Portada
mis comunidades
otras secciones
#14:
Ahora llevándolo al límite:
Cuanto peor, mejor para todos. Y cuanto peor para todos, mejor. Mejor para mí el suyo. Beneficio político
The worse it gets, the better for everyone. And the worse for everyone, the better. Better yours for me. Political benefit
Cuanto peor, mejor para todos. Y cuanto peor para todos, mejor. Mejor para mí el suyo. Beneficio político
The worse it gets, the better for everyone. And the worse for everyone, the better. Better yours for me. Political benefit
#27:
#1 #9 #13 #14 #23 --> ¡Órdago!:
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Me la pela lo que cacaree la peña de la movida esta. Ni por el forro va a pillar lo que meta servidor.
Hay mucho bocazas y tonto del bote por menéame que se lo flipa con estas moderneces; más ni zorra idea tienen, ¡panda de atunes!
Puff, la he liado parda... hala, a cascarla! Me meto ya al sobre que estoy mazo sopa.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
I'll peel it off whatever cackle the rock on this move. Not even by the lining is he going to get what he gets server.
There are a lot of big mouths and silly boat for wagging me that flipped it with these modernity; more or not fox idea have, tuna panda!
Puff, I've rolled her brown... hala, to crack it! I'm already getting into the envelope that I'm mallet soup.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Lo arrancaré de lo que sea que se ría de la roca con este movimiento. Ni siquiera por el forro va a conseguir lo que consigue de camarero.
Hay muchas bocas grandes y un barco tonto para sacudirme que lo volteó con esta modernidad; ¡más o menos la idea del zorro tiene, panda de atún!
Puff, la he enrollado marrón... hala, para romperlo! Ya estoy entrando en el sobre que soy sopa de mazo.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Me la pela lo que cacaree la peña de la movida esta. Ni por el forro va a pillar lo que meta servidor.
Hay mucho bocazas y tonto del bote por menéame que se lo flipa con estas moderneces; más ni zorra idea tienen, ¡panda de atunes!
Puff, la he liado parda... hala, a cascarla! Me meto ya al sobre que estoy mazo sopa.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
I'll peel it off whatever cackle the rock on this move. Not even by the lining is he going to get what he gets server.
There are a lot of big mouths and silly boat for wagging me that flipped it with these modernity; more or not fox idea have, tuna panda!
Puff, I've rolled her brown... hala, to crack it! I'm already getting into the envelope that I'm mallet soup.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Lo arrancaré de lo que sea que se ría de la roca con este movimiento. Ni siquiera por el forro va a conseguir lo que consigue de camarero.
Hay muchas bocas grandes y un barco tonto para sacudirme que lo volteó con esta modernidad; ¡más o menos la idea del zorro tiene, panda de atún!
Puff, la he enrollado marrón... hala, para romperlo! Ya estoy entrando en el sobre que soy sopa de mazo.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
#13:
#7
Algunas pruebas que hice con español-inglés no estuvieron muy mal, pero mira esta:
"Me cago en tus muertos, manda cojones que me hagas esto. "
"Fuck your dead bodies, send some balls to do this to me. "
Inglés a español de esta última frase:
"Al diablo con sus cadáveres, envíen pelotas para hacerme esto ".
Algunas pruebas que hice con español-inglés no estuvieron muy mal, pero mira esta:
"Me cago en tus muertos, manda cojones que me hagas esto. "
"Fuck your dead bodies, send some balls to do this to me. "
Inglés a español de esta última frase:
"Al diablo con sus cadáveres, envíen pelotas para hacerme esto ".
#44:
#30 El meneo no dice que sea mejor que el de Google... lo dice TechCrunch y algunos meneantes...
Por las pruebas que yo he hecho, me parece mejor que el de Google.
¿Por qué?
1. No se en qué se basa la opinión de otros, pero intuyo que en hacer pruebas y ver que acierta más que Google. Luego si acierta más le consideramos mejor.
¿Quieres un "dato"? ¿Algo medible? ¿Algo cuantificable? Toma frases del día a día, lenguaje de la calle, expresiones hechas, ... en mis pruebas creo que la mitad o más de expresiones hechas de lenguaje coloquial, de la calle, las ha traducido con el significado que uno le da cuando habla y no una traducción palabra por palabra que pierde el sentido original.
En el caso de Google, diría que con palabras precisas sin ser frase hecha acierta mucho (¿80% o más?) pero en cuanto le pones una frase hecha falla muchísimo, creo que acierta menos del 10%
Teniendo en cuenta que lo que da Google es cercano a un diccionario (no digo que "sea" un diccionario) entonces este otro te da un valor que es difícil de obtener tú mismo.
2. Y, ahora, un razonamiento con un conocimiento más a fondo.
Por lo que yo se, el traductor de Google funciona de forma estadística. El propio director de tecnología de Google, nos explicó en un curso on-line hace años cómo había diseñado el sistema, y un leve esbozo del funcionamiento hace años. Al parecer el propio Google está cambiando de metodología en su traductor y empezando a usar Redes Neuronales Artificiales (que es lo que usa DeepL), desde hace pocos meses, pero por lo visto solamente en algunos idiomas / algunos casos.
A diferencia de un algoritmo estadístico, DeepL usa "aprendizaje profundo" (por eso lo de Deep), que alude a un tipo de Redes Neurales que tienen muchas capas... y, bueno, que emplean ciertas maneras de proceder, o de diseñar la estructura según el problema que se ataca. Por ejemplo, para reconocimiento de imágenes se comprobó que ciertas estructuras de Redes Neuronales permitían obtener resultados notablemente mejores a otras estructuras.
