La traducción automática es tan vieja como la IA. En 1947, Warren Weaver le escribió a Norbert Wiener que, ante un artículo en ruso, uno podía decirse: «This is really written in English, but it has been coded in some strange symbols. I will now proceed to decode». La carta reaparece en su memorándum de 1949 (Weaver, 1949), cuya concepción criptográfica de la traducción alentó los primeros proyectos (M. Mitchell, 2019, ch. 12), entre ellos la demostración Georgetown–IBM de 1954, que tradujo del ruso algo más de sesenta oraciones.
La historia tiene tres etapas (M. Mitchell, 2019, ch. 12). Primero, reglas escritas a mano: gramáticas de ambas lenguas y diccionarios bilingües, frágiles fuera de casos estrechos. Desde los años noventa, la traducción estadística: tablas de probabilidades entre frases aprendidas de corpus paralelos, como las actas bilingües del Parlamento canadiense. Y desde mediados de la década de 2010, la traducción neuronal con arquitecturas codificador–decodificador (Seq2seq, Atención de Bahdanau); Google Translate la adoptó en 2016. El Transformer se presentó, justamente, como un modelo de traducción, evaluado en inglés–alemán e inglés–francés (Vaswani et al., 2017).
Ejemplo mínimo (de Bar-Hillel, 1960): «Little John was looking for his toy box. Finally he found it. The box was in the pen.» Para traducir pen hay que elegir entre «lapicera» y «corralito», y no decide la gramática sino el saber sobre tamaños relativos de cajas, lapiceras y corrales. Bar-Hillel concluyó que la traducción totalmente automática de alta calidad era inalcanzable. Hoy la pregunta se invierte: si un sistema entrenado solo con texto acierta en casos así, ¿de dónde saca ese conocimiento del mundo?
Los LLMs actuales traducen sin haber sido entrenados específicamente para hacerlo; ya GPT-2 lo hacía de modo rudimentario, aunque en su corpus casi no había francés (Radford et al., 2019, sec. 3.7). La evaluación sigue siendo un problema: métricas como BLEU comparan la salida con traducciones de referencia a nivel de tokens (Alammar y Grootendorst, 2024, p. 374), y M. Mitchell (2019) advierte que los anuncios de «paridad humana» se apoyan en evaluaciones limitadas y que estos sistemas traducen sin comprender el texto en sentido humano (2019, ch. 12).