Translating LHCb's Documentation: First experiences and ensuring maintenance

Il Large Hadron Collider, l'acceleratore di particelle più potente al mondo, si trova sotto il confine tra Francia e Svizzera, facendo scontrare protoni per ricreare le condizioni dell'universo subito dopo il Big Bang. Uno degli esperimenti ospitati lì, noto come LHCb, si concentra sulla comprensione del perché l'universo sia fatto di materia piuttosto che di antimateria. Per farlo, migliaia di scienziati da tutto il mondo devono lavorare insieme, utilizzando software complessi per setacciare miliardi di eventi di collisione. Tuttavia, questo software non è statico; cambia costantemente man mano che la macchina stessa viene aggiornata. Per i nuovi ricercatori che si uniscono al team, apprendere questo panorama digitale in continua evoluzione è stato tradizionalmente un'ascesa ripida, basata su un insieme di tutorial online e workshop annuali tenuti a Ginevra. Mentre l'esperimento entrava in una nuova fase operativa, il team si è trovato di fronte a una sfida pratica: come mantenere questi materiali di formazione vitali accurati, aggiornati e accessibili a un numero crescente di collaboratori che parlano lingue diverse dall'inglese, in particolare quelli in Cina.

La storia di come la collaborazione LHCb abbia risolto questo problema inizia con la consapevolezza che i loro materiali di formazione esistenti, noti come Starterkit, avevano bisogno di una revisione completa. L'esperimento aveva appena subito un massiccio aggiornamento e il software utilizzato per analizzare i dati era cambiato così significativamente che le vecchie lezioni non erano più utili. Il team ha scritto una nuova versione di queste lezioni, ma ha anche riconosciuto una realtà demografica: la Cina ospita il più grande gruppo di scienziati LHCb al di fuori dell'Europa. Molti di questi ricercatori non potevano viaggiare facilmente in Svizzera per l'annuale workshop in presenza a causa della distanza e dei requisiti del visto. Per garantire che questi scienziati non venissero lasciati indietro, il team ha deciso di creare un evento di formazione parallelo in Cina, il che ha richiesto la traduzione dell'intero nuovo set di lezioni in mandarino.

Tradurre centinaia di pagine di documentazione tecnica di fisica è un compito imponente, specialmente quando il testo contiene codice complesso e gergo specializzato che gli strumenti di traduzione standard spesso sbagliano. I ricercatori hanno scoperto che se chiedevano semplicemente a un'intelligenza artificiale di tradurre il testo, il risultato era frequentemente impreciso, con la macchina che inventava termini tecnici o interpretava erroneamente concetti di fisica circa il 20 percento delle volte. Per risolvere il problema, hanno costruito un sistema personalizzato che combinava la velocità dell'IA con la precisione degli esperti umani. Hanno prima addestrato un modello di IA locale su un dizionario verificato di termini di fisica, assicurandosi che la macchina comprendesse il vocabolario specifico dell'esperimento. L'IA generava quindi una bozza di traduzione, ma questa bozza non veniva mai pubblicata direttamente. Invece, veniva inviata a un panel di fisici bilingui che revisionavano il lavoro, correggendo eventuali errori sottili e assicurando che il flusso del linguaggio risultasse naturale per un madrelingua.

Per mantenere questo sistema funzionante nel tempo, il team ha progettato un flusso di manutenzione che impedisse alla versione cinese di restare indietro rispetto all'originale inglese. Si sono resi conto che se le lezioni in inglese venivano aggiornate, la versione cinese avrebbe dovuto cambiare immediatamente per rimanere utile. Hanno stabilito un processo in cui qualsiasi modifica al testo inglese attivava automaticamente una notifica a un referente dedicato in Cina. Questa persona utilizzava poi gli strumenti assistiti dall'IA per tradurre il nuovo materiale e verificarlo. Fondamentalmente, il team ha anche separato gli esempi di codice dal testo stesso. Archivando il codice in file separati che venivano inseriti automaticamente nelle lezioni, hanno garantito che il codice rimanesse identico in entrambe le lingue. Ciò ha permesso loro di eseguire test automatizzati sul codice ogni volta che veniva apportata una modifica, garantendo che gli esempi funzionassero effettivamente per uno studente che cercava di seguire la lezione, indipendentemente dalla lingua che stava leggendo.

Il successo di questo approccio è stato misurato monitorando quante persone utilizzassero i materiali tradotti. Dopo il lancio delle lezioni in cinese, il team ha osservato che circa il 22 percento di tutte le visite al sito web dello Starterkit coinvolgeva un utente che accedeva ad almeno una pagina in mandarino. Questo uso costante indicava che la traduzione non era solo una formalità, ma una risorsa vitale per una parte significativa della collaborazione. I dati hanno anche mostrato un chiaro schema di partecipazione, con un calo evidente del traffico durante la festività del Capodanno Cinese, riflettendo i ritmi reali degli scienziati che utilizzano il sito. Il progetto ha dimostrato che era possibile mantenere due versioni di un documento tecnico complesso simultaneamente senza creare un collo di bottiglia, assicurando che la comunità di lingua cinese potesse partecipare pienamente all'addestramento e all'analisi dell'esperimento.

Questo sforzo ha aperto la strada al primo workshop "gemello" tenutosi in Cina, insegnato interamente in mandarino, che integra l'evento tradizionale in Europa. Il sistema costruito dal team è abbastanza flessibile che, se altri gruppi di scienziati, come quelli in Brasile, desiderassero tenere i propri eventi di formazione locali, lo stesso quadro di traduzione e manutenzione potrebbe essere adattato per loro. Combinando strumenti automatizzati con la supervisione umana, la collaborazione LHCb ha garantito che la lingua non sia più una barriera all'ingresso per i nuovi scienziati, permettendo al team globale di lavorare insieme in modo più efficace mentre continuano a esplorare la natura fondamentale dell'universo.