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

Immagina di cercare di tradurre una barzelletta da una lingua all'altra, ma la barzelletta si basa su una parola che suona come due cose diverse contemporaneamente. In inglese, potresti dire: "I'm reading a book on anti-gravity. It's impossible to put down!" L'umorismo deriva dall'espressione "put down", che significa sia "smettere di tenere in mano" che "appoggiare su una superficie". Se traduci questo letteralmente in francese, perdi il doppio senso e la barzelletta muore. Questo è il complicato mondo dei "calembour" (giochi di parole), un tipo di gioco linguistico in cui una singola parola porta due significati o suona come un'altra parola. Per decenni, i computer sono stati terribili in questo perché sono addestrati per essere letterali, come un robot che segue una ricetta esattamente ma non ha senso dell'umorismo. Cercano di scambiare le parole una per una, il che spesso distrugge la battuta. Ma cosa succederebbe se potessimo insegnare ai computer di essere meno come robot e più come comici, comprendendo che a volte bisogna infrangere le regole della traduzione per mantenere viva la barzelletta?

Questo articolo, intitolato "Pun Intended", è un rapporto di un team di ricercatori della Georgia Tech che ha partecipato a una competizione chiamata CLEF JOKER 2025. Il loro obiettivo era tradurre calembour inglesi in francese utilizzando i cervelli informatici più recenti e potenti (chiamati Large Language Models). Invece di chiedere semplicemente al computer di "tradurre", hanno costruito un sistema in tre fasi progettato per catturare lo spirito della barzelletta piuttosto che le semplici definizioni del dizionario.

Per prima cosa, hanno provato un approccio "baseline", chiedendo semplicemente a diversi modelli di IA di generare calembour francesi e usando una seconda IA per agire come giudice, controllando se il risultato fosse effettivamente una barzelletta o solo una frase noiosa. Era come chiedere a un gruppo di amici di raccontare una barzelletta e far fare a un amico un cenno con la testa se era divertente. Sebbene questo funzionasse abbastanza bene, le barzellette spesso si allontanavano troppo dalla storia originale.

Per migliorare, hanno costruito una pipeline di "catena di pensiero guidata" (guided chain-of-thought). Considera questo come dare al computer una mappa e una bussola. Hanno insegnato all'IA a identificare prima la parola difficile, poi a cercare i suoi due diversi significati e infine a utilizzare uno strumento matematico speciale chiamato "embedding fonetico-semantico". Questo strumento è come un orecchio supersensibile e un dizionario combinati; aiuta il computer a trovare parole francesi che non solo abbere il significato giusto, ma che suonino anche simili alle parole inglesi originali. È come cercare una parola francese che suoni come "cat" ma significhi "dog", solo per vedere se si può creare un calembour.

Infine, hanno aggiunto un sistema "multi-agente". Immagina un panel di quattro diversi giudici, ognuno con un compito specifico: uno controlla se il significato è corretto, uno controlla se la traduzione suona naturale, uno controlla l'emozione e uno controlla se sembra autentica. Questi giudici non si limitavano a dare un punteggio; fornivano un feedback. Se la barzelletta non era abbastanza divertente o la traduzione era goffa, il sistema la riscriveva e ci riprovava, fino a cinque volte, finché il panel non era soddisfatto.

I risultati sono stati affascinanti. Quando i ricercatori hanno utilizzato i test informatici standard (che misurano quanto la nuova frase corrisponda a quella vecchia parola per parola), il loro sistema ha ottenuto un punteggio piuttosto basso. Questo perché il loro sistema evitava intenzionalmente le traduzioni letterali per mantenere vivo l'umorismo. Tuttavia, quando veri esperti esperti di lingua francese hanno letto le barzellette, il team è arrivato al primo e secondo posto su 51 squadre. Gli esseri umani amavano le barzellette perché erano effettivamente divertenti e avevano senso in francese, anche se non apparivano esattamente come gli originali inglesi.

L'articolo suggerisce che per tradurre con successo il gioco di parole, dobbiamo smettere di cercare di essere traduttori perfetti e iniziare a essere partner creativi. I ricercatori hanno scoperto che, sebbene gli ultimi modelli di IA siano ottimi nel individuare dove si trova un calembour, hanno bisogno di aiuto per trovare le parole francesi giuste che suonino e significhino le cose giuste. Combinando una "guida" che osserva suoni e significati, e un "panel" di giudici che perfezionano la barzelletta, hanno dimostto che i computer possono imparare a raccontare barzellette che funzionano attraverso le lingue. Non hanno risolto il problema di tradurre perfettamente ogni singolo calembour, ma hanno dimostrato che spostare l'obiettivo dalla "accuratezza letterale" all' "equivalenza divertente" è la strada giusta da seguire.