{"id":5886,"date":"2024-05-16T09:07:06","date_gmt":"2024-05-16T07:07:06","guid":{"rendered":"https:\/\/digibasics.ch\/italiano\/?post_type=diba_ltt_post&#038;p=5886"},"modified":"2026-03-16T17:07:19","modified_gmt":"2026-03-16T16:07:19","slug":"ia-e-traduzione-automatica-fino-a-dove","status":"publish","type":"diba_ltt_post","link":"https:\/\/digibasics.ch\/italiano\/lerntechtrends\/ia-e-traduzione-automatica-fino-a-dove\/","title":{"rendered":"IA e traduzione automatica: fino a dove?"},"content":{"rendered":"\n<div class=\"wp-block-digibasics-lerntechtrends-content\">\n<div class=\"wp-block-digibasics-lerntechtrends-content-lead\">\n<p>Ormai tutti traducono tutto online in un baleno, dalla corrispondenza commerciale alle dichiarazioni d&#8217;amore. Inoltre \u00e8 diventato del tutto normale rendere leggibili nella propria lingua siti web e articoli in lingua straniera con un semplice click. Molti insegnanti riferiscono addirittura che la traduzione viene usata anche per migliorare i testi in lingua madre, ovvero gli alunni (ri)traducono i loro testi prima in inglese e poi di nuovo nella propria lingua usando applicazioni come DeepL, perch\u00e9 questa operazione permette di correggere gli errori di punteggiatura e migliorare la scelta delle parole. <\/p>\n\n\n\n<p>Esistono servizi che traducono istantaneamente non solo testi, ma anche video e audio, e che, se opportunamente programmati, sono in grado di generare video \u201coriginali\u201d nei quali chiunque parla fluentemente qualsiasi lingua. Non \u00e8 difficile in futuro immaginare di avere a disposizione apparecchi di traduzione universale istantanea come quelli che siamo abituati a vedere nei film di fantascienza, dal classico <em>Star Trek<\/em> al recente <em>The Creator<\/em>.<\/p>\n<\/div>\n\n\n    <figure class=\"diba-ltt-post__thumbnail-figure\">\n        <img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"1707\" src=\"https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-scaled.jpeg\" class=\"attachment-post-thumbnail size-post-thumbnail wp-post-image\" alt=\"\" srcset=\"https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-scaled.jpeg 2560w, https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-300x200.jpeg 300w, https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-1024x683.jpeg 1024w, https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-768x512.jpeg 768w, https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-1536x1024.jpeg 1536w, https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/3_Uebersetzung-Handy-2048x1366.jpeg 2048w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/>        <figcaption>Concept of online real-time foreign language translation and learning &#8211; 3d rendering<\/figcaption>\n    <\/figure>\n\n\n<h2>In breve da ascoltare<\/h2>\n\n<figure class=\"wp-block-audio\"><audio controls src=\"https:\/\/digibasics.ch\/italiano\/wp-content\/uploads\/sites\/9\/2024\/05\/Audio_ITA_Autom.Uebersetzungen.mp3\"><\/audio><\/figure>\n\n\n\n\n<div class=\"wp-block-digibasics-lerntechtrends-content-main\">\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Come le reti neurali hanno rivoluzionato la traduzione<\/strong><\/h2>\n\n\n\n<p>L\u2019idea di base dei traduttori automatici di vecchia generazione, basati sulla statistica, e di quelli nuovi basati su sistemi di Intelligenza Artificiale \u00e8 in realt\u00e0 simile. Entrambi, infatti, utilizzano una grande quantit\u00e0 di coppie di frasi gi\u00e0 tradotte, provenienti da siti web e documenti aperti, ed entrambi utilizzano la statistica per suggerire la traduzione migliore per una frase o un\u2019espressione. Il modello statistico per\u00f2 divide le frasi in gruppi di parole composti da due o tre componenti, trova la traduzione pi\u00f9 probabile per questi e rimette tutto insieme. Questo non accade pi\u00f9 con i sistemi di reti neurali: esse includono nel calcolo delle probabilit\u00e0 l\u2019intera frase o anche l\u2019intero paragrafo che precede la parola cercata. La traduzione pi\u00f9 plausibile viene quindi calcolata in base a molti pi\u00f9 fattori. Di conseguenza, le reti neurali suggeriscono sempre pi\u00f9 spesso traduzioni migliori.