기계 학습이 번역의 복잡한 예술에 영향을 미치다

언어와 글쓰기 전문가인 Reuven Koret는 온라인 출판물 readwrite에서 인공 지능이 번역에 미치는 영향과 사용에 대해 자세히 논의했다. Koret는 인공 지능을 기반으로 하는 기계 번역 도구가 번역의 모든 측면에서 널리 사용되고 있음을 지적한다. 이것은 Google (GOOGL ), Microsoft (MSFT ), Facebook (META ), Amazon와 같은 회사의 독점적인 ML 번역 도구에만 국한되지 않는다. 또한 SDL과 같은 회사에서 제공하는 전문적인 도구도 사용되고 있다.

그러나 많은 전문 번역가와 기관들은 여전히 인공 지능을 번역에 사용하는 것에 대해 회의적이다. Tomedes와 같은 전문 언어 서비스 기관의 디지털 마케팅 책임자인 William Mamane도 여전히 회의적이다. 그러나 그는 기계 번역이 큰 발전을 이루었으며, 번역 서비스 가치 사슬에서 인공 지능과 기계 번역의 역할이 있다고 인정한다.

기계 번역의 어려움을 설명하기 위해 Koret는 “기본적으로 기계 번역은 알고리즘을 사용하여 한 언어의 단어를 다른 언어로 대체한다. 그러나 이것만으로는 성공적인 번역을 달성하기에 충분하지 않다. 원어와 목적어 모두를 이해하는 것이 필수적이다. 기계 번역을 원어를 해석하고 목적어로 기록하는 과정으로 이해할 수 있다.”

이러한 어려움을 해결하는 것은 매우 복잡한 과정이다. 현재 가장 발전된 과정은 “특정 구절에 대한 최상의 번역을 선택하기 위해 통계를 사용하거나” “가장 가능성 있는 의미를 선택하기 위해 구조화된 규칙을 사용하는” 것이다. 이러한 접근 방식은 편집자와校閲者の 참여가 필요하지만, “이러한 감시, 편집 또는 감수 역할은 번역보다 덜 요구되며 시간도 덜 걸린다.”

이러한 방법은 대부분의 웹 번역 앱이 기반으로 하는 방법이다. Google은 일일히 번역된 텍스트가 1백만 권의 책을 채울 수 있을 정도이다.

현재, 인공 지능을 번역 과정에 사용하는 더 큰 발전은 신경망 기계 번역(Neural Machine Translation, NMT)을 사용하여 이루어지고 있다. NMT는 깊은 학습을 사용하여 번역을 수행하며, “전체 문장, 단순히 개별 단어만을看着”한다. 동시에 NMT는 “통계적 방법에 필요한 메모리의 일부분만을 필요로” 하기 때문에 더 빠르게 작동한다.

NMT의 사용은 2014년에 처음 연구되었지만, 지난 5년 동안의 빠른 발전으로 인해 양방향 반복 신경망(Recurrent Neural Network, RNN)의 개발이 가능해졌다. “이러한 네트워크는 원본 문장을 두 번째 RNN인 디코더로 전달하는 인코더를 결합한다. 디코더는 목적어에서 나타날 단어를 예측한다.” Google은 NMT에서 이 접근 방식을 사용하여 Google 번역을 구동한다. 또한 Microsoft는 Microsoft Translator와 Skype Translator에서 RNN을 사용한다.

Koret는 NMT가 번역을 지원할 수 있으며, 숙련된 언어학자들이 번역 출력을 완성하고 다듬을 수 있다고 결론지었다. 미래의 번역가는 인공 지능과 함께 작업하는 경우가 더 많을 것이다.