This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
Freelance translator and/or interpreter, Verified site user
Data security
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Affiliations
This person is not affiliated with any business or Blue Board record at ProZ.com.
French to Italian - Rates: 0.09 - 0.14 EUR per word / 70 - 70 EUR per hour English to Italian - Rates: 0.09 - 0.14 EUR per word / 70 - 70 EUR per hour Portuguese to Italian - Rates: 0.09 - 0.14 EUR per word / 70 - 70 EUR per hour Italian to French - Rates: 0.09 - 0.14 EUR per word / 70 - 70 EUR per hour English to French - Rates: 0.09 - 0.14 EUR per word / 70 - 70 EUR per hour
More
Less
Payment methods accepted
Wire transfer, MasterCard, Visa, American Express, PayPal
Portfolio
Sample translations submitted: 4
Italian to French: La raccolta meccanica delle olive General field: Tech/Engineering Detailed field: Mechanics / Mech Engineering
Source text - Italian La raccolta meccanica delle olive
Raramente i danni causati, dalla raccolta meccanizzata, sulle piante causano significative conseguenze (attacchi di rogna per esempio, che può essere prevenuta con opportuni trattamenti).
Le lesioni subite dai frutti possono essere leggermente superiori rispetto alla raccolta manuale, ma non influiscono sulla qualità dell’olio se le olive vengono tempestivamente portate al frantoio per essere molite.
È stato anche accertato da diverse ricerche che la defogliazione causata dagli attrezzi meccanici non danneggia né la pianta né la fruttificazione.
La vibrazione degli scuotitori sul tronco non ha effetti negativi sull’apparato radicale degli olivi.
Qui di seguito elenchiamo alcune tipologie di macchine per la raccolta delle olive:
• pettini pneumatici, brucatori, piccoli vibratori;
• bacchiatori di grande dimensione;
• vibratori di tronco (...).
I pettini vibranti, pettini raccolta pneumatica
Sono costituiti da apposite aste di prolunga in alluminio, mossi da aria compressa fornita da un compressore portato dal trattore, operano attraverso denti di plastica che oscillano con rapidità (...), consentono di raccogliere 200 - 250 kg. di olive a persona in un giorno. Sono muniti di aste allungabili per esplorare le parti fruttificanti della chioma fino ad un’altezza di 3 - 4 metri
I brucatori
Sono attrezzi costituiti da assi sinusoidali che girano in senso opposto rispetto a quelli adiacenti e sono generalmente azionati da motore elettrico che si può collegare a una batteria di 12 V (batteria della trattrice)
Scuotitori, vibratori del tronco e delle branche
I vibratori determinano il distacco dei frutti per mezzo di una testata che, agganciata al tronco o alle branche principali, genera vibrazioni ad alta frequenza e bassa intensità (15-30 Hz) Essi possono essere semoventi o portati da trattrici e possono essere dotati di telaio per l’intercettazione delle olive. Da queste macchine si ottiene la maggiore efficienza, infatti consentono di raccogliere i frutti
di ciascuna pianta in pochi minuti. La raccolta con scuotitori si può fare su piante che hanno
raggiunto un diametro minimo del tronco di 8-16 cm (ulivi di età 5-10 anni). Esistono modelli più potenti che possono scuotere alberi con tronco superiore a 50cm di diametro. (...)
Tuttavia va fatta una attenta valutazione sul tipo di impianto di uliveto che si va trattare.
• l'impianto olivicolo deve presentare regolari distanze tra gli alberi, almeno 5 m (...),
• il tronco deve essere regolare con almeno 1m di altezza,
• le branche primarie non troppo lunghe e con deviazioni limitate, soprattutto se brusche,
• alta produzione per albero Cultivar con frutti di dimensione medio-grande e con resistenze al distacco minima
Translation - French La récolte mécanique des olives
La récolte mécanique n’occasionne que rarement des dégâts importants aux plantes tels que la tuberculose de l’olivier qui peut être évitée par des traitements appropriés.
Comparée à la récolte manuelle, la proportion des fruits abîmés est à peine supérieure; cela n’altère cependant pas la qualité de l’huile, à condition que les olives soient promptement amenées au moulin pour être moulues.
Plusieurs études ont, en effet, montré que la défoliation causée par des engins mécaniques ne nuit ni à la plante ni à sa fructification.
Les vibrations des secoueurs sur le tronc n’ont pas non plus d’effet néfaste sur le système racinaire des oliviers. Ci-après, une liste de quelques-uns des outils d’aide à la récolte des olives :
• peignes pneumatiques, peignes électriques, petits secoueurs
• gaules de grandes dimensions
• vibreurs de troncs (…).
Les peignes vibreurs et les peignes pneumatiques
Constitués de perches télescopiques en aluminium et de râteaux avec dents en plastique à haute oscillation, ils fonctionnent grâce à l'air comprimé fourni par un compresseur installé sur le tracteur (…). Le rendement de ce système est de 200 à 250 kg d’olives par jour et par ouvrier. Les peignes sont munis de manches extensibles d’une longueur de 3-4 mètres permettant d’atteindre les parties fructifères à l’intérieur de la frondaison.
Peignes électriques
Constitués de râteaux wave qui tournent en sens opposé les uns les autres, ces engins sont généralement actionnés au moyen d’un moteur électrique alimenté par une batterie de 12V, telle la batterie du tracteur.
