Bias di genere e traduzione automatica Esperimenti con il linguaggio non binario diretto nella traduzione dall'inglese all'italiano

La rapida diffusione di diverse applicazioni di IA negli ultimi anni rende necessaria e urgente una riflessione sui presupposti su cui si basano questi strumenti e sul loro ruolo nell'amplificazione delle disparità sociali ai danni delle comunità marginalizzate; allo stesso tempo, una rinnovata sensibilità rispetto al concetto di genere spinge verso l'adozione di nuove pratiche linguistiche rappresentative di tutte le identità. Questa tesi è uno studio esplorativo sull'integrazione dello schwa, come strategia di rappresentazione linguistica delle identità non binarie, nella traduzione automatica dall'inglese all'italiano. Oltre a fornire una discussione teorica del problema, proponiamo delle linee guida originali per l'uso sistematico dello schwa in italiano e presentiamo i metodi adottati e i risultati ottenuti in sei esperimenti volti ad adattare due sistemi di IA (un sistema di traduzione automatica neurale e un LLM) per l’adozione di tale strategia nella traduzione verso l’italiano di frasi inglesi in cui il genere dei referenti umani è ambiguo. Addestriamo inoltre due classificatori per l’identificazione automatica di frasi inglesi e italiane come marcate o ambigue rispetto al genere dei referenti. I risultati della valutazione automatica e manuale degli output dei sistemi testati confermano le conclusioni tratte in lavori precedenti riguardo l’attuale inadeguatezza dei sistemi esistenti, usati così come sono, per la generazione di traduzioni neutre rispetto al genere, e permettono di trarre alcune conclusioni sugli approcci di adattamento più promettenti: in particolare, mentre l’adattamento tramite memoria di traduzione non sembra un approccio adeguato allo scopo in questione, gli strumenti generativi come gli LLM risultano più flessibili e adattabili anche tramite pochi esempi.