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>La traduzione automatica \u00e8 cos\u00ec valida che la maggior parte delle agenzie di traduzione la utilizza per velocizzare il proprio lavoro, e l\u2019abbiamo usata anche noi nel progetto digibasics!<\/p>\n<\/blockquote>\n\n\n\n<p>Per addestrare una rete neurale le si presentano delle frasi e le loro traduzioni. Seguendo il principio dei tentativi e degli errori, il modello regola le sue impostazioni. Viene premiato se la traduzione che produce \u00e8 adeguata e ricorda gli errori se \u00e8 sbagliata. In questo modo, il modello impara a tradurre anche nuove frasi che non sono mai apparse nei dati forniti nelle fasi di addestramento. La traduzione automatica \u00e8 cos\u00ec valida che la maggior parte delle agenzie di traduzione la utilizza per velocizzare il proprio lavoro, e l\u2019abbiamo usata anche noi nel progetto DigiBasics! Oggi \u00e8 tuttavia ancora necessario che un essere umano controlli ci\u00f2 che l\u2019algoritmo ha prodotto, ad esempio per adattare il linguaggio tecnico e correggere i riferimenti errati.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Dove la macchina fallisce ancora<\/strong><\/h2>\n\n\n\n<p>Le reti neurali non sono ancora del tutto affidabili, soprattutto per i documenti lunghi. Questo perch\u00e9, pur avendo &#8220;sott\u2019occhio&#8221; una parte del contesto delle parole, non sono in grado di considerare l\u2019intero testo. Un\u2019altra difficolt\u00e0 consiste nel riconoscere e replicare il tono o il registro di un testo, anche perch\u00e9 le lingue sono tra loro molto diverse. Ad esempio, l\u2019inglese fa meno differenze tra espressioni formali e informali rispetto al tedesco o all\u2019italiano, mentre il giapponese ne fa di pi\u00f9.<\/p>\n\n\n\n<p>Quindi se si traduce dall\u2019inglese in italiano il sistema fatica a comprendere se \u201cyou\u201d sta ad indicare un plurale con un \u201cvoi\u201d o un \u201ctu\u201d; lo stesso accade per le forme del \u201clei\u201d al femminile in terza persona o del \u201clei\u201d forma di cortesia.<\/p>\n\n\n\n<p>Il giapponese rende il tutto pi\u00f9 complesso, specie per le macchine. Ad esempio, le sei persone di un verbo, in questo caso <em>vedere<\/em>, si scrivono in giapponese tutte e sei in egual modo, dato che non hanno il pronome, ma per ognuna di esse esiste ed \u00e8 indicata a sinistra la forma normale, ovvero quella che si usa in un contesto famigliare o amicale e a destra la forma che si usa un contesto formale di lavoro o con sconosciuti (figura 1).<\/p>\n\n\n<div class=\"wp-block-digibasics-lerntechtrends-image\">\n    <div className=\"dibabl-ltt-image\">\n        <div class=\"dibabl-ltt-image__images\">\n                                                    <p\n                    id=\"block-52d2b8e0-28e5-4632-bfa9-300e1de70292-image-1-caption\"\n                    style=\"grid-column-start: 1; grid-column-end: 3;\">\n                    Figura 1 Il verbo vedere in Giapponese                <\/p>\n                                <\/div>\n    <\/div>\n<\/div>\n\n\n<p>Quindi senza contesto \u00e8 impossibile capire di chi parliamo se scriviamo <em>miru <\/em>o <em>mimasu<\/em>, ma capiamo invece la relazione che abbiamo con tali persone che per\u00f2 \u00e8 difficile esprimere in un\u2019altra lingua. E infatti in questo caso i traduttori ne capiscono ancora poco, specie della relazione (Figura 2).<\/p>\n\n\n<div class=\"wp-block-digibasics-lerntechtrends-image\">\n    <div className=\"dibabl-ltt-image\">\n        <div class=\"dibabl-ltt-image__images\">\n                                                    <p\n                    id=\"block-e129f651-8dac-43a5-b3d4-a9d3b1608e86-image-1-caption\"\n                    style=\"grid-column-start: 1; grid-column-end: 3;\">\n                    Figura 2 Traduzione di forme verbali del verbo vedere dal giapponese all&#039;italiano                <\/p>\n                                <\/div>\n    <\/div>\n<\/div>\n\n\n<p>Un altro tema sono i cosiddetti \u201cstereotipi\u201d o \u201cpregiudizi\u201d. Le reti neurali imparano da un corpus di testi, e questi testi possono contenere rappresentazioni fuorvianti o incomplete della realt\u00e0. Lo si vede molto bene provando a tradurre nomi di professioni dall\u2019inglese (che non specifica il genere) all\u2019italiano (nel quale \u00e8 obbligatorio). In questo caso DeepL sembra assecondare ancora tutti i possibili stereotipi di genere (Figura 3), anche se il software \u00e8 in costante miglioramento.