Secoueurs, vibreurs de troncs et de branches
Les vibreurs permettent le détachement des fruits par le biais d’une tête vibrante, fixée aux troncs ou aux branches principales des oliviers, qui génère des vibrations de haute fréquence et de faible intensité (15-30Hz).
Ces machines, qui peuvent être automotrices ou installées sur un tracteur agricole, sont parfois munies d’un filet pour réceptionner les fruits. Ces outils d’aide à la récolte mécanique sont les plus efficaces car ils permettent de faire tomber les fruits de chaque plante en quelques minutes seulement. Les secoueurs peuvent être employés sur des arbres de 5 à 10 ans, lorsque les troncs ont un diamètre de 8 à 16 cm. Certains modèles plus puissants peuvent secouer des arbres ayant un tronc de plus de 50 cm de diamètre. (…)
Cependant, les facteurs qui conditionnent la mécanisation sont liés aux caractéristiques agronomiques de l’exploitation oléicole qui sera traitée :
• la distance minimale entre chaque olivier doit être égale ou supérieure à 5 mètres. (…),
• le tronc, dont la taille doit dépasser 1 mètre, doit être régulier,
• les branches primaires ne doivent pas être trop étendues, ni avoir trop de ramifications, surtout si elles présentent une angulation trop importante,
• il convient de privilégier les variétés d’olivier les plus productives, avec des fruits de taille moyenne à grande et une faible résistance au détachement.
English to Italian: Rapporto di gestione Quarto Trimestre 2016 General field: Bus/Financial Detailed field: Economics
Source text - English Management Report
4th Quarter 2016
Financial markets celebrated a spectacular end to the year after a calm 3rd quarter. The focus was on the US elections, from which Donald Trump emerged surprisingly victorious. In addition, the US and European central banks decided in December to relax their monetary policy. Another surprise came from the OPEC countries at the end
of November as they agreed to cut oil production.
The surge in US government bond yields was at the centre of attention in the 4th quarter. Shortly after the Brexit, precisely on July 8th, the yield on 10-year US Treasuries was at an annual low of just under 1.4%, only to close the year at 2.4% and thus above its level at the start of the year. The reasons for this were stronger economic
indicators and the expectation of rising inflation. This reflationary environment moved even more firmly into the spotlight in the wake of Donald Trump's victory on November 9th, as the Republicans had been promising generous economic stimulus packages in the form of tax breaks and infrastructure projects. Rising interest rates, however, also caused major changes in other asset classes: by the end of the year, the gold price had undergone a correction to USD 1,157 per fine ounce, the greenback had appreciated and equities had entered a major sector rotation – out of defensive and into cyclical stocks. Equities in general received a boost from robust economic data, however, advancing by 4.4% in local currency (+10% in the second half of the year) in the last quarter of the year.
Another crucial decision affecting the financial markets was taken in Vienna on November 30th, when the oil-producing members of OPEC agreed to reduce production for the first time since 2008. This decision had an even greater impact when non-OPEC countries – first and foremost Russia – also signaled their readiness to join in the output cuts. The decision prompted a rise in crude oil prices to more than 55 USD per barrel by the end of the year, which was a new all-year high.
The top of the equity performance table was occupied unusually by financial companies in the last quarter. Banks and insurers (+18.3%) were the main beneficiaries of rising interest rates and the sector rotation. Defensive stocks and utilities, in contrast, suffered from the improved economic outlook. Energy stocks, for their part, traded more firmly in the wake of the OPEC decision and rising crude oil prices. From a regional perspective, Japanese equities benefited the most, mainly due to a weaker domestic currency.
In light of rising US interest rates, bond markets in the industrialised countries came under pressure, most notably in the US itself. Fed Chairwoman Janet Yellen remained committed to her intention of hiking interest rates for the first time in 2016 on December 14th which confirmed the bleak prospects for US bonds. But European bonds also lost ground. Improved economic signals and the ECB's decision to start slightly scaling back its bond purchasing programme in summer 2017 also provided a headwind. Japanese bonds put in the best performance, with the yields on bonds with 10-year maturities fluctuating around zero as a consequence of the Japanese central bank policy of keeping the yield curve at a low level through targeted bond purchases.
While corporate bonds, despite rising interest
rates, performed nicely in an environment with
improved economic prospects, emerging market
bonds experienced losses in the 4th quarter –
particularly in the days following the US
presidential election. Not only rising US interest
rates and a stronger USD, but also potential trade
restrictions under the new US government
weighed on this bond category.
Yield spreads between the industrialised nations
were the main drivers of the world's most
important currencies in the 4th quarter. The USD
was the main beneficiary, as US interest rates
rose the most. At the same time, the Japanese
yen slumped as Japanese interest rates rose less
than elsewhere. Emerging market currencies lost
considerable ground after Trump's victory,
especially those countries beset by their own
internal political problems, such as Turkey.
Since the beginning of 2016:
the value of the A share increased by 4.62 % from
EUR 204.57 to EUR 214.02,
the value of the B share increased by 1.05% from
EUR 155.73 to EUR 157.36 and
the value of the C share increased by 2.26% from
CHF 110.47 to CHF 112.97
Translation - Italian Rapporto di gestione
Quarto Trimestre 2016
Dopo un terzo trimestre piuttosto calmo, i mercati finanziari in rialzo hanno concluso l’anno corrente positivamente, ottenendo risultati alquanto sorprendenti. Tutti gli occhi sono stati puntati sulle elezioni presidenziali americane che hanno portato all’inaspettata vittoria di Donald Trump. Inoltre, lo scorso dicembre, la Federal Reserve e la Banca Centrale Europea hanno optato per un allentamento delle loro politiche monetarie. Un’altra novità, giunta lo scorso fine novembre, è che i paesi membri dell’Organizzazione dei Paesi Esportatori di Petrolio (OPEC) hanno deciso di tagliare la produzione di petrolio.
