Voci Ritrovate: Quando le Reti Neurali Diventano Custodi della Poesia Europea Dimenticata

C'è qualcosa di profondamente commovente nell'idea che un algoritmo possa sussurrare, in italiano contemporaneo, i versi di un poeta occitano del XIII secolo che nessuno legge da generazioni. Eppure è esattamente quello che sta succedendo in alcuni laboratori sparsi tra Barcellona, Lisbona, Cracovia e Bologna, dove ricercatori e ingegneri informatici condividono lo stesso tavolo — e spesso lo stesso entusiasmo — per un obiettivo che fino a pochi anni fa sembrava fantascienza: restituire vita letteraria ai margini dimenticati del continente.

Il Cimitero delle Lingue Minori

L'Europa è un mosaico linguistico di straordinaria complessità. Accanto alle grandi tradizioni letterarie — italiana, francese, tedesca, spagnola — esistono decine di lingue e dialetti che hanno prodotto poesia, narrativa, canti rituali e cronache storiche di valore inestimabile. Il ladino dolomitico, il francoprovenzale, il sorbio, il kashubian polacco, il cornish britannico: ognuna di queste tradizioni ha i suoi poeti, i suoi cantori, i suoi narratori. La maggior parte di questi testi giace in archivi poco accessibili, spesso in condizioni precarie, letti da una manciata di specialisti nel mondo.

"Il problema non è solo la conservazione fisica," spiega Marta Sobieralska, filologa dell'Università di Danzica che lavora su un progetto di recupero della letteratura kashubian medievale. "Il vero ostacolo è la traduzione. Senza una versione accessibile in una lingua di grande diffusione, questi testi rimangono invisibili per il grande pubblico. E tradurre dal kashubian antico richiede competenze così rare che il collo di bottiglia è strutturale."

È qui che entrano in scena i modelli di machine learning.

Macchine che Imparano a Sentire

I sistemi di traduzione automatica neurale — quelli che stanno alla base di strumenti come DeepL o Google Translate — funzionano allenandosi su enormi quantità di testi paralleli, ovvero testi già tradotti in più lingue. Il problema con le lingue minori è che questo corpus parallelo quasi non esiste. Come si allena una rete neurale su una lingua di cui sopravvivono forse tremila pagine di testo?

La risposta, sorprendentemente creativa, viene da un gruppo di sviluppatori del progetto europeo Lingue Vive, coordinato da un consorzio che coinvolge università italiane, spagnole e ceche. L'approccio si chiama transfer learning: invece di partire da zero, si prende un modello già addestrato su lingue affini e lo si adatta progressivamente alla lingua target, integrando le conoscenze linguistiche dei filologi umani come strato di supervisione.

"Non stiamo chiedendo alla macchina di fare tutto da sola," precisa Lorenzo Ferretti, uno degli sviluppatori italiani del progetto, con base a Bologna. "La rete neurale fa una prima proposta di traduzione, poi uno specialista la corregge, poi quella correzione rientra nel sistema come nuovo dato di addestramento. È un dialogo continuo tra intelligenza artificiale e intelligenza umana. E funziona."

I risultati, in alcuni casi, sono stati sorprendenti. Un ciclo di ballate in antico francoprovenzale, ritrovato in un monastero valdostano e mai tradotto integralmente, è stato reso in italiano moderno con una qualità che i revisori accademici hanno giudicato "comparabile a una traduzione umana di buon livello". Non perfetta, certo. Ma leggibile, bella, viva.

Il Paradosso della Tecnologia Conservatrice

C'è un'ironia sottile in tutto questo, che non sfugge a chi lavora nel settore. Per anni il dibattito culturale ha contrapposto tecnologia e tradizione come se fossero nemici naturali: la macchina che minaccia il mestiere del traduttore, l'algoritmo che svuota di senso la scrittura umana, il digitale che erode l'autenticità del patrimonio. E invece, in questo angolo specifico del mondo culturale europeo, la relazione si è capovolta.

"La tecnologia non sta sostituendo nessuno qui," riflette Sobieralska. "Sta moltiplicando le possibilità. Io da sola, lavorando per trent'anni, potrei tradurre forse il cinque per cento del corpus kashubian che vogliamo rendere accessibile. Con gli strumenti che abbiamo ora, possiamo pensare di completare il lavoro in un decennio, coinvolgendo anche giovani ricercatori che non avrebbero mai avuto accesso a questi testi senza una versione di partenza su cui lavorare."

Questa prospettiva risuona con qualcosa di profondo nella tradizione culturale italiana, paese che meglio di ogni altro conosce il peso e il privilegio di custodire un patrimonio smisurato. Anche in Italia esistono tradizioni letterarie minori — il dialetto siciliano medievale, la poesia in ladino, le cronache in venetico — che potrebbero beneficiare di approcci simili. E alcuni progetti in questa direzione stanno già prendendo forma, tra Venezia e Palermo.

Poeti che Tornano a Casa

Ma al di là degli aspetti tecnici, c'è una dimensione quasi emotiva in questo lavoro che è difficile ignorare. Quando un testo che nessuno leggeva da quattrocento anni torna improvvisamente disponibile, accessibile, comprensibile, succede qualcosa che va oltre la filologia.

Il progetto Voci del Baltico, guidato da un team lituano-finlandese, ha recentemente pubblicato online una raccolta di poesie in antico prussiano — una lingua considerata estinta da tre secoli — tradotte in lituano, inglese e italiano grazie a una combinazione di machine learning e revisione filologica manuale. La risposta del pubblico ha stupito gli stessi ricercatori: migliaia di accessi nelle prime settimane, commenti di lettori che descrivevano l'esperienza come "un incontro con qualcuno che pensavi perduto per sempre".

"C'è una fame di radici," dice Ferretti. "Le persone vogliono sapere da dove vengono, vogliono sentire le voci di chi li ha preceduti. E quando queste voci parlano in lingue che nessuno conosce più, la tecnologia diventa l'unico ponte possibile."

Un Cantiere Aperto

Il lavoro è ancora immensamente vasto. Si stima che in Europa esistano decine di migliaia di testi letterari in lingue minori o dialetti storici mai tradotti in modo sistematico. Molti sono a rischio di deterioramento fisico. Altri esistono solo in trascrizioni ottocentesche di dubbia qualità. La strada è lunga.

Ma qualcosa è cambiato. C'è una nuova alleanza, fragile e affascinante, tra chi conosce il passato e chi costruisce il futuro. Tra filologi che passano la vita a decifrare manoscritti e sviluppatori che scrivono codice nelle prime ore del mattino. Tra la lentezza paziente della ricerca umanistica e la velocità iterativa del machine learning.

Forse è proprio in questo spazio inaspettato — dove la grammatica incontra il gradiente, dove il manoscritto dialoga con il modello neurale — che l'Europa sta trovando uno dei modi più originali per fare i conti con se stessa. Non cancellando la complessità della sua storia linguistica, ma amplificandola. Rendendola udibile, finalmente, a tutti.