本文へスキップ

世界を照らす知

AIによる翻訳:Google翻訳、DeepL、チャットアシスタントの上手な活用法

機械翻訳は近年大きな飛躍を遂げ、数秒で自然な文章を作成できるようになりました。翻訳ツールの長所と短所、より良い結果を得るためのコツ、そして人間の翻訳者を起用しなければならない場面について解説します。

AIによる翻訳:Google翻訳、DeepL、チャットアシスタントの上手な活用法

機械翻訳は、2016年以降のニューラルネットワークベースのシステムへの移行に伴い著しく向上し、現在では大規模言語モデルにより、文体や文脈をより良く維持した翻訳が可能になっています。今日では、ウェブページ、メール、メニューなどを数秒で理解することができます。「理解するのに十分なレベル」と「公開できるレベル」の間には、依然として重要なギャップが存在します。

どのツールをどのように使うべきか?

  • 従来の翻訳ツール:Google翻訳、DeepL、Microsoft Translatorは高速で、多くの言語に対応し、文書の翻訳が可能です。
  • チャットアシスタント:ChatGPT、Claude、Geminiなどのアシスタントに対し、文体、ターゲット層、推奨用語を指定したり、翻訳の解説や別の表現を提案させたりすることができます。
  • カメラ・音声翻訳:看板の読取や会話の翻訳は、旅行の際に便利です。

より良い結果を得るためのヒント

  1. 文脈を伝える:例えば、「これはクライアント宛てのフォーマルなメールです」のように伝えます。
  2. 用語集を追加する:ブランドや専門分野の特殊な用語と、その望ましい訳語をリスト化します。
  3. 短く明確な文を使用する:長く曖昧な文はエラーを増加させます。
  4. 逆翻訳(バックトランスレーション)を行う:翻訳結果を再び元の言語に翻訳し、意味が保持されているかを確認します。
  5. ネイティブスピーカーに読んでもらう:特に公開されるテキストの場合には重要です。

よくあるエラー

  • 慣用句やことわざの直訳
  • 不適切な敬語・丁寧さのレベル
  • 数字、日付、単位の形式の混同
  • 原文にない情報の追加、または文の脱落

どのような場合に人間の翻訳者が不可欠か?

契約書、裁判資料、医療レポート、医薬品の添付文書、公的申請書類、出版用の書籍や広告コピーにおいては、エラーのコストが甚大です。これらには、プロフェッショナルな、そして必要に応じて公認の翻訳者を起用してください。専門家による修正(ポストエディット)の前提として機械翻訳を下訳として使用することも一般的な手法です。

機械翻訳はどのように発展したのか?

コンピュータ翻訳の試みは1950年代に遡りますが、その手法はいくつかの主要な段階を経てきました:

  • ルールベースシステム:言語学者が辞書や文法規則を一つずつ記述したもので、結果はしばしば粗削りな直訳となりました。
  • 統計的機械翻訳:2000年代になると、人間が翻訳した数百万の文ペアから、確率を用いてどのフレーズが何に対応するかをシステムが学習し始めました。
  • ニューラル機械翻訳:2016年、Googleは文を全体として処理するニューラルネットワークシステムへの移行を発表し、流暢さが著しく向上しました。
  • トランスフォーマーと大規模言語モデル:2017年に発表されたトランスフォーマーアーキテクチャは、現在の翻訳ツールやチャットアシスタントの基礎を形成しています。

話者数の少ない言語がより難しいのはなぜか?

翻訳システムが学習するには、大量のバイリンガルテキストが必要です。英語、スペイン語、フランス語などの言語では、このようなデータが豊富にあるため品質が高くなりますが、インターネット上のテキストが少ない言語ではエラーが著しく増加します。これらは「低リソース言語」と呼ばれます。2012年に発表されたMetaのNLLB-200プロジェクトなどの研究は、200言語をカバーするモデルによってこのギャップを埋めようとしています。それでもなお、重要なテキストを低リソース言語に翻訳する場合、ネイティブスピーカーによる結果の確認はこれまで以上に重要です。

AIツールの機能、プラン、価格は頻繁に変更されます。最新情報については、常にツールの公式ページをご確認ください。

参考文献および追加の読書

  1. Yonghui Wu et al., “Google’s Neural Machine Translation System”, arXiv, 2016.
  2. ISO 18587:2017, “Translation services — Post-editing of machine translation output”.
  3. 欧州委員会、eTranslationサービスおよび機械翻訳ガイダンス。
  4. Wu, Y. et al. (2016), “Google’s Neural Machine Translation System”, arXiv:1609.08144
  5. Vaswani, A. et al. (2017), “Attention Is All You Need”, NeurIPS
  6. NLLB Team (2022), “No Language Left Behind: Scaling Human-Centered Machine Translation”, arXiv:2207.04672
シェア
YulaHubをフォロー今日の重要ニュースをいち早くお届けします。
RSS

コメントを残す

メールアドレスは公開されません。必須項目は * でマークされています