未来 翻訳。 翻訳業に未来はない?

通訳・翻訳の未来はどうなるのか?仕事の需要と供給、機械翻訳・通訳についてなど。

未来 翻訳

このような変化の背景にあるのは「ディープラーニング(深層学習)」である。 ご存じのとおり、昨今は「AI」(人工知能)として、ひと言でまとめられてしまうことも多い概念だ。 ディープラーニングの登場で、機械翻訳はどう変化したのか? 何が起きていて、どんな限界があるのか? あらためて読み解いてみよう。 急速に進化する「ディープラーニング型」機械翻訳 AIという言葉は、決して新しいものではない。 コンピュータの歴史は「人工知能」探求の歴史でもあり、これまでにも何度かAIブームが起きてきたが、現在のブームは「ディープラーニングのブーム」といっても過言ではない。 ディープラーニングがどういう技術で、機械翻訳にどんな役割を果たしているのか? それは、言葉の「意味」をどう考えるか、という点で表すことができる。 過去との比較で語ったほうがわかりやすいだろう。 機械翻訳ではもともと、文章や単語のもつ具体的な意味にはいっさい踏み込んでいなかった。 用例をもとに読み替え、翻訳していく。 「今日は晴れです=Today is sunny day」といった相互に対応する文例を多数用意し、逐一置き換えを行う「辞書的翻訳」だったのだ。 そこで登場したのが「統計的機械翻訳」だ。 大量に文例を集めたうえで各単語を記号化し、統計処理に基づいて機械的に処理していくことで、翻訳のためのデータベースができ上がる……というしくみだ。 単語はあくまで記号として扱われるため、どんな意味の文書が処理されているのか、ソフトウエア側はまったく把握していない。 そこに大きな変化が起きた。 きっかけとなったのは、2014年にグーグルが発表した「自動翻訳にディープラーニングを活用する」という論文である。 この論文をもとに、2年ほど前から、ネット上の機械翻訳サービスは、ディープラーニングを使ったものへと切り替えが進んでいる。 コンピュータの歴史は「人工知能」探求の歴史でもあった photo by iStock ディープラーニングは「言葉の意味」を学習しない ディープラーニングは現在、俗に「AI」とよばれる技術の中核となっている考え方だ。 「大量の情報と答えの例から人間が学ぶのに近いやり方でひたすら学習して、ルールを自動的につくる」方法、と説明することができる。 その結果、従来はルール化が難しかった、非常にあいまいなものを判断するソフト開発に向いている。 画像認識や音声認識にも活用され、「猫を見分ける」「人の顔を見分ける」「声を認識する」といった処理の精度が劇的に向上している。 冒頭で、カメラの画像から文字の部分だけを翻訳する例を紹介したが、これも、画像認識・文字認識の能力が、ディープラーニングの導入で格段に向上したことによる成果だ。 こうしたしくみを自動翻訳におけるルール作りに使ったのが、現在主流となりつつある「ディープラーニングによる自動翻訳」である。 とはいえ、このディープラーニングにおいても、「AI」という言葉から想起されるような「意味の解釈」は行われていない。 だが、「意味をふまえる」ことには一歩踏み込んでいるのが特徴だ。 ディープラーニング・ベースでの機械翻訳では、語感や語順など、文章の流れも考慮したうえで「どういう空間にどういう情報とともに配置されるか」を重視している。 たとえば「匙(さじ)」と「スプーン」は、ディープラーニングによる学習の結果、近い空間に、似た情報をもって存在するのだという。 だから「両者は似たような意味である」と判断されて、翻訳に使われる。 翻訳対象となる文章が多いほど、そうした判定の精度が向上しやすいため、文章を見ると「意味をふまえて、従来よりも自然な文章ができ上がっているように見える」のだという。 これが、ディープラーニングで機械翻訳の精度が上がった理由である。 各社は現在、機械翻訳用のエンジンをディープラーニング・ベースに置き換えているが、それにもやはり理由がある。 各社がディープラーニングを支持しているのは「まだ伸びしろが大きい」からなのだ。 統計的機械学習などの過去の手法は、おおむね20年にわたって研究されてきた。 各社の評価として、統計的機械学習による翻訳精度の向上は「踊り場状態」にあり、近い将来に劇的な成長を見込める状態にはない。 だが、ディープラーニングによる翻訳は、論文の発表から実用化まで、わずか2年ほどしか研究されていないにもかかわらず、すでに統計的機械学習による翻訳の精度を超えている。 しかも、まだまだ向上の余地がある。 そのような将来性に対する評価から、各社はいっせいにディープラーニング・ベースへと舵を切ったのである。