Durante questo quarto trimestre, l’attenzione si è concentrata sull’impennata dei rendimenti dei titoli statunitensi. Poco dopo la Brexit, e più precisamente l'8 luglio, i rendimenti decennali dei titoli di debito statunitensi sono precipitati ad appena sotto l'1,4%, quota che segna un vero e proprio minimo annuale, per poi risalire e chiudere l’anno a quota 2,4%, superando quindi il livello di inizio anno. Ciò grazie al rafforzamento degli indicatori economici e alla prospettiva di crescita dell'inflazione. Un contesto reflazionistico passato ancor più in primo piano il 9 novembre, sull’onda della vittoria di Donald Trump, poiché i repubblicani avevano promesso generosi pacchetti di stimoli all’economia sotto forma di agevolazioni fiscali e progetti infrastrutturali. Il rialzo dei tassi di interesse, tuttavia, ha indotto alcuni cambiamenti non trascurabili in altre classi di attivi: entro la fine dell'anno, il prezzo dell'oro ha registrato una correzione, attestandosi a 1.157 dollari americani per oncia, il dollaro ha beneficiato di un apprezzamento e i capitali propri sono entrati in un’importante fase di rotazione settoriale, passando dai titoli difensivi ai titoli ciclici. Ciononostante, in generale, nel corso dell'ultimo trimestre dell'anno, i capitali propri hanno ricevuto una spinta dalla solidità dei dati economici, salendo del 4,4% in valuta locale (+ 10% nella seconda metà dell'anno).
Un’altra risoluzione definitiva che ha mandato in fibrillazione i mercati finanziari è stata presa a Vienna lo scorso 30 novembre quando i paesi produttori di petrolio membri dell’OPEC hanno deciso di ridurne la produzione per la prima volta dal 2008. Tale decisione ha avuto un impatto ancora più forte nel momento in cui le nazioni esterne al cartello dell’OPEC, Russia in primis, si sono dichiarate pronte a unirsi ai tagli alla produzione; tagli che, entro la fine dell’anno, hanno già condotto a un aumento dei prezzi del greggio al barile di oltre 55 dollari statunitensi, un nuovo record annuale.
Per quanto inusuale, nell’ultimo trimestre, tra le migliori performance del mercato azionario figurano quelle delle società finanziarie. Le banche e le compagnie assicurative (+ 18,3%) sono state le principali beneficiarie dell’aumento dei tassi di interesse e della rotazione settoriale a scapito dei titoli difensivi e delle utilities che hanno invece sofferto a fronte del miglioramento delle prospettive economiche. In seguito alla decisione dell'OPEC e all'aumento dei prezzi del greggio, i Certificati Bianchi, al contrario, sono stati scambiati più attivamente. Da una prospettiva geografica, i capitali giapponesi sono quelli che ne hanno tratto maggior beneficio, grazie soprattutto all’indebolimento della valuta nazionale.
Alla luce dei crescenti tassi di interesse negli Stati Uniti, i mercati obbligazionari dei paesi industrializzati si sono trovati sotto pressione, soprattutto negli USA. La Presidente della Fed, Janet Yellen, è rimasta fedele al suo intento di rialzare i tassi di interesse per la prima volta il 14 dicembre 2016, confermando le tetre prospettive per le obbligazioni statunitensi. Ma anche i bond europei hanno perso terreno. Dei segnali economici più incoraggianti e la decisione della BCE di ridimensionare il suo programma di acquisto di obbligazioni nell'estate del 2017 hanno fatto tirare un vento contrario. Le obbligazioni giapponesi hanno registrato l’andamento migliore, con i rendimenti sulle obbligazioni con scadenze a dieci anni che hanno oscillato intorno allo zero, a seguito della politica della banca centrale nipponica per mantenere bassa la curva dei rendimenti attraverso acquisti obbligazionari mirati.
Mentre le obbligazioni societarie, nonostante l’aumento dei tassi di interesse, hanno ottenuto rendimenti accettabili nel contesto di un miglioramento delle prospettive economiche, i bond dei mercati emergenti hanno registrato perdite nel quarto trimestre, soprattutto nei giorni immediatamente successivi alle elezioni presidenziali statunitensi. A gravare su questa categoria obbligazionaria, non solo l'aumento dei tassi di interesse americani e il rafforzamento del dollaro, ma anche le nuove potenziali restrizioni commerciali che potrebbero essere applicate dal neo-eletto governo USA.
I differenziali di rendimento tra i paesi industrializzati sono stati i fattori chiave delle principali valute del mondo in questo quarto trimestre. La valuta che ne ha tratto maggior beneficio è stato il dollaro americano, in quanto i tassi di interesse statunitensi sono quelli che sono aumentati maggiormente. Allo stesso tempo, lo yen giapponese si è deprezzato a causa del debole aumento dei tassi di interesse nipponici rispetto agli altri paesi. Successivamente alla vittoria di Trump, le valute dei mercati emergenti in particolare quelli già colpiti da problemi politici interni, come la Turchia, hanno considerevolmente perso terreno.
