概要

機械翻訳（MT）とは、コンピュータープログラムを用いて、ある自然言語のテキストや音声を別の自然言語へ自動的に変換する技術である。これは計算言語学と自然言語処理の中核的なテーマの一つである。最も単純な形では、ある言語の語や句を別の言語の対応表現に置き換えるが、現代のシステムは構文、意味、文脈までモデル化して、より自然で正確な出力を目指す。MTを行うソフトウェアは、ウェブサービス、モバイルアプリ、生産性向上ツールなどに組み込まれ、言語をまたいで内容を利用しやすくするために使われる。その例として、こうしたソフトウェアがある。

基本的な特徴とアプローチ

MTシステムは、いくつかの大きな方式を経て発展してきた。歴史的に重要なのは、言語知識を明示的に記述するルールベース手法と、統計的機械翻訳のようなデータ駆動型手法である。近年では、ニューラル機械翻訳（NMT）が主流の技術となっている。NMTは、大規模な対訳コーパスで学習した機械学習モデルを用い、忠実さと流暢さの両方を考慮した訳文を予測する。

  • 語単位・句単位の置換: 初期のシステムでは、原言語の単位を目標言語の単位に対応づける。これは直訳に近い考え方である。
  • ルールベースシステム: 言語学者が手作業で作成した文法や語彙に依拠する。
  • 統計的・コーパスベースのシステム: 対訳テキストの例から、起こりやすい翻訳を推定する。
  • ニューラルシステム: データから意味と文脈の表現を学習する、エンドツーエンドのモデルである。

歴史と発展

自動翻訳への関心は20世紀半ばにさかのぼり、冷戦期の研究や初期の機械知能実験の一部として始まった。長い年月の中で、分野は言語学者が作成したルールから、対訳テキストの集積が利用可能になるにつれてコーパス駆動型の方法へ移り、さらに深層学習と大規模データセットの進展によりニューラル手法へと向かった。現在も、長文脈の翻訳、低資源言語、多様なモダリティを組み合わせる入力（テキストと音声、または画像を合わせるもの）などが研究課題となっている。

用途と例

機械翻訳は、企業のローカライズ、国際コミュニケーション、旅行や観光、コンテンツモデレーションなどで広く使われている。一般的な用途には、ウェブサイトやアプリのローカライズ、音声のリアルタイム通訳、字幕生成、文書やメッセージの迅速な翻訳が含まれる。MTは分野に応じて調整することもできる。ドメイン適応の技術を用いれば、技術文書、医療文書、法的文書を翻訳する際に、より良い結果を得やすい。また、システムによっては天気予報のような定型的な資料向けに、専用の選択肢を提供することもある。

強み、限界と人間との協働

MTの強みは速度と拡張性にあり、多くの言語でほぼ即時の翻訳を可能にする。一方で、慣用句、文化的参照、曖昧な文、非常に創造的な文体は苦手である。出力の質は、学習データの量と多様性、そして対象分野が定型的かどうかに大きく左右される。そのため、重要な場面では正確さを確保するために人間によるポストエディットが一般的に用いられ、専門翻訳者もしばしばMT出力を出発点として作業する。

評価と注目点

研究者は、BLEUのような自動評価指標と、忠実さおよび流暢さを評価する人間による判断を組み合わせてMTを評価する。翻訳品質を完全に捉える単一の指標は存在しないため、実務では自動採点と目的に応じた人手レビューを併用する。注目すべき点としては、生のMT出力とポストエディット済みMTの違い、そして用途ごとに利用可能な多様なアーキテクチャがあることが挙げられる。より詳しい技術的背景については、翻訳研究および自然言語研究の資料を参照するとよい。