본문 바로가기

카테고리 없음

기계 번역의 활용

기계 번역(MT)은 번역 산업에 항상 존재합니다. 이 기술은 LSP(언어 서비스 공급자)의 프로젝트 일정을 단축하고 전 세계에 콘텐츠를 현지화하면서 고객의 비용을 절감하는 데 사용되고 있습니다. 그러나 이 시점에서 MT가 정확성 문제로 인해 유일한 번역 수단으로 사용될 수 없다는 것이 명백해 졌습니다. Google 번역과 같은 응용프로그램은 일반적으로 문서나 단어의 일부를 번역하는 데 성공적이지만, 사용자 번역자가 해독할 수 있는 특정 고유 특성을 캡처할 수 없습니다.


MT는 20세기 초부터 1980년대와 1990년대에 발전하기 전까지는 완전히 실현된 도구로 간주되지 않는 상대적으로 새로운 기술입니다. George Artsrouni와 Petr Smirnov-Troyanski는 1930년대에 MT를 만드는 방법을 개별적으로 연구했고, Smirnov-Troyanski는 MT 시스템에 필요한 토대를 마련했습니다. 즉, Smirnov-Troyanski는 시스템에 단어를 기본 형식으로 변환하기 전에 소스 언어에 익숙한 편집자가 단어를 대상 언어로 동등한 형식으로 변환해야 한다고 제안했습니다. 그런 다음 대상 언어에 익숙한 다른 편집자가 기계 변환을 편집합니다.


성공적인 MT 시스템을 구축하려는 시도는 컴퓨터의 등장으로 1950년대와 1960년대까지 이어졌고, 1954년 IBM은 언론에 널리 유포된 데모에서 조지타운 대학과 제휴하여 당시 대단한 업적으로 여겨졌습니다. 비록 이 분야에서 진보가 계속되었지만, 언어를 디지털로 번역하는 생각은 점점 더 가능성이 있는 것처럼 보였고, 결점이 있는 실험처럼 보였습니다.


미국 정부가 연구가 진행되지 않아야 한다고 말하면서 MT의 진행상황에 대한 근거 없는 보고서를 발표한 ALPAC 기술 자문위원회를 만들 정도로 희망은 줄어들었습니다. 보고서는 1980년대에 중요한 발전이 다시 나타날 때까지 MT 연구를 중단했습니다.


MT 연구 개발은 디지털 시대로 접어들면서 1990년대와 2000년대에 크게 성장했습니다. 신경 기계 번역(NMT)이 오늘날 업계에서 파도를 일으키고 있습니다.


MT는 법률, 생명 과학, 제조, 정보 기술, 금융 및 소비자 제품을 포함하여 서로 다른 분야의 기업에 다양한 기능을 제공합니다. 컨텐츠 현지화를 시도하는 기업은 비용을 절감하고 글로벌 메시지를 보다 효율적으로 전달하기 위해 MT를 사용하는 데 성공했습니다.


MT에는 다음과 같은 다양한 기능이 있어 변환 프로젝트를 보다 신속하게 수행할 수 있습니다.


- 언어 식별 : 많은 문서를 빠르게 통과하고 이 문서의 텍스트가 어떤 언어로 작성되었는지 판독할 수 있는 기능입니다.

- 키워드 검색 : 이를 통해 사용자는 문서에서 자주 나타나는 특정 용어를 검색할 수 있습니다.

- 시각 문자 인식 : OCR은 디지털 기술을 사용하여 인쇄된 문자를 인식할 수 있는 기술입니다.


현재 MT에서는 사용자가 번역기를 사용하지 않고도 번역의 요지를 파악할 수 있습니다. 새로운 기술이 기업에 이득이 될 수 있는 경우가 있지만, 동시에, 잘못된 방법으로 사용한다면 그 기술의 제약이 그 능력을 넘어섭니다.


매우 최근에 구글과 Microsoft는 구문 기반 기계 변환(PBMT)을 대체할 수 있는 비교적 새로운 기술인 NMT를 변환 시스템과 함께 사용하기 시작했습니다. NMT는 신경 네트워크를 통해 전체 문장이나 아이디어를 이해할 수 있는 인공지능을 사용하는 반면, PBMT는 한 번에 단어나 문장 부분만 해독할 수 있습니다.


비즈니스에 언어 편집 없이 단일 MT를 사용하기 전에 사용자는 솔루션이 성공적인 솔루션이 될 수 있는지 확인하기 위해 몇 가지 질문을 스스로에게 던져야 합니다. MT 사용 여부는 다음 사항에 크게 의존해야 합니다.