<\/p>\n\n\n<div class=\"wp-block-digibasics-lerntechtrends-image\">\n    <div className=\"dibabl-ltt-image\">\n        <div class=\"dibabl-ltt-image__images\">\n                                                    <p\n                    id=\"block-c661225c-3ff1-4ab1-a700-926613f98111-image-1-caption\"\n                    style=\"grid-column-start: 1; grid-column-end: 3;\">\n                    Figura 3 Stereotipi di genere nella traduzione automatica                <\/p>\n                                <\/div>\n    <\/div>\n<\/div>\n\n\n<h2 class=\"wp-block-heading\"><strong>AI e traduzione a scuola<\/strong><\/h2>\n\n\n\n<p>Il lavoro di Alloatti &amp; Montemarano, <em>Machinelle \u00dcbersetzungstools im Fremdsprachenunterricht,<\/em> presenta alcuni esempi di attivit\u00e0 scolastiche basate sulla traduzione automatica o su sistemi di IA. In fondo usano la strategia degli antichi samurai, \u201cusa la forza del tuo nemico per vincere\u201d: l\u2019ipotesi di lavoro \u00e8 che far tradurre con sistemi automatici consapevolmente porti a notevoli apprendimenti in molti casi.<\/p>\n\n\n\n<p><em>Attivit\u00e0 1 <\/em><a href=\"https:\/\/docs.google.com\/document\/d\/1pA5QqqMEAlxqLWpV1xuMiPo330Ynq-_v8gATMiohNw0\/edit\"><em>L&#8217;umorismo: una cosa seria (B1-B2<\/em><\/a><em>)<\/em><\/p>\n\n\n\n<p>In questo esempio gli allievi si confrontano con le traduzioni di battute o frasi umoristiche e devono valutare se i risultati fanno ancora ridere nella lingua di arrivo (Figura 4).<\/p>\n\n\n<div class=\"wp-block-digibasics-lerntechtrends-image\">\n    <div className=\"dibabl-ltt-image\">\n        <div class=\"dibabl-ltt-image__images\">\n                                                    <p\n                    id=\"block-0d8f98f4-1346-4b6b-8764-67f6bfaab086-image-1-caption\"\n                    style=\"grid-column-start: 1; grid-column-end: 3;\">\n                    Figura 4 Battute da tradurre dall\u2019italiano                <\/p>\n                                <\/div>\n    <\/div>\n<\/div>\n\n\n<p>Nel primo caso (in alto a sinistra) <em>Lavazza <\/em>\u00e8 una famosissima marca di caff\u00e8, ma il nome richiama il verbo lavarsi (il suffisso -zza indica indirettamente un lavarsi sgraziato e rude) e l\u2019immagine evoca la scena di un chicco che si lava sotto la doccia, magari con una bella spazzola.<\/p>\n\n\n\n<p>Mettiamo la battuta in DeepL (Figura 5):<\/p>\n\n\n<div class=\"wp-block-digibasics-lerntechtrends-image\">\n    <div className=\"dibabl-ltt-image\">\n        <div class=\"dibabl-ltt-image__images\">\n                                                    <p\n                    id=\"block-873d1c84-1796-4526-bad0-64d28b9e24fa-image-1-caption\"\n                    style=\"grid-column-start: 1; grid-column-end: 3;\">\n                    Figura 5 Traduzioni automatiche di una battuta                <\/p>\n                                <\/div>\n    <\/div>\n<\/div>\n\n\n<p>Se chiediamo a DeepL di tradurre questa battuta, vediamo che mettendo <em>Lavazza<\/em> in maiuscolo il sistema lo riconosce, ma il risultato \u00e8 incomprensibile in paesi in cui il marchio di caff\u00e8 non \u00e8 conosciuto e in ogni caso in lingua straniera non si capisce probabilmente l\u2019assonanza tra <em>Lavazza<\/em> e il verbo <em>lavarsi<\/em>; se invece scriviamo <em>lavazza<\/em> in minuscolo, il sistema traduce correttamente il doppio senso del lavarsi, ma si perde l\u2019umorismo della battuta.<\/p>\n\n\n\n<p>Gli allievi di scuola secondaria devono dunque analizzare le frasi e ipotizzare o immaginare se il traduttore pu\u00f2 tradurre la battuta e dove e come pu\u00f2 sbagliare. In alcuni casi \u00e8 evidente che il traduttore non pu\u00f2 farlo, ma in altri casi la riflessione si fa complessa e tutto ci\u00f2 rende questa attivit\u00e0 davvero interessante per capire cosa sia una traduzione ben fatta.