機械学習が翻訳の複雑な芸術に進出する

言語と文章の専門家であるReuven Koretは、オンライン出版物のreadwriteで、翻訳における人工知能の影響と使用状況について詳細に説明している。Koretは、翻訳プロセスのすべての側面で、AIベースの機械翻訳ツールの使用が広まりつつあることを指摘している。これは、Google (GOOGL ) 、Microsoft (MSFT ) 、Facebook (META ) 、Amazonなどの独自のML翻訳ツールに限定されていない。詳細なプロフェッショナルツールを提供する会社 seperti SDLも存在する。

しかし、多くのプロフェッショナル翻訳者やエージェンシー、例えばWilliam Mamane、Tomedesのデジタルマーケティング担当者は、翻訳におけるAIの使用について懐疑的である。ただし、Mamaneのような懐疑論者も、機械翻訳が重大な進歩を遂げており、「翻訳サービス値チェーンの中には、AIと機械翻訳のための場所がある」と指摘している。

機械翻訳の課題を説明するために、Koretは「基本的なレベルで、MTはアルゴリズムを使用して、1つの言語の単語を別の言語の単語に置き換える。しかし、これだけでは翻訳に成功することはできない。両方の言語の全フレーズの理解が必要である。MTを、ソース言語を解読し、ターゲット言語でその意味を記録するという方法で理解することができる。」

この課題を解決するのは非常に複雑なプロセスであり、現在最も発達したプロセスは、「統計を使用して、与えられたフレーズの最良の翻訳を選択する」というものである。また、「構造化されたルールを使用して、最も可能性の高い意味を選択する」というアプローチもある。これらのアプローチでは、エディターとプルーフリーダーの関与が必要である。しかし、「その監視、編集、または監査役割は、翻訳よりも要求が少なく、時間がかからない。」

これらの方法は、Google Translateのようなウェブ翻訳アプリの基盤となっている。注目すべきは、Googleが1日あたり100万冊の本分の翻訳を処理していることである。

現在、翻訳プロセスにおけるAIの使用において、さらに大きな進歩が成し遂げられている。ニューラル機械翻訳（NMT）を使用して、「深層学習を使用して翻訳し、単語だけでなく全文を考慮する」というアプローチが取られている。同時に、NMTでは「統計的手法に必要なメモリの小さな部分しか必要とせず、同時に高速に動作する」という特徴がある。

NMTの使用は2014年に初めて研究されたが、過去5年間の急速な進歩により、双方向の再帰神経ネットワーク（RNN）の開発が可能になった。再帰神経ネットワークは、エンコーダとデコーダの2つのRNNで構成されており、エンコーダはソース文を2番目のRNNであるデコーダに渡す。デコーダは、ターゲット言語で出現するべき単語を予測する。GoogleはNMTでこのアプローチを使用してGoogle Translateを駆動させている。また、MicrosoftもMicrosoft TranslatorとSkype TranslatorでRNNを使用している。

Koretは、NMTは翻訳を支援することができ、熟練した言語学者は翻訳出力を完成させ、磨き上げることができる。将来的には、翻訳者はより頻繁に人工知能と協力して仕事をすることになるだろう」と結論付ける。