La traducción literaria ha sido considerada una de las fronteras más complejas para los sistemas de traducción automática debido a que implica comprender no solo el lenguaje figurado sino también las sutilezas culturales y elementos estilísticos únicos. Para abordar este desafío, investigadores de universidades como Monash y Nanyang, junto con profesionales de Alibaba, han desarrollado T RANS AGENTS, un innovador sistema multiagente inspirado en la operativa de una compañía de traducción humana.
Este sistema está estructurado en dos etapas: una de preparación, donde se reúne un equipo especializado y se establecen directrices claras para la traducción, y otra de ejecución, donde se realiza la traducción, localización y revisión del texto, garantizando la calidad final a través de varias subetapas que simulan roles humanos como CEO, editores, traductores, y supervisores de calidad.
Durante la ejecución, el traductor trabaja siguiendo las guías establecidas, alterar los textos para asegurar que se alineen culturalmente con el público objetivo. Luego, un corrector revisa el material para eliminar errores, asegurando consistencia y adherencia a las guías. Se implementaron estrategias de evaluación innovadoras, Monolingual Human Preference (MHP) para evaluar la calidad en el idioma de destino, y Bilingual LLM Preference (BLP), que compara las traducciones con modelos de lenguaje como GPT-4, evitando el problema de referencias imperfectas en las evaluaciones tradicionales.
A pesar de obtener puntuaciones más bajas en el índice d-BLEU debido a esta diversidad limitada en referencias, las traducciones de T RANS AGENTS son preferidas por evaluadores humanos y LLMs en muchas instancias, lo que demuestra que el modelo supera a otras bases al aplicar los conceptos aprendidos etapa tras etapa.
En conclusión, el enfoque estructurado y colaborativo de T RANS AGENTS no solo potencia la calidad de la traducción literaria, sino que también abre nuevas vías para transformar cómo la IA puede abordar la traducción de textos extensos, señalándose una oportunidad sólida para su aplicación más allá de lo que se pensaba posible en la traducción automática. Al combinar inteligencias colectivas de múltiples agentes, el sistema revela el potencial intrínseco de las colaboraciones multiagente en resolver problemas complejos y dinámicos en este ámbito.