Primum: non discriminare

La traduzione automatica ha rivoluzionato la comunicazione globale, abbattendo barriere linguistiche e culturali. Ma cosa succede quando il linguaggio stesso è portatore di pregiudizi o esclude identità e prospettive? Oggi la sfida non è più solo tradurre correttamente, ma farlo in modo inclusivo, superando il binarismo di genere ed evitando discriminazioni sistematiche.

Attorno a questo focus si è sviluppata l’indagine pluriennale di Andrea Piergentili: la traduzione inclusiva intesa non solo come sfida di fairness per quanto riguarda il genere ma come cambio di paradigma, per riequilibrare la rappresentazione linguistica delle identità personali e restituire output non discriminatori per costruzione.

Il binarismo di genere non è solo una semplificazione linguistica, ma un sistema che produce esclusione e conseguenze negative concrete. Le persone non-binary che vivono in contesti dove il genere è rigidamente diviso in maschile e femminile riportano livelli più alti di ansia e depressione, a causa della mancanza di riconoscimento sociale. Non si tratta solo di parole: il binarismo si traduce in discriminazioni sistemiche, come l’accesso limitato a ruoli di potere, risorse o cure mediche. Ad esempio, la FAO ha evidenziato come in agricoltura, l’uso di termini maschili per indicare professioni (es. “contadino”) renda invisibile il lavoro delle donne, che pure rappresentano il 60% della forza lavoro in molti paesi. Analogamente, l’uso dei maschili sovraestesi nei bandi per posizioni lavorative riduce la partecipazione femminile a quei bandi e svantaggia le donne nella selezione. Il linguaggio, insomma, non si limita a descrivere la realtà, ma la costruisce attraverso l’influenza esercitata da alcune scelte linguistiche; e se è binario, esclude chi non vi si adatta.

Le parole, però, possono anche essere uno strumento di cambiamento. Se una cultura non ha termini per descrivere identità non binarie, sarà più difficile anche immaginarle. Ecco perché il linguaggio inclusivo non è una questione formale di “correttezza politica”, ma sostanziale di giustizia sociale. 

In ambiti come la traduzione automatica, il problema si amplifica: sistemi come Google Translate, addestrati su dati non privi di bias, assegnano generi binari anche quando il contesto è neutro, perpetuando stereotipi. È così che la frase “The nurse is tired” viene spesso tradotta in italiano come “L’infermiera è stanca”, anche se il soggetto potrebbe essere un uomo o una persona non-binary. Questo non è un errore tecnico, ma un fallimento etico che rispecchia e rinforza disuguaglianze esistenti.

L’Unione Europea, con l’AI Act, ha riconosciuto che l’IA deve essere testata per bias di genere, soprattutto in contesti sensibili come sanità o legge. Ma il vero cambiamento parte da noi: prendersi cura delle parole significa considerare che il linguaggio inclusivo non sia affatto un vezzo e che vada anzi riconosciuto come un diritto. Perché, come scrive Judith Butler, il genere è performatività (non si è, ma si fa); e se il palcoscenico è costruito solo per due ruoli, tutti gli altri restano fuori dalla scena.

La buona notizia è che esistono soluzioni. Il lavoro dell’unità di ricerca MT del centro FBK Digital Industry va in questa direzione. 

: “Si può affermare che la tua nicchia disciplinare abbia riscontrato negli ultimi anni un interesse crescente, quali sono le principali ragioni?” 

Andrea Piergentili: “Ho avuto la fortuna di poter dedicare la mia ricerca a un campo di ricerca nuovo e di veder crescere questo campo sia nella popolarità sia nella rilevanza all’interno della mia comunità scientifica. Credo che i contributi realizzati insieme al mio gruppo, tutti rilasciati pubblicamente e apertamente accessibili, abbiano contribuito e aperto la strada a questi sviluppi.”

GS: “Un esempio di soddisfazione o risultato significativo?”

AP: “Soddisfazioni ne ho avute molte. Da un punto di vista più teorico, è stato bello vedere come alcune nostre proposte linguistiche e concettuali siano state riprodotte e applicate ad altre lingue. Da un punto di vista più pratico, il fatto che i nostri dataset, modelli e approcci siano stati usati per condurre altra ricerca è stato sia una soddisfazione che una validazione del nostro lavoro.” 

GS: “Quali sfide hai affrontato?“

AP: “Una sfida tecnica è stata la mancanza di dati. Da un lato, le tecnologie di intelligenza artificiale si basano su dati che spesso riflettono stereotipi sociali, dunque mancano collezioni dati che ne siano privi; dall’altro, la domanda di strumenti capaci di riconoscere e valorizzare la complessità delle identità di genere è sempre più pressante.”  

GS: “Quali sono state le persone che ti hanno supportato maggiormente?”  

AP: “Innanzitutto le colleghe Luisa Bentivogli (responsabile dell’unità) e Beatrice Savoldi che, insieme a Matteo Negri, hanno saputo indirizzarmi per ampliare i miei orizzonti, aiutandomi a orientarmi e dando una prospettiva al mio lavoro. Un altro aspetto fondamentale per trovare equilibrio e rinnovare l’entusiasmo è stato l’appartenenza alla comunità di PhD students di FBK, sono nate molte amicizie che, una condivisione dopo l’altra hanno fatto la differenza sia per la mia resilienza che per arricchire di altre sensibilità e competenze il mio sguardo e approccio iniziale. Non solo ho capito sempre meglio, cioè con maggiore precisione, cosa mi interessa, ma in un certo senso la comunità fa funzionare meglio chi fa il nostro mestiere, è un elemento di sostenibilità, la molla che ti dà il piacere di andare in ufficio tutti i giorni. Col passare del tempo è stato bello e naturale condividere e trasmettere a mia volta ciò che avevo imparato alle persone che hanno iniziato il mio stesso percorso dopo di me, con l’obiettivo di aiutarle a navigare meglio questo percorso e trovare soddisfazioni professionali e personali.”