Da inizio 2016:
Il valore delle azioni di classe A è aumentato del 4,62% da EUR 204,57 a EUR 214,02,
Il valore delle azioni di classe B è aumentato di 1,05% da 155,73 euro a 157,36 euro
Il valore delle azioni di classe C è aumentato del 2,26% da CHF 110,47 a CHF 112,97.
French to Italian: L’economia mondiale alla ricerca di una vera e propria guida per affrontare il 2017 General field: Bus/Financial Detailed field: Economics
Source text - French L'économie mondiale en quête d'un vrai pilote en 2017
Tiraillés entre les différentes priorités de leurs membres, le G20 et l'OMC ont échoué à trouver des solutions communes aux grands enjeux économiques. En 2017, l'arrivée au pouvoir de Trump et les élections en Europe rendront la gouvernance mondiale encore plus compliquée.
Poussée de fièvre protectionniste aux Etats-Unis sous l'impulsion de Donald Trump, vague populiste antimondialisation dans les pays développés englués dans un chômage de masse, sortie programmée du Royaume-Uni de l'Union européenne, poursuite du creusement des inégalités, crises migratoires... L'année 2016 a réservé bien des surprises sans que ces chocs successifs ne provoquent des mesures d'ampleur et décisives pour endiguer la dérive de l'économie mondiale. Dirigeants politiques et économiques de la planète ont pourtant bien conscience de ses maux. Mais ils ne parviennent toujours pas à trouver la ou les médications adéquates. Et cet état de fait va continuer tout au long de 2017. Les « Diafoirus » continueront d'ausculter le malade et se demanderont toujours s'il faut lui administrer qui une purge, qui une amputation, qui une saignée...
Invoquée de longue date, la tenue d'un nouveau « Bretton Woods » pour redéfinir les contours d'une gouvernance mondiale qui va cahin-caha depuis 1944 a peu de chances de voir le jour. Il faudrait un conflit aussi dévastateur que la Seconde Guerre mondiale ou alors une crise financière encore plus déstabilisante que celle de 2008. Pour l'heure, les grands rendez-vous internationaux sont déjà calés : un G7 en Italie en mai, un G20 mi-juillet en Allemagne. Le tout saupoudré de réunions du Fonds monétaire international (FMI) et de la Banque mondiale à Washington, de l'Organisation de coopération et de développement économiques (OCDE) au printemps et de l'Organisation mondiale du commerce (OMC) en Argentine en décembre. Un rituel immuable. Tous ces forums internationaux, qui rassemblent la crème des élites, sont englués dans des débats inopérants pour assurer croissance, richesse, sécurité, sinon bonheur et prospérité à l'ensemble de la communauté internationale. L'histoire récente le prouve.
Tous les observateurs font le même constat : la gouvernance mondiale est en recul. La tendance à rechercher en commun des solutions internationales aux grands problèmes - migration, changement climatique, lutte contre la pauvreté, régulation financière, évasion fiscale - fondées sur des valeurs et des intérêts bien précis est en voie de se briser.
Erigé en vigie de l'économie mondiale en 2008, lors de la crise des « subprimes », le G20 ne peut à lui seul jouer ce rôle pleinement.
Translation - Italian L’economia mondiale alla ricerca di una vera e propria guida per affrontare il 2017
Il G20 e l’OMC, affaccendati ad affrontare le varie priorità dei loro paesi membri, non riescono a trovare soluzioni comuni alle grandi sfide economiche. L’ascesa al potere di Trump e le elezioni in Europa renderanno la governance globale ancora più difficile in questo 2017.
Il 2016 è stato un anno ricco di sorprese. Il dilagare del protezionismo promosso da Donald Trump negli Stati Uniti, l’ondata populista e antiglobal nei paesi più avanzati impantanati in una cronica disoccupazione di massa, l’uscita programmata del Regno Unito dall’Unione Europea, il continuo aumento delle disuguaglianze, la crisi dei migranti… Una serie di tragici avvenimenti consecutivi che non ha tuttavia condotto all’adozione di misure drastiche e veramente rilevanti per tentare di arginare la deriva dell’economia mondiale. Nonostante i leader politici ed economici del pianeta sappiano bene quali sono i mali che affliggono il nostro mondo, non sempre riescono a trovare la o le cure adatte a guarirli. E la ricerca di un elisir miracoloso continuerà durante tutto il 2017. I nostri “dottoroni” continueranno ad auscultare quest’economia malata e a chiedersi quale medicina somministrare.
Una nuova conferenza in stile “Bretton Woods” che si evoca da lungo tempo ormai per cercare di ridefinire i contorni di un’economia mondiale che vacilla dal 1944, probabilmente non vedrà mai la luce del giorno. Servirebbe un conflitto devastante tanto quanto la Seconda Guerra mondiale o magari una crisi finanziaria ancora più destabilizzante di quella del 2008. Per il momento, gli eventi più importanti di politica internazionale di questo 2017 sono già stati programmati. A maggio l’Italia assumerà la presidenza del G7; sarà poi il turno della Germania che presidierà il G20 a metà luglio. Ciliegina sulla torta, le riunioni del Fondo Monetario Italiano e della banca mondiale a Washington, dell’OCSE in primavera e dell’Organizzazione mondiale del commercio (OMC) in Argentina a dicembre. I classici appuntamenti di rito. Appuntamenti internazionali che riuniscono la crème de la crème dei politici e che prevedono sempre i soliti sterili dibattiti per garantire crescita economica, ricchezza, sicurezza, felicità e prosperità all’intera comunità internazionale. Come dimostra la storia recente.
