Acceso usuarios
[1]
Valladolid, España
La integración de la traducción automática neuronal (TAN) y de la inteligencia artificial (IA) puede presentar numerosas ventajas para el sector vitivinícola a la par que problemas. En el presente estudio, nos planteamos comprobar cómo diversos sistemas de traduccción(Google Translate, Deepl, ChatGPT 4.1., Copilot 365 y Gemini 2)abordan los culturemas delas fichas técnicas de las bodegas amparadas en las tresDenominaciones de Origen Protegidas(DOP)de Españade vinagre(Condado de Huelva, Jerez y Montilla-Moriles).En los recursos conversacionales,empleamos un pautado para analizar si son capacesde orientar el texto hacia un receptorexperto yotro lego.Tras la extracción manual de los culturemasy su posterior agrupación por campos temáticos, clasificamoslas técnicasempleadasentre convergentes (orientadas a la cultura origen) y divergentes (hacia la cultura meta)para obtener unos resultados cuantitativos y cualitativos. Con los primeros, hemos observadoque sin instrucciones se tiende a la literalidad y al uso de préstamos. En contraposición, si se lespide que lo adaptenpara un lego, emplean un mayor rango de técnicas o las combinan para ofrecer una perspectiva extranjerizadora,pero que no resulte opaca.En lo relativo a los datos cualitativos, hemos percibido que estas técnicas no siempre se empleanadecuadamente, por lo quepresentan errores de precisión, de omisión o de coherencia. Por ende, concluimos que todas las IA son capaces de adaptar el texto, pero sigue siendo necesaria la supervisión humana.
The implementationof neural machine translation (NMT) and artificial intelligence (AI) can offer numerous advantages for the wine sector, but it can also result inproblems. In this paper, we set out to examine how translation systems(Google Translate, Deepl, ChatGPT 4.1., Copilot 365, and Gemini 2) handle the culturemes ofvinegar data sheetsfromSpanish wineries locatedin thethreeProtected Designations of Origin (Condado de Huelva, Jerez, and Montilla-Moriles). Regarding chatbots, we designed specific instructions to analyze whether they can effectively orient the text towards experts or laypeople. After extracting and classifying the culturemes by thematic fields, we categorizedthe techniques used as convergent (oriented towards the source culture) and divergent (oriented towards the target culture) to obtain both quantitative and qualitative results. Concerningthe first ones, chatbots tend tobe literaland touse loanwordswithout instructions. In contrast, whenasked to adapt it for a lay audience, they employa wider range of techniques or combine someofthemto offer a foreign perspective that is not opaque. According tothe qualitative data, we highlightedthat these techniques are not always used appropriately, resulting in accuracy, omission, or consistency errors. In conclusion,all AIare capable of adapting texts, but human supervision is still necessary.