Y, ahora, intento explicarlo en lenguaje coloquial:
el método usado por Google Translate, durante años, y creo que todavía presente en la mayoría de traducciones es estadístico en plan: tomo miles de traducciones, cada una con cientos o miles de frases traducidas y asocio las palabras del idioma origen con las palabras del idioma destino... En muchas traducciones cuando el original inglés dice "red", el destino español dice "rojo" así que voy asociando una alta probabilidad entre esas palabras, a base de dar ejemplos. Cuando me piden traducir "red" del inglés al español, la palabra con mayor probabilidad es "rojo" y respondo "rojo".
El método estadístico no es tan simple como palabras sueltas, sino que permite gestionar secuencias de palabras... Por ejemplo, si encuentra que "red wine" se suele traducir como "vino tinto" entonces cuando pongas "red wine" debería elegir "vino tinto" como mejor traducción en lugar de "vino rojo". Este sistema estadístico superaba los traductores basados en reglas porque programar millones de casos es una tarea titánica que era costosísimo hacer "a mano", es decir, programando todas las reglas. no solamente de sintaxis sino cosas como que red wine no se dice vino rojo sino tinto.
¿Por qué un traductor basado en Redes Neuronales puede ser mejor que uno estadístico?
Por decirlo de forma breve y sencilla, el estadístico solamente se fija en secuencias de palabras. "red wine"? Ah, sí, eso lo visto muchas veces, que se suele traducir por "vino tinto"... si me dijeses "red" a secas, suele traducirse como "rojo" pero con "wine" suele traducirse como "tinto" con muchísima más frecuencia. Pero cuando la secuencia de palabras no es exactamente la que tiene en los ejemplos, no la reconoce y va a las palabras sueltas... generando traducciones malas. Por ejemplo, si escribes "esta chica está como una cabra" Google traduce "This girl is like a goat".
Sin embargo, el neuronal permitiría de alguna forma sacar estructuras a pesar de no tener la misma forma verbal... digamos que va más allá que las secuencias de palabras exactas y de alguna forma llega a "entender" expresiones o frases hechas, a pesar de no tener muchos ejemplos de esa expresión exacta, pero vió muchas veces una parecida: "estaba como una cabra", "están como cabras" ... y de alguna forma, va asociando estar/estaban/están a cosas similares. Además, el estadístico es como si solamente se fiase de lo que ha visto... si ha visto la frase exacta entonces vale, pero no tiene muchos medios para entrenarle a mano.
También sospecho que tiene algo que ver con la eficiencia del entrenamiento... porque las Redes Neuronales digamos que son modelos computacionales y/o algorítmicos muy genéricos, que valen para una gran cantidad de problemas y su entrenamiento ha sido afinado / optimizado integrándolo con procesadores gráficos que hacen muchas tareas en paralelo.
Sin embargo, creo que el procesado estadístico se usa para un número más reducido de problemas y no se ha afinado / optimizado tanto.
Aunque en teoría ambas formas de enfrentarse a un problema podrían en teoría ser equivalentes o dar los mismos resultados, creo que resulta que en la práctica uno de los dos caminos está mucho más trillado y es mucho más potente / rápido para alcanzar unos resultados, o puede abarcar más conocimiento y amplitud de casos en el mismo tiempo.
3. Si Google mismo está cambiando su método de traducción, desde hace meses, pasando del estadístico al neuronal... por algo será, seguramente será porque este último es mejor. DeepL sería uno enteramente neuronal, y no se si tiene más experiencia en tiempo de aplicar estas técnicas a la traducción automática, mientras que Google a pesar de ser un gigante todavía no parece que haya cambiado enteramente su sistema por uno neuronal.
En conclusión, he dado 3 motivos para pensar que es mejor que el sistema actual de Google.
Por las pruebas que yo he hecho, me parece mejor que el de Google.
¿Por qué?
1. No se en qué se basa la opinión de otros, pero intuyo que en hacer pruebas y ver que acierta más que Google. Luego si acierta más le consideramos mejor.
¿Quieres un "dato"? ¿Algo medible? ¿Algo cuantificable? Toma frases del día a día, lenguaje de la calle, expresiones hechas, ... en mis pruebas creo que la mitad o más de expresiones hechas de lenguaje coloquial, de la calle, las ha traducido con el significado que uno le da cuando habla y no una traducción palabra por palabra que pierde el sentido original.
En el caso de Google, diría que con palabras precisas sin ser frase hecha acierta mucho (¿80% o más?) pero en cuanto le pones una frase hecha falla muchísimo, creo que acierta menos del 10%
Teniendo en cuenta que lo que da Google es cercano a un diccionario (no digo que "sea" un diccionario) entonces este otro te da un valor que es difícil de obtener tú mismo.
2. Y, ahora, un razonamiento con un conocimiento más a fondo.
Por lo que yo se, el traductor de Google funciona de forma estadística. El propio director de tecnología de Google, nos explicó en un curso on-line hace años cómo había diseñado el sistema, y un leve esbozo del funcionamiento hace años. Al parecer el propio Google está cambiando de metodología en su traductor y empezando a usar Redes Neuronales Artificiales (que es lo que usa DeepL), desde hace pocos meses, pero por lo visto solamente en algunos idiomas / algunos casos.