La constatazione condivisa dagli osservatori rimane sempre la stessa: la governance globale è in crisi. Fondata su valori e interessi ben precisi, la tendenza a riunirsi per risolvere insieme i maggiori problemi internazionali quali migrazioni, cambiamenti climatici, lotta alla povertà, regolamentazione finanziaria, evasione fiscale è ormai in via di estinzione.
Autoproclamatosi nel 2008 come garante dell’economia mondiale durante la crisi dei subprime, il G20 non può adempiere pienamente a questo ruolo da solo.
English to Italian: Voce Cercasi General field: Tech/Engineering Detailed field: IT (Information Technology)
Source text - English TECHNOLOGY QUARTERLY
FINDING A VOICE
Computers have got much better at translation, voice recognition and speech synthesis, says Lane Greene. But they still don’t understand the meaning of language
I’M SORRY, Dave. I’m afraid I can’t do that.” With chilling calm, HAL 9000, the on-board computer in “2001: A Space Odyssey”, refuses to open the doors to Dave Bowman, an astronaut who had ventured outside the ship. HAL’s decision to turn on his human companion reflected a wave of fear about intelligent computers.
When the film came out in 1968, computers that could have proper conversations with humans seemed nearly as far away as manned flight to Jupiter. Since then, humankind has progressed quite a lot farther with building machines that it can talk to, and that can respond with something resembling natural speech. Even so, communication remains difficult. If “2001” had been made to reflect the state of today’s language technology, the conversation might have gone something like this: “Open the pod bay doors, Hal.” “I’m sorry, Dave. I didn’t understand the question.” “Open the pod bay doors, Hal.” “I have a list of eBay results about pod doors, Dave.”
Creative and truly conversational computers able to handle the unexpected are still far off. Artificial-intelligence (AI) researchers can only laugh when asked about the prospect of an intelligent HAL, Terminator or Rosie (the sassy robot housekeeper in “The Jetsons”). Yet although language technologies are nowhere near ready to replace human beings, except in a few highly routine tasks, they are at last about to become good enough to be taken seriously. They can help people spend more time doing interesting things that only humans can do. After six decades of work, much of it with disappointing outcomes, the past few years have produced results much closer to what early pioneers had hoped for.
Speech recognition has made remarkable advances. Machine translation, too, has gone from terrible to usable for getting the gist of a text, and may soon be good enough to require only modest editing by humans. Computerised personal assistants, such as Apple’s Siri, Amazon’s Alexa, Google Now and Microsoft’s Cortana, can now take a wide variety of questions, structured in many different ways, and return accurate and useful answers in a natural-sounding voice. Alexa can even respond to a request to “tell me a joke”, but only by calling upon a database of corny quips. Computers lack a sense of humour.
When Apple introduced Siri in 2011 it was frustrating to use, so many people gave up. Only around a third of smartphone owners use their personal assistants regularly, even though 95% have tried them at some point, according to Creative Strategies, a consultancy. Many of those discouraged users may not realise how much they have improved.
In 1966 John Pierce was working at Bell Labs, the research arm of America’s telephone monopoly. Having overseen the team that had built the first transistor and the first communications satellite, he enjoyed a sterling reputation, so he was asked to take charge of a report on the state of automatic language processing for the National Academy of Sciences. In the period leading up to this, scholars had been promising automatic translation between languages within a few years.
But the report was scathing. Reviewing almost a decade of work on machine translation and automatic speech recognition, it concluded that the time had come to spend money “hard-headedly toward important, realistic and relatively short-range goals”—another way of saying that language-technology research had overpromised and underdelivered. In 1969 Pierce wrote that both the funders and eager researchers had often fooled themselves, and that “no simple, clear, sure knowledge is gained.” After that, America’s government largely closed the money tap, and research on language technology went into hibernation for two decades.
The story of how it emerged from that hibernation is both salutary and surprisingly workaday, says Mark Liberman. As professor of linguistics at the University of Pennsylvania and head of the Linguistic Data Consortium, a huge trove of texts and recordings of human language, he knows a thing or two about the history of language technology. In the bad old days researchers kept their methods in the dark and described their results in ways that were hard to evaluate. But beginning in the 1980s, Charles Wayne, then at America’s Defence Advanced Research Projects Agency, encouraged them to try another approach: the “common task”.
Step by step
Researchers would agree on a common set of practices, whether they were trying to teach computers speech recognition, speaker identification, sentiment analysis of texts, grammatical breakdown, language identification, handwriting recognition or anything else. They would set out the metrics they were aiming to improve on, share the data sets used to train their software and allow their results to be tested by neutral outsiders. That made the process far more transparent. Funding started up again and language technologies began to improve, though very slowly.
Many early approaches to language technology—and particularly translation—got stuck in a conceptual cul-de-sac: the rules-based approach. In translation, this meant trying to write rules to analyse the text of a sentence in the language of origin, breaking it down into a sort of abstract “interlanguage” and rebuilding it according to the rules of the target language.
These approaches showed early promise. But language is riddled with ambiguities and exceptions, so such systems were hugely complicated and easily broke down when tested on sentences beyond the simple set they had been designed for.
