Troppe sfumature, con il dialetto lombardo Google Translate non ce la fa

Alla fine di giugno Google aveva annunciato l’obiettivo di aggiungere 110 nuove lingue al servizio di traduzione Google Translate, tra le quali anche alcuni tra i principali dialetti italiani, compreso il lombardo. 

I risultati, per ora, non sembrano incoraggianti, secondo un report presentato oggi dai ricercatori del progetto AlpiLinK. Il traduttore non riuscirebbe infatti a cogliere le tantissime sfumature dei dialetti, che risentono molto delle variazioni territoriali.

Restando al dialetto lombardo, ad esempio, Google Translate non riesce a tradurre “ragazza” e taglia corto utilizzando la stessa parola dell’italiano, mentre dimentica completamente tosa, utilizzato nel milanese, o il bresciano s’céta.

L’aggiornamento di Google translate – con l’inserimento di lombardo, veneto, friulano, ligure, siciliano – è dei giorni scorsi, e il team di AlpiLinK – macroprogetto per la mappatura digitale dei dialetti del Nord Italia che vede come capofila l’Università di Verona – ha subito testato la traduzione basata sull’intelligenza artificiale e sul modello linguistico conversazionale PaLM2 lanciato da Google.

«Rispetto all’italiano  il lombardo dimostra una variazione linguistica molto forte da territorio a territorio: certe parole e costruzioni milanesi non vengono riconosciute a Bergamo o Brescia e viceversa – spiega Stefan Rabanus, docente di linguistica tedesca all’ateneo di Verona e coordinatore scientifico di AlpiLinK – I casi che abbiamo raccolto mostrano come la recente introduzione di alcuni dialetti italiani nell’aggiornamento di Google Translate , pur rappresentando di per sé una buona notizia perché riconosce il valore dei dialetti e delle lingue minoritarie, sia soggetta a molti limiti. A differenza delle lingue nazionali, denominazioni come “lombardo” non fanno riferimento ad una lingua unitaria ma ad una molteplicità di dialetti diversi presenti nello stesso territorio e questo rende ancor più vulnerabile il traduttore, che necessiterebbe di un corpus molto più ampio e diversificato e la possibilità di specificare il tipo di “lombardo”  per non incorrere in falle ed errori».

Se i test con singole parole evidenziano dei problemi non va meglio – con qualche eccezione – nella traduzione di frasi: tu dormi più di lui restituita da Google risulta come tu durmi püsee de lü. In realtà la forma verbale durmi in molti dialetti lombardi non esiste perché la desinenza della seconda persona singolare finisce in -t – dormet in questo caso. È se il pronome soggetto tu è espresso in italiano come in tu dormi più di lui, i parlanti dei dialetti lombardi tendono a “sdoppiarlo” e la frase viene resa con due pronomi soggetto, un forte e uno clitico (debole), ad esempio ti te dormet püsee de lü a Milano o te ta dormet (de) più de lü a Brescia.

Un altro limite è rappresentato dal fatto che, mentre per l’italiano Translate consente anche il riconoscimento vocale, nel caso del dialetto non è possibile ascoltare audio.

Proprio sulla raccolta di contributi audio è basato invece il progetto AlpiLinK. Tutte le persone che parlano un dialetto possono partecipare direttamente alla ricerca attraverso il sito di AlpiLinK – alpilink.it – compilando in poco tempo l’audio-sondaggio dedicato, in cui viene proposto all’utente di utilizzare il proprio dialetto o la propria lingua locale per descrivere cosa accade in una scena o per tradurre le parole o frasi indicate, tra cui il sopra citato tu dormi più di lui. Un modello di ricerca partecipativa, che punta sul coinvolgimento “dal basso” e che sta raccogliendo un notevole interesse.

«Un corpus significativo – spiega Rabanus – perché fra il progetto AlpiLinK e il progetto precedente Vinko sono già quasi 2500 le persone che hanno partecipato al progetto per un totale di circa 225 mila file audio. Un database open che abbiamo utilizzato anche per questa analisi  dell’attendibilità dei risultati di Google Translate e che permette di cogliere appunto le diverse varietà di una stessa area dialettale, andando a verificare in modo puntuale, per ogni Comune, i termini utilizzati con la possibilità di ascoltare direttamente gli audio. Un grande lavoro di mappatura che forse, in futuro, si potrà rivelare utile anche per allenare modelli di intelligenza artificiale e contribuire a superare i limiti attuali».

L’invito a contribuire al progetto attraverso il sito alpilink.it è aperto.

Google translate ora traduce anche il dialetto lombardo