A diferencia de un algoritmo estadístico, DeepL usa "aprendizaje profundo" (por eso lo de Deep), que alude a un tipo de Redes Neurales que tienen muchas capas... y, bueno, que emplean ciertas maneras de proceder, o de diseñar la estructura según el problema que se ataca. Por ejemplo, para reconocimiento de imágenes se comprobó que ciertas estructuras de Redes Neuronales permitían obtener resultados notablemente mejores a otras estructuras.
Y, ahora, intento explicarlo en lenguaje coloquial:
el método usado por Google Translate, durante años, y creo que todavía presente en la mayoría de traducciones es estadístico en plan: tomo miles de traducciones, cada una con cientos o miles de frases traducidas y asocio las palabras del idioma origen con las palabras del idioma destino... En muchas traducciones cuando el original inglés dice "red", el destino español dice "rojo" así que voy asociando una alta probabilidad entre esas palabras, a base de dar ejemplos. Cuando me piden traducir "red" del inglés al español, la palabra con mayor probabilidad es "rojo" y respondo "rojo".
El método estadístico no es tan simple como palabras sueltas, sino que permite gestionar secuencias de palabras... Por ejemplo, si encuentra que "red wine" se suele traducir como "vino tinto" entonces cuando pongas "red wine" debería elegir "vino tinto" como mejor traducción en lugar de "vino rojo". Este sistema estadístico superaba los traductores basados en reglas porque programar millones de casos es una tarea titánica que era costosísimo hacer "a mano", es decir, programando todas las reglas. no solamente de sintaxis sino cosas como que red wine no se dice vino rojo sino tinto.
¿Por qué un traductor basado en Redes Neuronales puede ser mejor que uno estadístico?
Por decirlo de forma breve y sencilla, el estadístico solamente se fija en secuencias de palabras. "red wine"? Ah, sí, eso lo visto muchas veces, que se suele traducir por "vino tinto"... si me dijeses "red" a secas, suele traducirse como "rojo" pero con "wine" suele traducirse como "tinto" con muchísima más frecuencia. Pero cuando la secuencia de palabras no es exactamente la que tiene en los ejemplos, no la reconoce y va a las palabras sueltas... generando traducciones malas. Por ejemplo, si escribes "esta chica está como una cabra" Google traduce "This girl is like a goat".
Sin embargo, el neuronal permitiría de alguna forma sacar estructuras a pesar de no tener la misma forma verbal... digamos que va más allá que las secuencias de palabras exactas y de alguna forma llega a "entender" expresiones o frases hechas, a pesar de no tener muchos ejemplos de esa expresión exacta, pero vió muchas veces una parecida: "estaba como una cabra", "están como cabras" ... y de alguna forma, va asociando estar/estaban/están a cosas similares. Además, el estadístico es como si solamente se fiase de lo que ha visto... si ha visto la frase exacta entonces vale, pero no tiene muchos medios para entrenarle a mano.
También sospecho que tiene algo que ver con la eficiencia del entrenamiento... porque las Redes Neuronales digamos que son modelos computacionales y/o algorítmicos muy genéricos, que valen para una gran cantidad de problemas y su entrenamiento ha sido afinado / optimizado integrándolo con procesadores gráficos que hacen muchas tareas en paralelo.
Sin embargo, creo que el procesado estadístico se usa para un número más reducido de problemas y no se ha afinado / optimizado tanto.
Aunque en teoría ambas formas de enfrentarse a un problema podrían en teoría ser equivalentes o dar los mismos resultados, creo que resulta que en la práctica uno de los dos caminos está mucho más trillado y es mucho más potente / rápido para alcanzar unos resultados, o puede abarcar más conocimiento y amplitud de casos en el mismo tiempo.
3. Si Google mismo está cambiando su método de traducción, desde hace meses, pasando del estadístico al neuronal... por algo será, seguramente será porque este último es mejor. DeepL sería uno enteramente neuronal, y no se si tiene más experiencia en tiempo de aplicar estas técnicas a la traducción automática, mientras que Google a pesar de ser un gigante todavía no parece que haya cambiado enteramente su sistema por uno neuronal.
En conclusión, he dado 3 motivos para pensar que es mejor que el sistema actual de Google.
#31:
no es un traductor, es una horda de becarios traduciendo online para vender la startup, hacerse ricos y colarles el marrón a los nuevos propietarios.
#41:
Pues yo he probado con:
"Cuanto peor, mejor para todos. Y cuanto peor para todos, mejor. Mejor para mí el suyo. Beneficio político"
y me sale "Venezuela, Monedero, comunismo feroz, indepenazis, comucrisis, Espinar, bastademanandurrias".
bastante preciso...
"Cuanto peor, mejor para todos. Y cuanto peor para todos, mejor. Mejor para mí el suyo. Beneficio político"
y me sale "Venezuela, Monedero, comunismo feroz, indepenazis, comucrisis, Espinar, bastademanandurrias".
bastante preciso...
Comentarios
Ahora llevándolo al límite:
Cuanto peor, mejor para todos. Y cuanto peor para todos, mejor. Mejor para mí el suyo. Beneficio político
The worse it gets, the better for everyone. And the worse for everyone, the better. Better yours for me. Political benefit
#14 Brutal
#1 #9 #13 #14 #23 --> ¡Órdago!:
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Me la pela lo que cacaree la peña de la movida esta. Ni por el forro va a pillar lo que meta servidor.