Nearly all language technologies began to get a lot better with the application of statistical methods, often called a “brute force” approach. This relies on software scouring vast amounts of data, looking for patterns and learning from precedent. For example, in parsing language (breaking it down into its grammatical components), the software learns from large bodies of text that have already been parsed by humans. It uses what it has learned to make its best guess about a previously unseen text. In machine translation, the software scans millions of words already translated by humans, again looking for patterns. In speech recognition, the software learns from a body of recordings and the transcriptions made by humans. Thanks to the growing power of processors, falling prices for data storage and, most crucially, the explosion in available data, this approach eventually bore fruit.
Mathematical techniques that had been known for decades came into their own, and big companies with access to enormous amounts of data were poised to benefit. People who had been put off by the hilariously inappropriate translations offered by online tools like BabelFish began to have more faith in Google Translate. Apple persuaded millions of iPhone users to talk not only on their phones but to them. The final advance, which began only about five years ago, came with the advent of deep learning through digital neural networks (DNNs). These are often touted as having qualities similar to those of the human brain: “neurons” are connected in software, and connections can become stronger or weaker in the process of learning. But Nils Lenke, head of research for Nuance, a language-technology company, explains matter-of-factly that “DNNs are just another kind of mathematical model,” the basis of which had been well understood for decades. What changed was the hardware being used. Almost by chance, DNN researchers discovered that the graphical processing units (GPUs) used to render graphics fluidly in applications like video games were also brilliant at handling neural networks. In computer graphics, basic small shapes move according to fairly simple rules, but there are lots of shapes and many rules, requiring vast numbers of simple calculations. The same GPUs are used to fine-tune the weights assigned to “neurons” in DNNs as they scour data to learn. The technique has already produced big leaps in quality for all kinds of deep learning, including deciphering handwriting, recognising faces and classifying images.
Now they are helping to improve all manner of language technologies, often bringing enhancements of up to 30%. That has shifted language technology from usable at a pinch to really rather good. But so far no one has quite worked out what will move it on from merely good to reliably great.
Translation - Italian RUBRICA TRIMESTRALE DI TECNOLOGIA
VOCE CERCASI
Lane Greene, giornalista statunitense, ritiene che i computer stiano offrendo dei servizi di traduzione, di riconoscimento e sintesi vocale sempre più performanti, sebbene non siano ancora in grado di cogliere il significato profondo del linguaggio.
“Mi dispiace, David, purtroppo non posso farlo.” È con una calma agghiacciante che HAL 9000, il computer di bordo nel film 2001: Odissea nello spazio, rifiuta di aprire la saracinesca esterna a David Bowman, un astronauta che si era avventurato fuori dalla navicella. La decisione di HAL di ribellarsi al suo compagno umano riflette l’ondata di paura nei confronti dei computer intelligenti.
Quando il film uscì nel 1968, i computer capaci di avere conversazioni reali con gli esseri umani sembravano quasi fantascienza, come lo era anche un volo con equipaggio su Giove. Da allora, l'umanità è notevolmente progredita con l’invenzione di nuove macchine in grado di comunicare e di rispondere con un tono e una proprietà di linguaggio simile al linguaggio naturale. Nonostante ciò, la comunicazione risulta ancora difficoltosa. Se Odissea nello Spazio fosse stato girato per far riflettere sullo stato della moderna tecnologia del linguaggio, la conversazione sarebbe andata così: “Apri la saracinesca esterna, HAL.” “Mi dispiace, David, temo di non aver capito la domanda.” “Apri la saracinesca esterna, HAL.” “Ho un elenco di risultati eBay sulle saracinesche esterne, David.”
Peccato che la voce e il linguaggio resistano a questo approccio: pur sembrando sempre più vicina, la meta non è stata ancora veramente raggiunta. A rendere ulteriormente sfuggente l’obiettivo è la strada che ancora ci separa dall’obiettivo stesso: l’assenza, ad oggi, di computer creativi e in grado di comunicare naturalmente. Alla domanda di una possibile intelligenza come HAL o Terminator o Rosie, l’impertinente robot casalinga ne I pronipoti, i ricercatori di Intelligenza Artificiale (AI) non riescono a trattenere le risate. Eppure, anche se le tecnologie del linguaggio non sono neanche lontanamente pronte a sostituire gli esseri umani, eccezion fatta per alcuni compiti davvero di routine, sono comunque in procinto di diventare performanti quanto basta per essere prese sul serio, permettendo così alle persone di trascorrere più tempo a svolgere attività interessanti accessibili unicamente agli esseri umani. Dopo ben sessant’anni di duro lavoro, di cui una gran parte gettati al vento per ottenere tutta una serie di risultati deludenti, negli ultimi anni i risultati iniziano ad avvicinarsi a quelli tanto auspicati dai primi pionieri.
Il riconoscimento vocale ha compiuto notevoli passi avanti così come la qualità della traduzione automatica, passata da terribile e praticamente inutilizzabile ad accettabile, utile quanto meno per comprendere il senso globale di un testo, e chissà che in un futuro forse prossimo questi strumenti possano diventare così performanti da richiedere solo un minimo di revisione da parte degli umani. Gli assistenti personali virtuali quali Siri per Apple, Alexa di Amazon, Google Now e Cortana di Microsoft, sono ormai in grado di rispondere, in modo preciso e pertinente e con una voce naturale, a un’ampia gamma di domande strutturate in molti modi diversi. Su richiesta, Alexa può addirittura raccontarvi aneddoti: ovviamente non suoi, dato che i computer non possiedono senso dell’umorismo, ma presi da un database di battute banali. Nel lontano 2011 quando Apple introdusse Siri, il riconoscimento vocale sembrava così difficile da usare che molti utenti alzarono bandiera bianca. Solo un terzo, circa, dei possessori di smartphone si serve regolarmente di questi strumenti anche se, secondo Creative Strategies, una società di consulenza americana, a un certo punto, il 95% di loro avrebbe comunque fatto un tentativo. Ma forse molti di questi utenti scoraggiati non si sono ancora resi conto degli enormi progressi di questi strumenti.