次の

自然と話題の「DeepL翻訳」、「Google翻訳」「みらい翻訳」と比較してみた AAも翻訳できる

未来 翻訳

Weblio公式 英語で「今後・これから・未来のこと」について言及する場合、主に will あるいは be going to などの語を使って、未来のことであると表現します。 一般的には「未来形」「未来表現」と呼ばれます。 will も be going to も、意味的に大差なく、文法上の使いどころもほぼ同じ、相互に置き換え可能な場合のも多い表現です。 とはいえニュアンスの違いもあります。 正しいニュアンスの違いを把握できるようになっておきましょう。 その意味で「未来表現」の方が誤解の少ない言い方です。 What time will you meet tomorrow? 明日何時に待ち合わせようか. After 10 is convenient for me. 10時以降が都合良いなあ. Then, we will meet at 10 tomorrow. See you! なら明日10時に待ち合わせよう、じゃあね will は未来のことに関する《強い意志》を示す will は未来の出来事についての自分の 意志を表現するニュアンスの色濃い表現です。 will は現在・現時点の事柄についての自分の意志を表現する際にも用いられます。 未来と現在との区別があいまいで、どちらとも付かない表現になっている場合も多々あります。 Do you have any plans for this winter? 今年の冬はどうするの?. 長野でスキーをする予定だよ! 長野にスキーをしに行く予定は前々から決めていた計画というニュアンスが含まれています。 be going to は客観的な未来を示す be going toは、比較的 客観的な未来について言及するニュアンスも含みます。 「語り手が話す時点ですでに決まっている事柄」も、ある意味では客観的な未来といえるでしょう。 特定の兆候を手がかりとした推測なども、客観的な判断といえます。 の表現が適切です。 I will take an English exam next month. 来月英語の試験を受けます will を使って「試験を受けます」と言うと、どちらかというと 自分の意志で英語の試験を受けるニュアンスが強調されます。 英語能力試験を自発的に受験するような場面、または、会話の最中に(その場で)「よし英語の試験を受けよう」と決めた、という場面なら will の方が適切でしょう。 あらかじめスケジュールが決まっている英語の試験を受けるという場合、たとえば学校の期末に行われるテストを受けるという場合は、 be going to が当てはまるでしょう。 話し手が英語能力試験を受験することにしており、それを相手に報告する、という場合も be going to が適切です。 とはいえ、実際の会話では、厳密に区別しなかったらからといって致命的な誤解を招くという場面もそうそうありません。 まずは尻込みせずに会話に挑んで、会話の中で慣れていく気構えこそが重要です。

次の

自然と話題の「DeepL翻訳」、「Google翻訳」「みらい翻訳」と比較してみた AAも翻訳できる

未来 翻訳

ニューラル翻訳による自動翻訳の精度向上のためには、ニューラルネットワークのアルゴリズムの改良が有効であることに加えて、翻訳データ量の影響が大きいので様々な分野の翻訳データの確保が重要となります。 翻訳データとは、原文とそれが様々な言語に翻訳された訳文の対を集めたものです。 現在までに活用されている翻訳データの大部分はwebページのクローリングによって 集めたものです。 しかし、webページに掲載されている翻訳データは社会にある翻訳データのごく一部に過ぎません。 現在までに、NICTは、中央官庁、地方自治体、企業、各種団体などからも翻訳データの提供を受けていますが、現在の量が足りない様々な分野の翻訳データを集積しなければなりません。 企業などには技術資料やマニュアルなどの翻訳データが眠っているのではないでしょうか。 今後はオールジャパン体制で翻訳データをNICTに集積し、日本の翻訳技術の多分野化・高精度化に取り組んでいきたい (図1)と考えています。 当面の目標としては1億文の翻訳データの集積を目指しています。 そして、精度が向上した自動翻訳技術を実際に使っていただくことにより更に翻訳データが増え、その結果自動翻訳の精度が更に向上することになります。 社会全体で自動翻訳を育てながら高精度自動翻訳を活用していくというエコシステムが生まれると考えています。 図2:高精度翻訳の分野 様々な分野で高精度翻訳 (図2)を実現することで「言葉の壁」をなくし、日本を『世界で最も多言語コミュニケーションが容易な国』にすることによって、日本の経済・社会の活性化に貢献します。

次の