Hay mucho bocazas y tonto del bote por menéame que se lo flipa con estas moderneces; más ni zorra idea tienen, ¡panda de atunes!
Puff, la he liado parda... hala, a cascarla! Me meto ya al sobre que estoy mazo sopa.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
I'll peel it off whatever cackle the rock on this move. Not even by the lining is he going to get what he gets server.
There are a lot of big mouths and silly boat for wagging me that flipped it with these modernity; more or not fox idea have, tuna panda!
Puff, I've rolled her brown... hala, to crack it! I'm already getting into the envelope that I'm mallet soup.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Lo arrancaré de lo que sea que se ría de la roca con este movimiento. Ni siquiera por el forro va a conseguir lo que consigue de camarero.
Hay muchas bocas grandes y un barco tonto para sacudirme que lo volteó con esta modernidad; ¡más o menos la idea del zorro tiene, panda de atún!
Puff, la he enrollado marrón... hala, para romperlo! Ya estoy entrando en el sobre que soy sopa de mazo.
-----------------------------------------------------------------------------------------------------------------------------------------------------------
#27 No se para que se preocupan tanto algunos con el tema de la generación de números realmente aleatorios cuando el sistema perfecto de entropía absoluta está a 3 clicks de distancia.
#27 De aquí a unos años lo que le has hecho a esa pobre IA se considerará delito por torturas.
#27 Órdago a google:
-----------
Me la pela lo que cacaree la peña de la movida esta. Ni por el forro va a pillar lo que meta servidor.
Hay mucho bocazas y tonto del bote por menéame que se lo flipa con estas moderneces; más ni zorra idea tienen, ¡panda de atunes!
Puff, la he liado parda... hala, a cascarla! Me meto ya al sobre que estoy mazo sopa.
----------
I'm sorry what the cacaree the rock of the move is. Neither by the liner is going to catch what goal server.
There are many mouths and fool of the boat for meame that flips it with these moderneces; More nor do you have an idea fox, tuna panda!
Puff, I bundled it up ... hala, to rub it! I'm already getting on the envelope that I'm baking
----------
Lo siento lo que el cacaree la roca del movimiento es. Ni por el trazador de líneas va a coger lo que objetivo servidor.
Hay muchas bocas y tonto de la embarcación para meame que la voltea con estos moderneces; Más ni tienes una idea de zorro, panda de atún!
Puff, lo empaqué ... hala, para frotarlo! Ya estoy subiendo al sobre que estoy horneando
-------------
¿Conclusiones?
Si, mejora algo, que algunos podrían considerar bastante, a otros traductores.
#27 Al menos podrías haberlo intentando sin faltas de ortografía, como ese "más" que debería ser "mas" sin tilde. Una cosa es ponerlo a prueba con jerga (cosa que podría llegar a aprender) y otra muy diferente pretender que además te corrija las faltas.
CC #53
#66 Yo solo he realizado el mismo experimento... en otro traductor, no podía permitirme corregir el texto. (También es cierto que no me he fijado).
#14 ¡Joder! ¡Traduce de puta madre!
#14 ¿Soy el único que está a la espera de saber si esa traducción es buena o mala?
#59 es bastante buena
#59 Vives en una duda perpetua sobre tu soledad.
no es un traductor, es una horda de becarios traduciendo online para vender la startup, hacerse ricos y colarles el marrón a los nuevos propietarios.
A mí me gusta. A favoritos. Es el primero que me gusta para traducir de inglés-español. Bueno, para gallego-castellano me gusta opentrad.
#7
Algunas pruebas que hice con español-inglés no estuvieron muy mal, pero mira esta:
"Me cago en tus muertos, manda cojones que me hagas esto. "
"Fuck your dead bodies, send some balls to do this to me. "
Inglés a español de esta última frase:
"Al diablo con sus cadáveres, envíen pelotas para hacerme esto ".
#13 Acido… divertido
Yo también, cuando tenía 10 años, lo primero que buscaba en el diccionario era "puta" y similares
#9 #11 #13 y #otros
Maribel.
#69 #9 #11 #13 Yo ya tengo 8. Ahora busco "casquibana" y "meretriz".
#13 A ver, soy un absoluto ignorante de IA y aprendizaje automático, pero entiendo que un modelo es tan bueno como lo es su set de datos de entrenamiento. Este sistema ha sido entrenado con la base de datos de linguee y por lo visto sólo usan traducciones con lenguaje formal. Me da que si lo entrenas con jerga y con refranes y frases hechas también te lo traducirá. Pero bueno, no voy a defenderles, yo sólo he enviado un link , ya se apañarán ellos.
#72 Sí, tienes mucha razón.
No sabía que usan datos de lenguaje formal para el entrenamiento... si usaran cosas como urbandictionary quizá solucionasen algunas cosas de lenguaje coloquial.
Y podrían usar también la wikipedia, no suponer que un artículo de la wikipedia en español es mera traducción de la wikipedia en inglés, sino suponer que el título de cada artículo sí es traducción. De esa forma tendrían la correspondencia de cientos o miles de términos en muchos idiomas con otros idiomas. Y cuando una expresión tiene diferentes significados también la wikipedia propone desambiguaciones (o como se diga jejeje) sugiriendo diferentes usos / significados de una expresión o palabra.
De todos modos, no solamente determina la calidad el conjunto de datos usado para entrenar, sino el algoritmo, que viene a ser el uso que se da a esos datos.
