(PUCE - Quito, 2023) Lettere Dragosavljevich, Mathias Giuseppe
Actualmente, se han incrementado la cantidad de modelos de Inteligencia Artificial disponibles en el mercado para una gama de temas. En este estudio se enfocó en la capacidad de traducción que tienen tanto las IA para el Procesamiento de Lenguaje Natural (NLP, por sus siglas en inglés: Natural Language Processing); comparando modelos de Traducción automática Neuronal (NMT, o Neural Machine Translation, por sus siglas en inglés) y Grandes Modelos de Lenguaje o LLM (Large Language Models). Se siguió un tutorial para crear un modelo de NMT con PyTorch , en el cual se encontró que este tipo de modelos requieren de grandes cantidades de datos, infraestructura y tiempo para lograr resultados como los que se observa con Google Translate o Chat GPT. Igualmente, Chat GPT demostró una gran capacidad de generar traducciones fieles al texto original, lo que resultó sorprendente tanto para traductores oficiales como estudiantes de traducción, recibiendo las mejores calificaciones tanto en fidelidad como en una revisión de calidad de la traducción. Al entrevistar algunos traductores oficiales y estudiantes, se encontró que principalmente, los modelos de IA dedicada a la traducción son utilizadas de manera referencial, para revisar un término o confirmar si existe una traducción para terminología específica, además de que los LLM no son usados ni conocidos ampliamente en este contexto.
