Lenguas Mayas de Guatemala, Oxlajuuj Keej Maya' Ajtz'iib'

- Diccionarios en forma digital

- Textos monolingües sobre la cultura

- Textos bilingües: poemas y cuentas infantiles

- Uso de la tecnología en la educación bilingüe

14

http://www.enlacequiche.org.gt

http://www.enlacequiche.org.gt

http://www.almg.org.gt/

http://www.almg.org.gt/

De Loq’aläj täq Mayab’ kunab’äl(Medicina Maya)

15

LOQ’ALÄJ TÄQ MAYAB’ KUNAB’ÄL

201=

ANIX

UPETIK UB’ANTAJIK

We q’ayes kunab’äl ri’, man kk’iy ta ulöq utukel. Je wa’ kpetik: ri rulewal are

täq le xoral, le uxäq laj täq xerxob’ uwach.

RI KUKUNAJ

! Pamaj.

! Ib’och’.

! Kuk’iysaj upam le tu’,

RI UKOJIK

! Chi rech le pamaj: Kpoq’owisäx jun

laj jub’utzaj pa jun xa’r k’a te k’u ri’

ktzaq jub’iq’ tzam ruk’, ktijow jun qumb’äl ronojel nïm aq’ab’

b’elejeb’ q’ij ktijowik.

! Chi rech le ib’och’: Kpoq’owisäx jun laj jub’utzaj pa jun xa’r, ktijow

xäq pa chi kech kajb’äl, jun qumb’äl ktijowik ronojel q’ij, lajuj q’ij

ktaqexïk.

! Chi rech upam le tu’: Ktijowik are chi’ ke’l ulöq ri ixöq pa tuj,

kutïj jun qumb’äl chi rech pa waq’ib’ q’ij.

APACÍN

UPETIK UB’ANTAJIK

We q’ayes ri’ sib’aläj nima’q raqan le uxaq xuquje’ räx kka’yik le uwachib’äl

le uche’al, kk’iy ulöq pa joron juyub’ xuquje’ pa meq’ïn juyub’.

RI KUKUNAJ

! Le öj.

! Q’oxom jolomaj.

! Q’oxom wareyaj.

! Ch’a’k rech palajaj.

De Poemas infantiles

16

EELL RRÍÍOO Me gusta tu belleza

No más que tu pureza Lo digo con ternura

Me encanta tu dulzura.

Cada vez al mirarte No dejo de exclamarte Lo bello y vitalizante

Que es tu mundo fascinante.

LLEE JJAA’’ Ütz kinwil ri je’l apetik

Rumal ri asaqil Kinb’ij ruk’ chuch’jal

Sib’aläj kwaj ri a ki’al.

Ronojel le q’ij chi’ katinwilo Loq’ ta chik kinya’ kan rilik Ri aje’lik xuquje’ ri k’aslik

Are b’a wa’ nimaläj ak’olb’al.

TA masiva: desafíos

17


• Métodos estadísticos requieren corpus extensivos, los que no existen en el caso de las lenguas en cuestión

17



- Son excluidos, por lo menos hasta que tengamos corpus

17




- Al principio debemos depender de métodos simbólicos/lingüísticos

17




- Al principio debemos depender de métodos simbólicos/lingüísticos

- Para facilitar el desarrollo de gramáticas y léxicos computacionales para muchas lenguas, requerimos herramientas con aplicación general

17

Desafíos

18

Desafíos

• La traducción sofisticada dependerá también de métodos estadísticos

- Debemos obtener corpus monolingües y bilingües; para este objetivo dependeremos de una comunidad de hablantes bilingües

- Vamos a facilitar este proceso usando el software Wiki, que permite que cualquier usuario edite el contenido de una página

18

Desafíos

• La traducción sofisticada dependerá también de métodos estadísticos

- Debemos obtener corpus monolingües y bilingües; para este objetivo dependeremos de una comunidad de hablantes bilingües

- Vamos a facilitar este proceso usando el software Wiki, que permite que cualquier usuario edite el contenido de una página

• Cantidad de pares de lenguas no permite construir representaciones explícitas para cada par

- Aprovecharnos de relaciones entre lenguas; compartir el conocimiento

18

Transferencia: correspondencias

19

Interlingua: una “lengua” compartida

20

La propuesta, una teoría

21


21

• Verdaderas coincidencias entre las lenguas


21


- Ya conocidas (gramaticales)


21



- Todavía no conocidas (lexicales)


21




• Elementos


21




• Elementos

- Morfemas


21




• Elementos

- Morfemas

- Dependencias


21




• Elementos

- Morfemas

- Dependencias

- Reglas de correspondencia y de desambiguación

Análisis

22

Análisis

22

nos enseñaron

Análisis

22

nos enseñaron

nos enseñ- -aron

Análisis

22

nos enseñaron

nos enseñ- -aron

1P_ACC 2,3P_NOMenseñ+a- PRET

Análisis

22

nos enseñaron

nos enseñ- -aron


ACC TMP

NOM

Generación

23


ACC TMP

NOM

Generación

23


ACC TMP

NOM

nos

nos enseñ- -aron

enseñaron

Análisis y generación: portugués

24

1P_ACC 2,3P_NOMensen+a- PRET

nos

nos ensen- -aram

ACC TMP

NOM

ensenaram

1P_ACC 2,3P_NOMibENSEÑA- PRET

nos

ACC TMP

NOM

Español + portugués

25

1P_ACC 2,3P_NOMibENSEÑA- PRET

nos

ACC TMP

NOM

Español + portugués

25

1a conjugación

CMP VTD-TRMtijo-1P-ABS

uj- tijo- -j

TMP

ERG TRM

x- ki-

3P-ERG

ABS

K’iche’