Tú puedes tener, por ejemplo, millones de artículos científicos y libros, etc... pero a pesar de ser un conjunto de datos gigante, si el algoritmo es muy burdo pues no llegará a mucho detalle fino y puede acabar traduciendo mal, como palabra por palabra. Mientras que otro algoritmo puede afinar más y aunque tenga un conjunto de datos menor puede dar mejores resultados.
#7 http://tradutorgaio.xunta.gal/TradutorPublico/traducir/index
Es bastante bueno
Te voy a comer todo lo negro ->
I'm gonna eat you all black. ->
Los comeré a todos negros.
Buen intento, pero necesita ciertos ajustes.
#9 ¿Soy el único que no se que significa "te voy a comer todo lo negro" en castellano?
#60 tranquilo, en unos añitos lo irás averiguando
#60 Significa hacer un cunnilugis
Me cago en tu puta estampa --> Fuck your fucking picture
No está mal
Pues yo he probado con:
"Cuanto peor, mejor para todos. Y cuanto peor para todos, mejor. Mejor para mí el suyo. Beneficio político"
y me sale "Venezuela, Monedero, comunismo feroz, indepenazis, comucrisis, Espinar, bastademanandurrias".
bastante preciso...
this comes from pearls when you want to talk fast in a chat with English people and stuff like that.
#1 joder no entiendo nada
#3 Esto viene de perlas cuando quieres hablar rápido en un chat con gente inglesa y cosas así
#10 #3 Estaba clarísimo.
De momento ha pasado la prueba de fuego: "De perdidos al rio"
#12 A mi me salió "From lost to the river"
#18 Mi frase favorita en inglés
#22 .
- ¿Puedo pasar?
- If, if, between, between.
#78 No mejora “From lost to the river”
#12 Aquí hay gato encerrado -> There's a cat locked up in here.
En algunas pelis antiguas mal traducidas tampoco lo hacían bien es español: "aquí huele a rata podrida".
Soy traductor profesional y... Siempre pensé que la máquina nunca iba a ser capaz de captar las ironías, el humor o los matices de un texto o discurso de igual forma que un humano. Eso lo pensaba antes, ahora ya hace un par de años que me estoy abriendo nuevas salidas profesionales distintas a la traducción.
"Donde dije digo, digo Diego. " ---> "Where I say, Diego. "
Esa no la pilló.
---> "Donde yo diga, Diego."
"¡Cágate lorito! Me dijo que quería mambo" ---> "Take out parrot! He told me he wanted mambo."
---> "¡Sacad al loro! Me dijo que quería mambo".
"Hablando en plata, me caes de culo". ---> "Speaking of silver, you fall on my ass."
---> "Hablando de plata, me caes encima."
"No me tomes el pelo" ---> "Don't tease me"
¡Bien!
"Don't tease me" ---> "No me tomes el pelo." ... Alternativa: "No te burles de mi"
una forma de saber si este sistema está 'intentando' traducir sin estar muy seguro o si está bastante seguro es poner que traduzca la traducción que te acaba de dar al idioma original... si coincide con lo que le dijiste, o con algo equivalente, entonces creo que te puedes fiar bastante más de la traducción que te acaba de dar, pero si no se parece en nada entonces estaba adivinando y no parece que tenga esa expresión en su base de datos.
#23 Donde dije "digo", digo "Diego". => Where I said "I say,"I say "Diego."
#79 sí, si pones las comillas hace una traducción más aceptable
La verdad que es cojonudo
Todavía necesita un poco de intuición y contexto:
"Anoche me cogí un pedo de espanto" -> "Last night I farted in terror"
Lo bueno es que con la tontería, estáis alimentando al sistema Pronto tendrá respuesta para esas traducciones.
#15 Siempre puedes enseñarle mal... y con frases de Rajoy la cosa va a ir de culo.
En qué es mejor que el de Google? Algún dato que lo demuestre? Lo digo porque cuando leo artículos científicos son los de Google, IBM y Microsoft los que suelen tener mejores resultados con los conjuntos de datos que se usan en las publicaciones.
#30 El meneo no dice que sea mejor que el de Google... lo dice TechCrunch y algunos meneantes...
Por las pruebas que yo he hecho, me parece mejor que el de Google.
¿Por qué?
1. No se en qué se basa la opinión de otros, pero intuyo que en hacer pruebas y ver que acierta más que Google. Luego si acierta más le consideramos mejor.
¿Quieres un "dato"? ¿Algo medible? ¿Algo cuantificable? Toma frases del día a día, lenguaje de la calle, expresiones hechas, ... en mis pruebas creo que la mitad o más de expresiones hechas de lenguaje coloquial, de la calle, las ha traducido con el significado que uno le da cuando habla y no una traducción palabra por palabra que pierde el sentido original.
En el caso de Google, diría que con palabras precisas sin ser frase hecha acierta mucho (¿80% o más?) pero en cuanto le pones una frase hecha falla muchísimo, creo que acierta menos del 10%
Teniendo en cuenta que lo que da Google es cercano a un diccionario (no digo que "sea" un diccionario) entonces este otro te da un valor que es difícil de obtener tú mismo.
2. Y, ahora, un razonamiento con un conocimiento más a fondo.
Por lo que yo se, el traductor de Google funciona de forma estadística. El propio director de tecnología de Google, nos explicó en un curso on-line hace años cómo había diseñado el sistema, y un leve esbozo del funcionamiento hace años. Al parecer el propio Google está cambiando de metodología en su traductor y empezando a usar Redes Neuronales Artificiales (que es lo que usa DeepL), desde hace pocos meses, pero por lo visto solamente en algunos idiomas / algunos casos.
