Il blend è l'idea centrale di LingoBlend: incolli un testo qualsiasi nella tua lingua, e una percentuale scelta delle sue parole torna nella lingua che stai imparando, intrecciata in frasi che già capisci – il metodo del diglot weave con un'IA che fa l'intreccio. Per due anni, un'unica chiamata all'IA faceva tutto: leggeva il tuo testo, decideva quali parole tradurre, le traduceva e riscriveva l'intero passaggio. Funzionava – ma riuniva tre compiti molto diversi in uno solo, e ciascuno meritava uno specialista migliore.
Il problema di affidare tutto a un unico passaggio dell'IA#
Quando un unico output del modello porta l'intero testo blendato, tre cose entrano silenziosamente in competizione:
La selezione è una questione di policy, non di lingua. Quali parole dovrebbero essere blendate dipende da cose che l'IA non può sapere dal solo testo – quali parole hai già padroneggiato, quali sono da ripassare, quanto uniformemente il blend dovrebbe distribuirsi nella pagina. Un modello linguistico indovina; un selettore che controlliamo noi si può semplicemente istruire.
Riscrivere l'intero testo apre la porta a errori sull'intero testo. Se il modello riscrive ogni parola del tuo documento, ogni parola è un'occasione di errore – una frase persa, una frase duplicata, una traduzione incollata nel punto sbagliato. La nostra vecchia pipeline portava con sé un'intera catena di fasi di riparazione che esistevano soprattutto per correggere i danni resi possibili da questa architettura.
Il giudizio si diluisce. La vera competenza linguistica del modello – sapere che «gave up» è un'unica unità di significato, che «I would love» deve diventare me encantaría con il pronome ristrutturato – veniva spesa insieme a un lavoro di contabilità che non le sarebbe mai dovuto spettare.
La nuova divisione del lavoro#
Blend Engine v2 divide il compito lungo la sua giuntura naturale:
| Compito | Vecchio motore | Nuovo motore |
|---|---|---|
| Scegliere quali parole blendare | IA, nello stesso passaggio | Il selettore di LingoBlend, informato dal grafo del vocabolario e dalla tua padronanza personale |
| Tradurre nel contesto | IA | IA – con il testo intero come contesto, invariato |
| Gestire modi di dire ed espressioni fisse | Implicita, incoerente | Esplicita: l'espressione intera, oppure nulla |
| Assemblare il testo finale | L'IA riscrive tutto | Il tuo testo originale resta intatto; cambiano solo le parole scelte |
| Individuare gli errori | Riparazioni a posteriori | Verificato rispetto alla fonte prima della visualizzazione |
Poiché la selezione ora è nostra, segue principi che possiamo davvero dichiarare e verificare: scegliere un vocabolario che vale realmente la pena imparare, distribuirlo in tutto il testo invece di accumularlo nel primo paragrafo e – con la personalizzazione – saltare ciò che hai già padroneggiato. Il compito dell'IA si restringe all'unica cosa in cui è davvero insostituibile: tradurre correttamente quelle parole nel contesto del tuo testo intero.
Perché un compito più piccolo ha reso l'IA più intelligente#
Ecco la parte controintuitiva. Dare all'IA un compito più ristretto ne ha reso l'output migliore, perché finalmente potevamo essere espliciti sul giudizio linguistico che vogliamo da lei:
- I modi di dire e le espressioni fisse tornano interi. Se una parola scelta si trova dentro un modo di dire, un phrasal verb o un'espressione fissa, viene tradotta l'espressione intera – «kicked» dentro «kicked the bucket» torna come l'idioma completo, e toccarlo nel lettore salva la forma da dizionario dell'idioma, che è ciò che vale davvero la pena imparare.
- Le traduzioni naturali tengono con sé le parole vicine. Quando la traduzione giusta inghiotte le parole intorno a sé, queste la seguono. «Write to me» diventa Escríbeme come un'unica unità – mai Escríbeme con un «to me» abbandonato alle spalle.
- Le parole che non si traducono bene vengono lasciate intatte. Un nome, un gioco di parole, una parola la cui traduzione isolata fuorvierebbe – meglio non tradotta che sbagliata. Una parola non tradotta non costa nulla; una traduzione sbagliata ti insegna qualcosa di falso.
Nel benchmark che per noi contava di più – 93 frasi-trappola contenenti modi di dire, phrasal verb e verbi separabili in tutte le 17 lingue di partenza – il nuovo motore ne ha ampliate 65 in traduzioni corrette dell'espressione intera, contro 21 per il vecchio motore. Le coppie interlinguistiche hanno dato alcuni dei risultati migliori: il francese posé un lapin reso in tedesco come sitzen gelassen (cioè «piantato in asso»), mentre il vecchio motore proponeva Kaninchen – un coniglio preso alla lettera.
Verificato prima che tu lo veda#
Poiché il testo finale non viene più scritto da un modello, possiamo garantire proprietà che il vecchio motore poteva solo sperare di avere: ogni carattere del tuo testo originale sopravvive, ogni traduzione atterra esattamente dove si trovava la parola di partenza, e un'intera famiglia di errori sottili – «traduzioni» ripetute o in eco, grammatica segnata per sbaglio due volte nelle due lingue – viene intercettata prima della visualizzazione. Se una parola non supera la verifica, resta semplicemente non tradotta – la modalità di errore è invisibile invece che imbarazzante.
Un altro vantaggio è arrivato gratis: la velocità. Poiché l'IA non genera più l'intero documento – solo le parole tradotte – i blend si completano in circa la metà del tempo, con i casi più lenti a migliorare di più. Il blend per cui prima aspettavi ~6 secondi ora arriva in ~3.
Tutto il resto che conosci è invariato: tocca qualsiasi parola blendata per il suo contesto grammaticale e salva la forma base o la forma esatta che hai incontrato, rifai il blend di qualsiasi testo con una nuova percentuale, e leggi nello stesso lettore paginato.