Translating LHCb's Documentation: First experiences and ensuring maintenance

El Gran Colisionador de Hadrones, el acelerador de partículas más potente del mundo, se encuentra bajo la frontera entre Francia y Suiza, chocando protones para recrear las condiciones del universo justo después del Big Bang. Uno de los experimentos alojados allí, conocido como LHCb, se centra en comprender por qué el universo está hecho de materia en lugar de antimateria. Para lograrlo, miles de científicos de todo el mundo deben trabajar juntos, utilizando un software complejo para filtrar miles de millones de eventos de colisión. Sin embargo, este software no es estático; cambia constantemente a medida que la propia máquina se actualiza. Para los nuevos investigadores que se unen al equipo, aprender este paisaje digital en constante cambio ha sido tradicionalmente una escalada empinada, dependiendo de un conjunto de tutoriales en línea y talleres anuales celebrados en Ginebra. A medida que el experimento entraba en una nueva fase de operación, el equipo se enfrentó a un desafío práctico: cómo mantener estos materiales de formación vitales precisos, actualizados y accesibles para un creciente número de colaboradores que hablan idiomas distintos del inglés, particularmente aquellos en China.

La historia de cómo la colaboración LHCb resolvió este problema comienza con la comprensión de que sus materiales de formación existentes, conocidos como el Starterkit, necesitaban una revisión completa. El experimento acababa de someterse a una actualización masiva, y el software utilizado para analizar los datos había cambiado de tal manera que las lecciones antiguas ya no eran útiles. El equipo escribió una nueva versión de estas lecciones, pero también reconoció una realidad demográfica: China alberga al grupo más grande de científicos de LHCb fuera de Europa. Muchos de estos investigadores no podían viajar fácilmente a Suiza para el taller presencial anual debido a la distancia y los requisitos de visado. Para asegurar que estos científicos no se quedaran atrás, el equipo decidió crear un evento de formación paralelo en China, lo que requería traducir todo el nuevo conjunto de lecciones al mandarín.

Traducir cientos de páginas de documentación técnica de física es una tarea desalentadora, especialmente cuando el texto contiene código complejo y jerga especializada que las herramientas de traducción estándar suelen interpretar erróneamente. Los investigadores descubrieron que si simplemente pedían a una inteligencia artificial que tradujera el texto, el resultado era frecuentemente inexacto, con la máquina inventando términos técnicos o malinterpretando conceptos de física aproximadamente el 20 por ciento de las veces. Para solucionar esto, construyeron un sistema personalizado que combinaba la velocidad de la IA con la precisión de los expertos humanos. Primero entrenaron un modelo de IA local con un diccionario verificado de términos de física, asegurando que la máquina comprendiera el vocabio específico del experimento. La IA generaba entonces un borrador de traducción, pero este borrador nunca se publicaba directamente. En su lugar, se enviaba a un panel de físicos bilingües que revisaban el trabajo, corrigiendo cualquier error sutil y asegurando que el flujo del lenguaje se sintiera natural para un hablante nativo.

Para mantener este sistema funcionando sin problemas a lo largo del tiempo, el equipo diseñó un flujo de trabajo de mantenimiento que evitaba que la versión china se quedara atrás respecto a la original en inglés. Se dieron cuenta de que si las lecciones en inglés se actualizaban, la versión en chino tendría que cambiar inmediatamente para seguir siendo útil. Establecieron un proceso en el que cualquier cambio en el texto en inglés activaba automáticamente una notificación a un enlace dedicado en China. Esta persona utilizaría entonces las herramientas asistidas por IA para traducir el nuevo material y verificarlo. Crucialmente, el equipo también separó los ejemplos de código de texto. Al almacenar el código en archivos separados que se insertaban automáticamente en las lecciones, aseguraron que el código permaneciera idéntico en ambos idiomas. Esto les permitió ejecutar pruebas automatizadas sobre el código cada vez que se realizaba un cambio, garantizando que los ejemplos realmente funcionaran para un estudiante que intentara seguir la lección, independientemente del idioma que estuviera leyendo.

El éxito de este enfoque se midió rastreando cuántas personas utilizaban los materiales traducidos. Tras el lanzamiento de las lecciones en chino, el equipo observó que aproximadamente el 22 por ciento de todas las visitas al sitio web del Starterkit implicaban que un usuario accedía al menos a una página en mandarín. Este uso constante indicó que la traducción no era solo una formalidad, sino un recurso vital para una parte significativa de la colaboración. Los datos también mostraron un patrón claro de interacción, con una disminución notable del tráfico durante las vacaciones del Año Nuevo Lunar, reflejando los ritmos del mundo real de los científicos que utilizan el sitio. El proyecto demostró que era posible mantener dos versiones de un documento técnico complejo simultáneamente sin crear un cuello de botella, asegurando que la comunidad de habla china pudiera participar plenamente en la formación y el análisis del experimento.

Este esfuerzo ha allanado el camino para que se celebre en China el primer taller "hermano", impartido íntegramente en mandarín, complementando el evento tradicional en Europa. El sistema que el equipo construyó es lo suficientemente flexible como para que, si otros grupos de científicos, como los de Brasil, desearan celebrar sus propios eventos de formación locales, el mismo marco de traducción y mantenimiento pudiera adaptarse para ellos. Al combinar herramientas automatizadas con supervisión humana, la colaboración LHCb ha asegurado que el idioma ya no sea una barrera de entrada para los nuevos científicos, permitiendo que el equipo global trabaje de manera más efectiva mientras continúan explorando la naturaleza fundamental del universo.