A diferencia de un algoritmo estadístico, DeepL usa "aprendizaje profundo" (por eso lo de Deep), que alude a un tipo de Redes Neurales que tienen muchas capas... y, bueno, que emplean ciertas maneras de proceder, o de diseñar la estructura según el problema que se ataca. Por ejemplo, para reconocimiento de imágenes se comprobó que ciertas estructuras de Redes Neuronales permitían obtener resultados notablemente mejores a otras estructuras.
Y, ahora, intento explicarlo en lenguaje coloquial:
el método usado por Google Translate, durante años, y creo que todavía presente en la mayoría de traducciones es estadístico en plan: tomo miles de traducciones, cada una con cientos o miles de frases traducidas y asocio las palabras del idioma origen con las palabras del idioma destino... En muchas traducciones cuando el original inglés dice "red", el destino español dice "rojo" así que voy asociando una alta probabilidad entre esas palabras, a base de dar ejemplos. Cuando me piden traducir "red" del inglés al español, la palabra con mayor probabilidad es "rojo" y respondo "rojo".
El método estadístico no es tan simple como palabras sueltas, sino que permite gestionar secuencias de palabras... Por ejemplo, si encuentra que "red wine" se suele traducir como "vino tinto" entonces cuando pongas "red wine" debería elegir "vino tinto" como mejor traducción en lugar de "vino rojo". Este sistema estadístico superaba los traductores basados en reglas porque programar millones de casos es una tarea titánica que era costosísimo hacer "a mano", es decir, programando todas las reglas. no solamente de sintaxis sino cosas como que red wine no se dice vino rojo sino tinto.
¿Por qué un traductor basado en Redes Neuronales puede ser mejor que uno estadístico?
Por decirlo de forma breve y sencilla, el estadístico solamente se fija en secuencias de palabras. "red wine"? Ah, sí, eso lo visto muchas veces, que se suele traducir por "vino tinto"... si me dijeses "red" a secas, suele traducirse como "rojo" pero con "wine" suele traducirse como "tinto" con muchísima más frecuencia. Pero cuando la secuencia de palabras no es exactamente la que tiene en los ejemplos, no la reconoce y va a las palabras sueltas... generando traducciones malas. Por ejemplo, si escribes "esta chica está como una cabra" Google traduce "This girl is like a goat".
Sin embargo, el neuronal permitiría de alguna forma sacar estructuras a pesar de no tener la misma forma verbal... digamos que va más allá que las secuencias de palabras exactas y de alguna forma llega a "entender" expresiones o frases hechas, a pesar de no tener muchos ejemplos de esa expresión exacta, pero vió muchas veces una parecida: "estaba como una cabra", "están como cabras" ... y de alguna forma, va asociando estar/estaban/están a cosas similares. Además, el estadístico es como si solamente se fiase de lo que ha visto... si ha visto la frase exacta entonces vale, pero no tiene muchos medios para entrenarle a mano.
También sospecho que tiene algo que ver con la eficiencia del entrenamiento... porque las Redes Neuronales digamos que son modelos computacionales y/o algorítmicos muy genéricos, que valen para una gran cantidad de problemas y su entrenamiento ha sido afinado / optimizado integrándolo con procesadores gráficos que hacen muchas tareas en paralelo.
Sin embargo, creo que el procesado estadístico se usa para un número más reducido de problemas y no se ha afinado / optimizado tanto.
Aunque en teoría ambas formas de enfrentarse a un problema podrían en teoría ser equivalentes o dar los mismos resultados, creo que resulta que en la práctica uno de los dos caminos está mucho más trillado y es mucho más potente / rápido para alcanzar unos resultados, o puede abarcar más conocimiento y amplitud de casos en el mismo tiempo.
3. Si Google mismo está cambiando su método de traducción, desde hace meses, pasando del estadístico al neuronal... por algo será, seguramente será porque este último es mejor. DeepL sería uno enteramente neuronal, y no se si tiene más experiencia en tiempo de aplicar estas técnicas a la traducción automática, mientras que Google a pesar de ser un gigante todavía no parece que haya cambiado enteramente su sistema por uno neuronal.
En conclusión, he dado 3 motivos para pensar que es mejor que el sistema actual de Google.
#44
1. El método que hablas se llama BLEU score y Google es de los mejores junto a IBM y Microsoft.
2. Google ya no se basa en métodos estadísticos, también usa Deep Learning (yo trabajo en deep learning). (Más info por aqui, aunque desactualizada: https://research.googleblog.com/2016/09/a-neural-network-for-machine.html ). Creo que son 8 idiomas entre los que traduce actualmente y lo hace mediante un paso intermedio. Es bastante novedoso en el sentido de que tu le pones ejemplos de traducir de ingles a español y frances a inglés y automaticamente sabe traducir de frances a Español.
Vamos esto no me parece una revolución cuando hay empresas que lo hacen desde hace un par de años y si que hay alguna mejor que Google y que lo demuestran claramente y tienen artículos publicados. De esta ni mu.
#30 te voy a traducir tu primera pregunta en los dos buscadores:
¿En qué es mejor que el de Google?
Google translate:
What is better than Google?
DeepL:
How is it better than Google's?
