Este estudio de la tesis se centra en analizar la traducción del inglés al alemán entre el uso de traductores en línea y sistemas de Traducción Neuronal Automática. Se implementará una red neuronal recurrente (RNN, por sus siglas en inglés) para realizar Traducción Automática (MT) y se evaluará su desempeño comparando fragmentos traducidos con versiones oficiales. El análisis se llevará a cabo utilizando las siguientes herramientas Google Translate, ChatGPT, una RNN desarrollada con PyTorch para Traducción Neuronal Automática (NMT). El objetivo principal será determinar si los fragmentos traducidos son fieles al texto original.
Objetivo
Comparar los traductores disponibles en línea con una red para Neural Machine Translation en Python, determinando la precisión de sus capacidades de traducción del inglés al alemán.
Desafío
A pesar de los avances en traductores en línea y sistemas de Traducción Neuronal Automática (NMT), aún falta una comparación exhaustiva que analice su desempeño y las diferencias en las metodologías de Procesamiento del Lenguaje Natural (NLP). Las evaluaciones actuales, como listas de los mejores traductores, no profundizan en sus ventajas y desventajas para usuarios expertos o regulares.
Beneficios
- Identificación de herramientas efectivas de traducción.
- Comprensión de ventajas competitivas de los LLM
- El estudio proporciona una base para futuras investigaciones y decisiones en el uso de tecnologías de traducción.
- Información útil para mejorar sistemas existentes o desarrollar nuevas metodologías en traducción automática.
Factores de éxito
- Aplicación práctica de metodologías.
- Combinación de herramientas, desarrollos personalizados y traductor profesional.
- Uso de pruebas como fine tuning y el entrenamiento con un dataset con archivos en alemán traducidos al inglés
Participantes
Director de tesis: Charles Escobar.
Tesista: Mathias Lettere.
