Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings for CLEF JOKER 2025 Task 2

Imagina que estás intentando traducir un chiste de un idioma a otro, pero el chiste depende de una palabra que suena como dos cosas distintas a la vez. En inglés, podrías decir: "I'm reading a book on anti-gravity. It's impossible to put down!" (Estoy leyendo un libro sobre la antigravedad. ¡Es imposible dejarlo!). El humor proviene de la frase "put down", que significa tanto "dejar de sostener" como "colocar sobre una superficie". Si traduces esto literalmente al francés, pierdes el doble sentido y el chiste muere. Este es el complicado mundo de los "juegos de palabras", un tipo de juego lingüístico donde una sola palabra conlleva dos significos o suena como otra palabra. Durante décadas, las computadoras han sido pésimas en esto porque están entrenadas para ser literales, como un robot que sigue una receta exactamente pero no tiene sentido del humor. Intentan intercambiar palabras una por una, lo que a menudo destruye el remate. Pero, ¿y si pudiéramos enseñar a las computadoras a ser menos como robots y más como comediantes, comprendiendo que a veces hay que romper las reglas de la traducción para mantener vivo el chiste?

Este artículo, titulado "Pun Intended", es un informe de un equipo de investigadores de Georgia Tech que participó en una competición llamada CLEF JOKER 2025. Su objetivo era traducir juegos de palabras del inglés al francés utilizando los cerebros computacionales más recientes y potentes (llamados Modelos de Lenguaje de Gran Escala o LLM). En lugar de simplemente pedirle a la computadora que "traduzca", construyeron un sistema de tres pasos diseñado para capturar el espíritu del chiste en lugar de solo las definiciones de diccionario.

Primero, probaron un enfoque de "línea base", pidiendo simplemente a diferentes modelos de IA que generaran juegos de palabras en francés y usando una segunda IA para actuar como juez, comprobando si el resultado era realmente un chiste o solo una frase aburrida. Esto era como pedirle a un grupo de amigos que contara un chiste y hacer que un amigo asintiera si era divertido. Aunque esto funcionó aceptablemente, los chistes a menudo se alejaban demasiado de la historia original.

Para mejorar, construyeron un flujo de trabajo de "cadena de pensamiento guiada". Piensa en esto como darle a la computadora un mapa y una brújula. Le enseñaron a la IA a identificar primero la palabra difícil, luego buscar sus dos significados diferentes y, finalmente, utilizar una herramienta matemática especial llamada "embeddings fono-semánticos". Esta herramienta es como un oído súper sensible y un diccionario combinados; ayuda a la computadora a encontrar palabras en francés que no solo signifiquen las cosas correctas, sino que también suenen similares a las palabras originales en inglés. Es como intentar encontrar una palabra francesa que suene como "cat" pero signifique "dog", solo para ver si puedes sacar un chiste de ello.

Finalmente, añadieron un sistema de "multi-agentes". Imagina un panel de cuatro jueces diferentes, cada uno con un trabajo específico: uno comprueba si el significado es correcto, uno comprueba si la traducción suena natural, uno comprueba la emoción y uno comprueba si se siente auténtica. Estos jueces no solo daban una puntuación; daban retroalimentación. Si el chiste no era lo suficientemente divertido o la traducción era torpe, el sistema lo reescribía e intentaba de nuevo, hasta cinco veces, hasta que el panel estuviera satisfecho.

Los resultados fueron fascinantes. Cuando los investigadores utilizaron pruebas computacionales estándar (que miden qué tan cerca está la nueva oración de la original palabra por palabra), su sistema obtuvo una puntuación bastante baja. Esto se debe a que su sistema evitó intencionadamente las traducciones literales para mantener vivo el humor. Sin embargo, cuando expertos humanos que hablan francés con fluidez leyeron los chistes, el equipo de la investigación obtuvo el primer y segundo lugar entre 51 equipos. Los humanos amaron los chistes porque eran realmente divertidos y tenían sentido en francés, incluso si no se parecían exactamente a los originales en inglés.

El artículo sugiere que, para traducir juegos de palabras con éxito, debemos dejar de intentar ser traductores perfectos y empezar a ser socios creativos. Los investigadores descubrieron que, si bien los modelos de IA más recientes son excelentes detectando dónde hay un juego de palabras, necesitan ayuda para encontrar las palabras francesas adecuadas que suenen y signifiquen las cosas correctas. Al combinar un "guía" que observa sonidos y significados, y un "panel" de jueces que refinan el chiste, demostraron que las computadoras pueden aprender a contar chistes que funcionen a través de los idiomas. No resolvieron el problema de traducir cada uno de los juegos de palabras perfectamente, pero demostraron que cambiar el objetivo de la "precisión literal" a la "equivalencia divertida" es el camino correcto.