Juzga por vos mismo ^^
#50 Es un ejemplo. En las pruebas de las que hablo se utiliza el BLEU score con muchisimos más ejemplos y en esos Google sale bastante bien, por debajo de Microsoft e IBM pero bastante bien. Si me dices que de 1000000 ejemplos sale mejor este entonces te creo, pero un ejemplo no dice nada.
#50 Si pones Google con minúscula (google) también lo traduce mal. Curioso
The façades at last you will be able to understand catalan. (Nota: El emoticono no está traducido)
He estado haciendo pruebas con esta página y el traductor de Google y no sabría decir cuál es mejor, son bastante similares de momento.
Eso sí, en un texto ambas páginas me han traducido "eventually" como eventualmente
Pues yo he probado con la cita de TechCrunch que tienen debajo:
"Los gigantes de la tecnología Google, Microsoft y Facebook están aplicando las lecciones de aprendizaje automático a la traducción, pero una pequeña empresa llamada DeepL las ha superado a todas y ha elevado el listón para el campo.
Su herramienta de traducción es tan rápida como la competencia, pero más precisa y matizada que cualquiera de las que hemos intentado."
Esta es la traducción de google:
"Los gigantes de la tecnología Google, Microsoft y Facebook están aplicando las lecciones de aprendizaje automático para la traducción, pero una pequeña empresa llamada deepl los ha superado y elevado el listón para el campo. Su herramienta de traducción es tan rápida como la gran competencia, pero más precisa y matizada que cualquier otra que hayamos probado."
No sé, no me parece mucho mejor... hay que retocarla al igual que la de google.
#19 Doble click sobre la palabra que crees que está mal, pones la buena, reformula la frase para que quede bien con la nueva palabra, cosa que no hace el de Google, y además aprende.
#35 En google también la puedes cambiar y al igual que este funciona con machine learning. No veo tanta diferencia.
#36 No, en google no es tan fácil: a veces te permite, a veces no, no adapta la frase a la nueva acepción, etc.
#35, para lo bueno y para lo malo tanto este como el de Google tienen aprendizaje de ese (aunque desde el móvil no me funciona en ninguno).
Y digo para mal porque he visto fallos comunes en ambos traductores que deben ser producidos por gente que se equivoca, en particular en el mismo texto me han traducido ambos eventually por eventualmente
¡Alucinante! Gracias por el enlace, #0, necesitaba una herramienta como esta.
Por fin, un traductor práctico
(Por fin me voy a entender con el chino del AliExpress!!! )
Tras probarlo con un texto en francés extraído de Le Monde y comparar los resultados con la traducción del mismo texto en Google, no veo grandes diferencias. Ambos yerran al traducir "agence de modélisation" por "agencia de modelos", aunque me parece lógico y casi inevitable. Por lo demás, ambas traducciones son bastante ajustadas, aunque no dejan de tener ese "sabor artificial" que suele distinguir a los textos surgidos de estos programas.
Ah, sí, además DeepL comete un error al colocar un verbo fuera de sitio, dificultando la comprensión. Pero es cierto que los sistemas de traducción automática están evolucionando muchísimo.
old habits die hard -> los viejos hábitos mueren con fuerza
if I were a richman -> si fuera un richman
Probaré a traducir mis textos ficticios con cientos de conceptos inventados
Todos ustedes están probando con inglés pero el inglés ya va más o menos bien en Google Traductor. Lo que me sorprende es lo bien que va con el alemán.
El tema de la mandanga nació... con mucha gracia además en un momento de arte, de... de gracia porque estábamos echando la partida esos amigos que habitualmente nos juntábamos todas las tardes pa contarnos nuestras cosas, tomar nuestra copita... y en ese momento que estábamos jugando la partida pues entraron dos chavalotes y empezaron a... a liar un porro.
- Sabes que te camelo y te aprecio pero...
- Venga chavales a la calle, de mandanga nada eh! no me perjudiqueis... a la calle por favor que noooo me interesa a mi eso.
- Deja a los chavalotes Pablo! Déjalos que caminen como ellos camelen... si los chavales camelan pegarle un poquito a la lejia o camelan pegarle un poquito a la mandanga, pues déjalos!
Entonces cogí dejé la partida, le dije a un amiguete "aplástate aquí y juega tú la partida por mi que estoy ahora mismo agustísimo". Total que, cogí la nave, cogí el coche, me fuí a una esquina, paré allí el auto y empecé a escribir el tema y... fíjate como sería que a la media hora pues lo tenía escrito.
Total que volví a los chavalotes y le digo:
- Mira! Mira lo que he hecho, lo que... a ver que os parece!
Y cuando vieron el lio
- Anda Fary, si esto es un melocotonazo de miedo, no veas la que vas a armar con esto! Buah esto tiene un tirón enorme!
Total que ya empecé a marcarles la... a hacerles un poquito la cosa... Porque yo lo tengo muy dificil! Tengo que escribir, hacer la melodía, escribir y hacer el ritmo al mismo tiempo y empecé entonces a decirles:
- Tarataratata tataum, Tarata tarata tauuu, Tarito ra tatito ta to Tarito ratotato tao...
------–-----------------------------------------------------
the mandanga theme was born... with a lot of grace in addition in a moment of art, of... of grace because we were playing the game those friends who usually met every afternoon to tell us our things, take our drink... and at that moment we were playing the game because two kids entered and began to... to roll a joint.
You know I'm cheating on you and I love you but...
