Calidad de la traducción automática en contextos especializados: evaluación comparativa y límites de la traducción automática neuronal

Abstract

Esta comunicación examina los avances y retos de la traducción automática (TA) neuronal en textos especializados, comparando motores como Google Translate, Reverso, Helsinki EN-ES y Facebook Multilingüe mediante métricas automáticas (WER, BLEU, METEOR, BERT Score, BLEURT). Aunque mejoran fluidez y precisión, fallan en matices culturales, terminología técnica y siglas médicas, requiriendo intervención humana experta en posedición para usos profesionales. Aboga por colaboración entre IA y traductores para potenciar herramientas fiables.

This paper examines advances and challenges in neural machine translation (NMT) for specialized texts, comparing engines like Google Translate, Reverso, Helsinki EN-ES, and Facebook Multilingual using automatic metrics (WER, BLEU, METEOR, BERT Score, BLEURT). While improving fluency and accuracy, they fail in cultural nuances, technical terminology, and medical acronyms, necessitating expert human post-editing for professional use. It advocates collaboration between AI developers and translators for reliable tools.