Nel 1966 John Pierce lavorava per i Bell Labs, il principale centro di ricerca della società americana di telecomunicazioni AT&T che godette per molti decenni di un monopolio nel servizio telefonico. Dopo aver supervisionato la squadra che aveva costruito il primo transistor e il primo satellite per telecomunicazioni, Pierce ha goduto di un’eccellente reputazione che gli permise di essere scelto per la stesura di una relazione che facesse il punto sullo stato dell’elaborazione automatica del linguaggio per conto dell’Accademia Naturale delle Scienze (USA, Washington). Nel periodo immediatamente precedente a questo, infatti, i ricercatori avevano promesso che nell’arco di pochi anni, la traduzione automatica tra le varie lingue del mondo sarebbe diventata realtà.
Tuttavia, la relazione fu alquanto aspra. Ripercorrendo quasi un decennio di lavoro sulla traduzione automatica e sul riconoscimento vocale automatico, Pierce concluse che era giunto il momento di investire denaro “per degli obiettivi più importanti, più concreti e raggiungibili in tempi relativamente brevi”, un modo più sottile per affermare che la ricerca sulle tecnologie del linguaggio si era impegnata in promesse troppo grandi e inconcludenti. Nel 1969 Pierce scrisse che tanto i finanziatori quanto i ricercatori più entusiasti, che tanto speravano di riuscire nell’ardua impresa, si erano spesso ingannati, e che “non ne era emersa alcuna conoscenza vera, tangibile e chiara.” Il fallimento di tali tentativi, costò a molti progetti di ricerca sull’IA il taglio dei fondi da parte del governo degli Stati Uniti e fu così che la ricerca sulle tecnologie del linguaggio cadde nel dimenticatoio durante i successivi vent’anni.
La storia di come tale tema tornò alla luce è interessante e incredibilmente attuale, afferma Mark Liberman, professore di linguistica presso l'Università della Pennsylvania e capo del Linguistic Data Consortium (LDC), una preziosa miniera di testi e di registrazioni del linguaggio umano. Parole praticamente inconfutabili date le conoscenze di Liberman in materia di tecnologia del linguaggio. In un passato buio e ormai remoto, i ricercatori celavano il segreto dei metodi da loro impiegati e i risultati raggiunti, spesso descritti in modo incomprensibile e nebuloso, erano difficili da valutare. Un cambio di rotta si ebbe a partire dal 1980, quando Charles Wayne, program manager per i sistemi di lingua parlata della DARPA, la Defense Advanced Research Projects Agency statunitense, li invitò a tentare un approccio diverso: il “compito comune”.
Passo dopo passo
I ricercatori avrebbero dovuto concordare su una serie di pratiche volte a insegnare ai computer alcune funzioni di base quali: riconoscimento vocale, identificazione del parlatore, analisi del sentiment di un testo, ripartizione grammaticale, identificazione della lingua, riconoscimento della scrittura manoscritta e molto altro. Avrebbero inoltre stabilito i parametri da migliorare, condiviso i set di dati utilizzati per addestrare il loro software e permettere che i risultati ottenuti venissero analizzati da parte di terzi estranei e neutrali. Risultato: un processo molto più trasparente. Gli istituti di ricerca ricominciarono a essere finanziati e le tecnologie del linguaggio andarono via via evolvendo, seppur molto lentamente.
Molti dei primi approcci alla tecnologia del linguaggio e ancor di più alla traduzione, sono rimasti bloccati nell’impasse dell’approccio prescrittivo. In traduzione, ciò significava stabilire le regole per analizzare il testo di una frase nella lingua d'origine, scomponendola in una sorta di “interlingua” astratta e ricostruendola secondo le regole della lingua di destinazione.
Questi approcci mantennero le loro promesse iniziali. Ma le lingue sono così straordinariamente ricche di ambiguità ed eccezioni, che questi sistemi erano talmente complicati da bloccarsi in un battito di ciglia durante i test su frasi più complesse rispetto a quelle più semplici per i quali erano stati previsti.
Grazie all’impiego di metodi statistici, noti anche come tecniche “brute force”, quasi tutte le tecnologie del linguaggio sono via via migliorate. Come? Facendo ricorso a dei programmi software capaci di analizzare enormi volumi di dati e di rintracciare al loro interno dei pattern ricorrenti in modo da estrarre automaticamente l’algoritmo necessario per completare il compito assegnato. Ad esempio, nel linguaggio parsing, che scompone la frase nelle sue componenti grammaticali, il software impara dai corpi testo che sono già stati analizzati e scomposti dagli esseri umani, applicando tutto ciò che ha appreso a un testo a lui sconosciuto. In traduzione automatica, sempre alla ricerca di pattern, il software passa in rassegna milioni di parole già tradotte dagli esseri umani e che i programmatori gli forniscono costantemente; mentre nel riconoscimento vocale lo stesso software apprende da un corpus di registrazioni e di trascrizioni fatte da esseri umani. Grazie alla crescente potenza dei processori, al calo dei prezzi per l’archiviazione dei dati e, più importante, alla crescita esponenziale dei dati disponibili, questo approccio diede finalmente i suoi frutti.