Come on, kids, let's go to the street. Don't hurt me... on the street please don't interest me in that.
Leave the kids, Pablo! Let them walk like they camelen... if the kids camelan beat a little bit of bleach or camelan hit the mandanga a little bit, then let them!
Then I took the game and left, I said to a friend,"flatten out here and you play the game for me, which I'm very happy right now". So, I took the ship, took the car, went to a corner, stopped the car there and started to write the subject and... see how it would be that half an hour after I had it written.
So I went back to the kids and said:
Look! Look what I've done, what... let's see what you think!
And when they saw the mess
Come on, Fary, if this is a peach of fear, don't see what you're going to do with this! Wow, this has a huge pull!
So I've already started to mark the... to make them a little bit the thing... Because I have it very difficult! I have to write, do the melody, write and do the rhythm at the same time and then I started to tell them:
Tarataratata tataum, Tarata tarata tarata tauuu, Tarito ra tatito ta to Tarito ratotato tao....
Vaya, qué bueno.
Albatrosses, of the biological family Diomedeidae... → Los albatroses, de la familia biológica Diomedeidae...
La primera en la frente cuando he ido a traducir
https://en.wikipedia.org/wiki/Albatross
De perdidos al río » From lost to the river.
Correcto.
#21 in for a penny, in for a pound.
#25 ---> "por un centavo, por una libra."
(esa es la traducción que da... nótese que penny es penique y centavo es moneda americana... no traduce ni el sentido figurado / 'idiom' ni tampoco traduce bien de forma literal)
Ha pasado el Test de Rajoy
Probando con una simple noticia del Herald Tribune... mucho mejor que el traductor de Google.
Original
Allegiant Air is holding a media event this morning to announce plans to build one of its Sunseeker Resorts in Charlotte County.
The 20-acre development along Bayshore Road just west of U.S. 41 on the Peace River, will include a resort hotel and up to nine condominium towers, restaurants, bars and shopping, according to Allegiant. It will have an on-site grocery store and pharmacy, a marina and a property-spanning resort pool designed to be the largest in North America.
Google
Allegiant Air está llevando a cabo un evento mediático esta mañana para anunciar planes para construir uno de sus Resorts Sunseeker en el Condado de Charlotte.
El desarrollo de 20 acres a lo largo del camino de Bayshore apenas al oeste de los E. 41 en el río de la paz, incluirá un hotel del centro turístico y hasta nueve torres del condominio, restaurantes, barras y compras, según Allegiant. Tendrá un supermercado y una farmacia en el lugar, un puerto deportivo y una piscina de propiedad-spanning complejo diseñado para ser el más grande en América del Norte.
Deepl
Allegiant Air está celebrando un evento de prensa esta mañana para anunciar los planes de construir uno de sus Sunseeker Resorts en el condado de Charlotte.
El desarrollo de 20 acres a lo largo de Bayshore Road, justo al oeste de U. S. 41 en el río Peace, incluirá un hotel resort y hasta nueve torres de condominios, restaurantes, bares y tiendas, según Allegiant. Tendrá una tienda de comestibles y una farmacia, un puerto deportivo y una piscina de balneario diseñada para ser la más grande de Norteamérica.
"Cuando el grajo vuela bajo hace un frio del carajo" -> "When the rook flies low, it's cold as hell"
Pues no está mal, he hecho algunas pruebas y es claramente mejor Google Translate.
Muy bueno, lo he comparado al Google Translater con varios textos, incluso tecnicos y me gusta bastante mas. Muchas gracias #0.
#58 Con textos técnicos funciona especialmente bien. Me parece que lo voy a alimentar a base de abstracts.
This is a troll comment on wiggle me. The translator's working his ass off.
estos lo hacen mejor:
http://www.fromlosttotheriver.com/
Es mejor que el traductor de Google, ¿pero habéis leído sobre el bicho de supercomputador que utilizan para la traducción? 5100 billones de operaciones de coma flotante por segundo, trata un millón de palabras por segundo.....¿y solo hay esa ligera diferencia con los demás traductores?
Cuando entenderán que el NPL y sus estadísticas son nulas a la hora de traducir correctamente, mucho dinero para tan poca diferencia de resultados.
La traducción no mejorará hasta que no lleven un seguimiento del contexto a traducir, es complicado, pero no imposible, las tecnologías de traducción tienen que reinventarse desde un punto de vista mas lógico y menos estadístico.
I'm sending it to favorites in a jerk.
#2 Así de bien funciona?
#5 Le pega un buen repaso al de Google, pero no traduce páginas web ni va integrado en Chrome. Bueno, hasta que lo compre Google
#6 Muy cierto, utilizo el de Google con asiduidad para asegurarme, en comunicaciones comerciales, que lo que escribo es exactamente lo que quiero decir para idiomas que no domino, como el francés, y después no haya problemas con las condiciones de una venta por errores de transcripción/interpretación, y en éste me ha sorprendido la calidad de la traducción. Chapeau! Et merci beaucoup!
#5 Yo estoy muy impresionado con este traductor. Suelo utilizar el de Google para ajustar mis traducciones. Lo uso como una guía para mejorarlas (no, no soy traductor profesional ni mucho menos) pero veo que este supera claramente al de Google. Si encima pensamos la diferencia en recursos de una compañía respecto de la otra ya es la pera limonera.
Va claramente a mis favoritos también.
"Es fácil a toro pasado." >> "It's easy to past bull."
Gran avance de la IA.