<\/p>\n\n\n\n<p><em>Attivit\u00e0 2 <\/em><a href=\"https:\/\/docs.google.com\/document\/d\/1_nQBuh-noYZWECBvaTS_HspOsDRc6jPCN2PdBtLUx5g\/edit\"><em>Occhio, insegnante! (B1-C1)<\/em><\/a><em>&nbsp;<\/em><\/p>\n\n\n\n<p>In questo secondo esempio l\u2019insegnante fa lavorare di proposito una classe con traduttori automatici in modalit\u00e0 sfida: il docente sar\u00e0 in grado di riconoscere i testi tradotti dall\u2019IA e quelli tradotti dagli studenti? Se s\u00ec, in base a quali segnali o criteri?<\/p>\n\n\n\n<p>Un ulteriore compito interessante potrebbe essere far scrivere agli allievi un testo, farlo tradurre nelle loro lingue seconde con un traduttore automatico e far identificare agli allievi e allieve in cosa e dove il risultato non corrisponde al loro stile. Ad esempio si potrebbero rendere conto che il lessico \u00e8 diverso, la sintassi \u00e8 maggiormente articolata, che il sistema sbaglia alcune preposizioni, oppure che il traduttore genera errori che loro possono risolvere velocemente e con agio.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Ma allora serve imparare una lingua?<\/strong><\/h2>\n\n\n\n<p>Se i traduttori automatici oggi presentano dei limiti, possiamo facilmente immaginare che in pochi anni miglioreranno ancora e che la maggior parte dei compiti di traduzione quotidiana (etichette, notizie, previsioni del tempo, informazioni turistiche, lettere commerciali, ecc.) saranno svolti da macchine. Come motiviamo gli studenti a impegnarsi nelle lingue seconde? E serve ancora allora imparare una lingua straniera, o sar\u00e0 una competenza obsoleta e riservata ai linguisti?<\/p>\n\n\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>La diffusione dei traduttori automatici impongono di riscoprire questa dimensione culturale e identitaria dell\u2019apprendimento delle lingue seconde.<\/p>\n<\/blockquote>\n\n\n\n<p>Sono domande che non possiamo evitare, e che ci riportano alla radice non del come insegnare, ma del perch\u00e9 insegnare. Imparare una lingua vuol dire anche conoscere un\u2019altra cultura \u201cdal di dentro\u201d, imparare a vedere il mondo con altri occhi, considerare s\u00e9 stessi in una nuova luce. <\/p>\n\n\n\n<p>La diffusione dei traduttori automatici che suppliscono a tante performance linguistiche prima riservate agli esseri umani impongono di riscoprire questa dimensione culturale e identitaria dell\u2019apprendimento delle lingue seconde.<\/p>\n\n\n\n<p>Autori: Miriano Romualdi (SUPSI) e Luca Botturi (SUPSI)<\/p>\n\n\n\n<p>25. Juni 2024<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Approfondimento<\/h2>\n\n\n\n<ol class=\"wp-block-list\">\n<li><a href=\"https:\/\/mut2021.weebly.com\/\" target=\"_blank\" rel=\"noreferrer noopener\">\u00abMaschinelle \u00dcbersetzungstools im Fremdsprachenunterricht\u00bb <\/a>&#8211; Un progetto del Fondo per l&#8217;innovazione MBA ZH &#8211; sviluppato presso MNG R\u00e4mib\u00fchl.<\/li>\n\n\n\n<li><a href=\"https:\/\/www.nzz.ch\/technologie\/wie-kuenstliche-intelligenz-die-sprachgrenzen-verschwinden-laesst-ld.1666356\" target=\"_blank\" rel=\"noreferrer noopener\">NZZ-Artikel \u00abWarum KI-\u00dcbersetzer so gut funktionieren\u00bb v. 29.01.2022<\/a><\/li>\n\n\n\n<li><a href=\"https:\/\/www.linguisticamente.org\/come-funziona-e-quanto-ci-serve-la-traduzione-automatica\/\" target=\"_blank\" rel=\"noreferrer noopener\">Come funzionano i traduttori automatici <\/a><\/li>\n<\/ol>\n<\/div>\n<\/div>\n","protected":false},"featured_media":5892,"template":"","diba_ltt_hashtag":[12],"class_list":["post-5886","diba_ltt_post","type-diba_ltt_post","status-publish","has-post-thumbnail","hentry","diba_ltt_hashtag-kunstlicheintelligenz"],"acf":[],"_links":{"self":[{"href":"https:\/\/digibasics.ch\/italiano\/wp-json\/wp\/v2\/diba_ltt_post\/5886","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digibasics.ch\/italiano\/wp-json\/wp\/v2\/diba_ltt_post"}],"about":[{"href":"https:\/\/digibasics.ch\/italiano\/wp-json\/wp\/v2\/types\/diba_ltt_post"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digibasics.ch\/italiano\/wp-json\/wp\/v2\/media\/5892"}],"wp:attachment":[{"href":"https:\/\/digibasics.ch\/italiano\/wp-json\/wp\/v2\/media?parent=5886"}],"wp:term":[{"taxonomy":"diba_ltt_hashtag","embeddable":true,"href":"https:\/\/digibasics.ch\/italiano\/wp-json\/wp\/v2\/diba_ltt_hashtag?post=5886"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}