Le tecniche matematiche che si conoscevano da decenni assunsero un ruolo di spicco e le grandi aziende che avevano accesso a enormi quantità di dati ne trassero subito vantaggio. Coloro che erano stati dissuasi nell’uso di strumenti di traduzione come BabelFish a causa di traduzioni a dir poco inappropriate hanno iniziato a riporre maggiore fiducia e a nutrire aspettative nei confronti di Google Traduttore. Apple è riuscita a convincere milioni di utenti iPhone non solo a parlare al telefono, ma con il telefono. L’ultima grande svolta, iniziata solo circa cinque anni fa, è l'avvento del deep learning, o apprendimento approfondito, che avviene attraverso le reti neurali digitali (DNNS). Spesso considerati come aventi qualità analoghe a quelle del cervello umano, i “neuroni”, le cui connessioni possono diventare più forti o più deboli durante il processo di apprendimento, sono collegati in un software. Tuttavia, Nils Lenke, responsabile della ricerca per Nuance, una società di tecnologia di linguaggio, spiega concretamente che “i DNNS sono solo un altro tipo di modello matematico”, il cui funzionamento era già ben noto da decenni. Il vero cambiamento di rotta è avvenuto con l’evoluzione dell'hardware in uso. Quasi per caso, i ricercatori di DNN hanno scoperto che le unità di elaborazione grafica (GPU) utilizzate per un rendering più fluido della grafica di applicazioni quali videogiochi erano anche in grado di gestire le reti neurali. Nella grafica per computer, piccole forme di base si muovono secondo regole abbastanza semplici, ma ci sono tante altre forme e regole che richiedono un gran numero di calcoli elementari. Le stesse GPU sono utilizzate per definire il peso assegnato ai “neuroni” nei DNNS mentre analizzano i dati da assimilare. Questa tecnica ha già prodotto grandi salti di qualità per tutti i tipi di deep learning, tra cui la decifrazione della scrittura manoscritta, il riconoscimento facciale e la classificazione delle immagini.
Attualmente, queste tecniche stanno contribuendo sempre più al miglioramento, fino al 30%, di tutti i tipi di tecnologie del linguaggio tanto da farle passare da utilizzabili a piuttosto buone. L’alba di una nuova era, quella in cui queste tecnologie già buone diventeranno incredibilmente affidabili, sembra ancora lontana e, quantomeno per il momento, nessuno sembra in grado di immaginarla.
More
Less
Translation education
Master's degree - ISIT
Experience
Years of experience: 12. Registered at ProZ.com: Oct 2014.
French to Italian (Intercultural School) French to Italian (Scuola Superiore di Lingue Moderne per Interpreti e Traduttori) French to Italian (Scuola Superiore per Interpreti e Traduttori di Pescara) English to Italian (Intercultural School) English to Italian (Scuola Superiore di Lingue Moderne per Interpreti e Traduttori)
English to Italian (Scuola Superiore per Interpreti e Traduttori di Pescara) Italian to French (Intercultural School) Italian to French (Scuola Superiore di Lingue Moderne per Interpreti e Traduttori) Italian to French (Scuola Superiore per Interpreti e Traduttori di Pescara) English to French (Intercultural School) English to French (Université Paris-Sorbonne IV) Italian to French (Université Paris-Sorbonne IV) English to Italian (Université Paris-Sorbonne IV) French to Italian (Université Paris-Sorbonne IV)
More
Less
Memberships
N/A
Software
Indesign, memoQ, Microsoft Excel, Microsoft Word, SDL Multiterm, Powerpoint, Trados Studio, Transifex
→ Freelance translator and interpreter graduated in Cross-Cultural Communication and Translation from ISIT and in Linguistics and Specialized Translation from Paris Diderot University (Sorbonne Nouvelle).
→ Italian and French native
→ Hard-working, meticulous and trustworthy
→ Specialized in marketing and technical translation and website localization
→ Working with SDL Trados Freelance Plus 2019
→ SFT (French Translators Association) certified member
Working with these language combinations: EN, ES, PT → IT <> FR
...and in the following fields:
📌Services
→ Translation
→ Website localization
→ Post-editing and proofreading
→ Subtitling
→ Copywriting
→ Liaison, consecutive and simultaneous interpreting
→ Internationalization consulting
🗽Why choose me?
Proven experience as export manager and communication officer for SMEs, maximized ROI (Return On Investment)
Proven experience in translation and project management for major accounts,
Specializations acquired through ad hoc training provided directly by my clients
📌Don't wait any longer, drop me a line to discuss about your project! See you soon :)
Keywords: French to Italian translator, SEO translator, Website translator, Italian transcreator, Italian Localization Specialist, Traduttore italiano francese, Traduzioni SEO francese, redattore SEO, Traducteur italien français, Traducteur français italien. See more.French to Italian translator, SEO translator, Website translator, Italian transcreator, Italian Localization Specialist, Traduttore italiano francese, Traduzioni SEO francese, redattore SEO, Traducteur italien français, Traducteur français italien, Traductions SEO italien, Transcréation italien, traducteur assermenté italien, traducteur assermenté français, traduttore giurato francese, sworn French translator, sworn Italian translator, traduzioni tecniche italiano francese, traductions techniques français italien, technical translations English to italian. See less.
Expertise 
Portfolio 