26

'(ellos/as) nos enseñaron'

CMP VTD-TRMtijo-1P-ABS

uj- tijo- -j

TMP

ERG TRM

x- ki-

3P-ERG

ABS

K’iche’

26

'(ellos/as) nos enseñaron'

(xujkitijooj, xojkitijoj, xojkitojooj)

CMP VTD-TRMTIJO-1P-ABS

uj- tijo- -j

TMP

ERG TRM

x- ki-

3P-ERG

ABS

K’iche’ + kaqchikel

27

k'iVTD maVT

CMP VTD-TRMTIJO-1P-ABS

uj- tijo- -j

TMP

ERG TRM

x- ki-

3P-ERG

ABS

K’iche’ + kaqchikel

27

Tseltal

28

'(él/ella/ellos/ellas) nos enseñó/-aron'

la snojpesotik

CMP 1P-ABSnojpes-

nojpes- -otik

TMP

ERG ABS

la s-

3-ERG

Tseltal

28

'(él/ella/ellos/ellas) nos enseñó/-aron'

la snojpesotik

CMP 1P-ABS-incmaENSEÑAR

TMP

ERG tsABS

3-ERG

K’iche + kaqchikel + tseltal

29

CMP 1P-ABS-incmaENSEÑAR

TMP

ERG tsABS

3-ERG

maVT

K’iche + kaqchikel + tseltal

29

CMP/PRT unENSEÑAR

TMP

K’iche + kaqchikel + tseltal + español + portugués

30

españolk'iche'

Las lenguas y el conocimiento lingüístico

31

rama

k'iche'ibérico españolk'iche'


31

maya romancerama



31

maya romancerama



31

universal

La traducción: conocimiento lexical

32

enseñ+a-

español


32

enseñ+a-

español ibENSEÑA-


32

enseñ+a-

español ibENSEÑA-

ensen+a-

1a conjugación

portugués


32

enseñ+a-

español ibENSEÑA-

ensen+a-

1a conjugación

portugués

TIJO-

k'iVTD maVT

k'iche', kaqchikel


32

enseñ+a-

español ibENSEÑA-

ensen+a-

1a conjugación

portugués

TIJO-

k'iVTD maVT

k'iche', kaqchikel


32

NOJPES-

tseltal

enseñ+a-

español ibENSEÑA-

ensen+a-

1a conjugación

portugués

TIJO-

k'iVTD maVT

k'iche', kaqchikel


32

NOJPES-

tseltal

unENSEÑAR


33

COMER

k'iche'maCOMER_CARNE


33

COMER

La traducción: conocimiento gramatical

34

NOMINATIVO

ACUSATIVO


34

NOMINATIVO

ACUSATIVO

español

español


34

NOMINATIVO

ACUSATIVO

español

español

portugués

portugués


35

ABSOLUTIVO

ERGATIVO


35

ABSOLUTIVO

ERGATIVO

k'iche'

k'iche'


35

ABSOLUTIVO

ERGATIVO

k'iche'

k'iche'tseltal

tseltal


36

ABSOLUTIVO

NOMINATIVO

ACUSATIVO

ERGATIVO

españolk'iche'


37

ABSOLUTIVO

NOMINATIVO

ACUSATIVO

ERGATIVO

español

k'iche'

La base de datos lingüístico: un léxico y una gramática multilingüe

38

Una lengua

39

Otra lengua

40

¿Para qué sirve?

41

¿Para qué sirve?

• Provee representación compacta del conocimiento que necesita la traducción

41

¿Para qué sirve?


• Posibilita la traducción entre lenguas sin correspondencias explícitas para este par (usando correspondencias entre lenguas relacionadas)

41

¿Para qué sirve?



• Facilita agregar nuevas lenguas: por defecto, empezamos con una copia de una lengua ya implementada y luego enfocar en las diferencias

41

¿Para qué sirve?




• Representa una ontología lingüística

41

¿Para qué sirve?




• Representa una ontología lingüística

- La necesidad de aplicar métodos automáticos para encontrar las semejanzas y diferencias

41

Conclusiones

42

Conclusiones

• La Revolución Digital y la Democratización del Conocimiento: promisión y realidad

42

Conclusiones


• La culpa

42

Conclusiones


• La culpa

• Con otras prioridades, ¿puede servir la tecnología y la lingüística computacional para la creación de una otra realidad?

- El problema del número de las lenguas

- Búsqueda por coincidencias y divergencias gramaticales y lexicales

- Hacia una memoria cultural/lingüística

42

¡Gracias!¡Maltyox!

¡Wokol awal!

43

la traducción automática y el futuro de las lenguas indígenasgasser/archive/encuentro06.pdf ·...

Documents