- 품질이 이 프로젝트의 중요한 부분인가요?

- 빠른 반환 시간이 필요합니까?

- 이것은 외부에 배포될까요?

- 비용 효율성이 우선입니까?


즉시, 기업들은 MT 사용 여부를 결정할 때 어떤 종류의 프로젝트를 완료해야 하는지 확인해야 합니다. 만약 최고의 품질을 가지고 있다면, 인간 통역사의 도움 없이 정확한 번역품을 받기 위해 단독 MT를 사용하는 것은 불가능할 것입니다.


동시에, 로펌이 많은 문서를 신속하게 확인하고 어떤 문서를 시험용으로 번역해야 하는지 파악해야 하는 경우, MT를 도구로 사용하는 것이 매우 유용할 수 있습니다. 강력한 언어 식별 도구는 번역 전에 많은 양의 외국어 텍스트를 거쳐야 하는 과제에 대해 시간을 절약하고 비용 효율적인 기능으로 작용할 수 있습니다.


동시에, 로펌이 많은 문서를 신속하게 확인하고 어떤 문서를 시험용으로 번역해야 하는지 파악해야 하는 경우, MT를 도구로 사용하는 것이 매우 유용할 수 있습니다. 강력한 언어 식별 도구는 번역 전에 많은 양의 외국어 텍스트를 거쳐야 하는 과제에 대해 시간을 절약하고 비용 효율적인 기능으로 작용할 수 있습니다.


이 기능은 또한 어려운 마감일에 직면한 사람들에게도 도움이 될 수 있습니다. MT는 번역이 필요한 것과 그렇지 않은 것을 분류하기 위해 통역관보다 훨씬 더 빨리 텍스트를 통과할 수 있기 때문입니다. 하지만, 만약 번역 프로젝트가 외부적으로나 고객에게 배포될 것이라면, 반드시 사람 번역기를 사용하거나 기계 번역과 사후 편집의 조합을 사용해야 합니다.


비용이 문제가 될 경우 기업은 특정 MT 도구를 활용하여 비용을 줄일 수 있습니다. 언어 식별을 위해 또는 기본적으로 외국어 문서를 이해하기 위해 MT는 인증된 LSP를 사용하는 것보다 훨씬 저렴합니다.


MT가 작동하지 않는 경우


MT의 가장 큰 단점은 언어적 뉘앙스와 은유를 인간이 할 수 있는 것처럼 습득할 수 없다는 것입니다. 이 트루즘은 Google과 Bing Translate를 사용하여 쿠란의 구절을 번역하는 연구에서 AlSukhni, Al-Kabi 및 Alsmadi에 의해 증명되었습니다.


품질이 필요한 프로젝트의 경우 MT를 비즈니스를 위한 유일한 변환 도구로 사용할 수 없습니다. MT에만 의존해서는 안 되는 프로젝트는 다음과 같습니다.


의료 기기처럼 규제가 심한 분야에 종사하는 사람들은 다음과 같습니다.

외부용으로 배포될 프로젝트입니다.

미묘하고 복잡한 텍스트를 번역해야 하는 프로젝트입니다.

일본 간호사들 사이에서 MT의 유용성을 조사하는 료코, 히로노 그리고 타카히로의 기사에서, 응답자들은 외국의 의학 원문을 해독할 때 MT가 "충분히 유용하지 않다는 것을 발견했습니다. 이 연구는 또한 다른 언어로 된 기술 용어에 대한 더 강한 지식이 MT를 사용하여 더 나은 경험을 제공한다는 사실을 강조했습니다.


MT는 올바르게 사용하는 방법을 알고 있는 기업에게 매우 귀중한 자산입니다. 보안 환경에서 사용되는 MT 툴은 모든 수직 환경에서 강력한 자산이 될 수 있습니다. 아마도 가장 중요한 것은 MT에 관심 있는 기업은 이 기술을 어떻게 사용하고 싶은지, 그리고 리소스를 효과적으로 사용하기 위한 프로젝트의 범위가 무엇인지 알아야 한다는 것입니다.


회사 내부에 보관되지 않는 한 문서를 번역하는 데 MT를 유일한 리소스로 사용해서는 안 됩니다. 그럼에도 불구하고, 기업들은 항상 MT만 사용할 때 실수가 발생할 가능성이 높다는 사실을 알고 있어야 합니다.