슬리핑렉스의 엉뚱발랄 블로그 햄버거 메뉴

목차

    로컬라이제이션 업계 분석



    지난 한 해 동안 우리가 얼마나 많은 진전을 이룩했는지, 그리고 어떤 진전이 우리 앞에 놓여 있는지에 대해 알아봅시다. 인공 지능은 우리 삶의 규범이 되어 이제는 그 어느 때 보다 모국어의 일부가 되었습니다. 사람들은 AI 인공지능과 하루 하루에 여러 번 상호 작용하며 그러한 기술이 보편화되고 있음을 인정했습니다. 


    2019년에 우리는 무엇을 해야 할까요? 16 세기 예언자 노스트라다무스의 예언에 주목한다면, 우리는 범람과 전쟁, 그리고 유성에 대한 공격에 대비해야 합니다. 우리가 그 모든 것을 살아 남았다고 가정할 때, 2019년에 기술 동향은 무엇이 있을까요? 


    AI 인공지능


    우리는 2018년에 신경 기계 번역을 제공하는 데 AI 인공지능 사용이 폭발적으로 증가한 것을 보았습니다. 2019년 이후에도 계속될 것으로 예상됩니다. AI 인공지능은 머신 러닝과 심화 학습을 포괄하는 용어입니다. 머신 러닝은 컴퓨터 교육, 알고리즘 사용, 데이터 구문 분석, 학습 및 누적 된 학습을 기반으로 정보에 입각 한 의사 결정을 하는 데 사용됩니다. 행동 중 머신 러닝의 예는 넷플릭스가 다음에 보길 원하는 것을 보여줍니다. 또는 아마존이 사고 싶은 책을 제안합니다.


    현지화 업계 내에서 여러 형태의 기계 번역 (MT)의 형태로 AI 인공지능의 사용은 크게, 번역 품질의 출력을 향상 데이터의 거대한 양의 번역을 가속화하고 경제적으로 실행하기 위해 번역의 가격을 내렸습니다. 


    인공 지능이란 인간의 신경 기능을 모방하고 이미지 인식, 말하기 구문 분석, 복잡한 데이터 세트에서의 분별력있는 패턴 및 정확한 의사 결정과 같은 작업을 수행하도록 만들어진 컴퓨터 시스템을 의미합니다. 또한 인공 지능은 인간보다 빠르고 저렴하고 정확하게 이러한 작업을 수행할 수 있습니다. 인공 지능은 1950 년대부터 주변에 있었지만, 이제는 시대가 도래했다고 말할 수 있습니다. 이러한 발전은 이제 클라우드에서 계속 증가하는 계산 능력에 의해 추진되게 되었습니다. 


    포브스에 따르면 6 명 중 5 명이 AI 인공지능 기술을 매일 사용합니다. 이러한 서비스에는 네비게이션 앱, 스트리밍 서비스 (예: 넷플릭스), 스마트 폰 개인 비서, 데이트 앱, 스마트 홈 장치 (예: 원격 활성화 홈 보안 시스템) 등이 포함됩니다. 또한 AI 인공지능은 전자 상거래 사이트에서 기차 예약, 유지 보수주기 예측 및 기타 업무 핵심 업무에 사용되는 권장 엔진에 사용됩니다. 


    로컬라이제이션 업계에서 AI 인공지능은 MT 시스템의 고도로 통합된 구성 요소가 될 것입니다. 번역가의 역할은 원문 번역가가 아닌 MT 텍스트 편집자의 역할로 계속 진화 할 것입니다. 또한, 가격 모델은 전통에서 이동하는 것입니다 단어 당 가격에 단어 볼륨을 기반으로 시간 측정 속도에 가격. MT는 표준 워크플로우의 필수 부분이 될 것입니다. IOT (Internet of Things)와 같은 기술을 기반으로 하는 실시간 번역의 현실은 프로젝트 관리자와 편집자가 업데이트 된 정보를 일정하게 필요로 하는 고객이 필요로 하는 프로젝트의 워크플로우를 관리하는 것을 보게 됩니다. MT는 다른 컴퓨터 지원 번역 도구와 마찬가지로 번역 과정의 일부가 될 것입니다. 또한 진화하는 기술로 더 빠르고 비용 효율적인 솔루션을 원하게 될 것입니다. 


    머신 러닝 

    현지화 기술

    머신 러닝은 대규모 데이터 세트의 신속한 번역 요구 사항이 업계에서 지속적으로 추진되고 있으므로 대부분의 현지화 부서에서 사용하는 도구로 계속 성장할 것입니다. 


    머신 러닝은 AI 인공지능과 인공지능의 하위 집합입니다. 머신 러닝을 사용하면 컴퓨터는 처음에 프로그래밍하도록 프로그래밍되지 않은 작업을 자동으로 수행합니다. 그래서 머신 러닝은 컴퓨터가 복잡한 알고리즘을 사용하여 복잡한 데이터를 구문 분석하고 패턴을 학습함으로써 스마트 알고리즘을 사용하여 작업을 자동화하고 컴퓨터가 이 누적 된 지식을 기반으로 정보에 입각 한 의사 결정을 내릴 수 있도록 하는 교육입니다. 머신 러닝은 크게 감독과 감독되지 않은 두 가지 유형의 학습으로 크게 나눌 수 있습니다. 


    감독된 머신 러닝의 경우, 학습 데이터는 사전 레이블링되며 정렬 된 입력 데이터 세트 및 원하는 출력 데이터 세트로 구성 됩니다. 예를 들어, 입력 데이터 세트는 번역 메모리 일 수 있습니다. 머신 러닝 알고리즘은 학습 데이터를 분석하고 학습한 출력 데이터 세트와 일치하도록 향후 입력을 변환하는 방법을 매핑합니다. 


    감독되지 않은 머신 러닝은 감독된 머신 러닝과 비슷합니다. 그러나 입력 데이터 세트는 사전 분류되거나 레이블링하지 않습니다. 감독되지 않은 머신 러닝의 목표는 레이블이 없는 데이터에서 숨겨진 구조를 찾는 것입니다. 


    그렇다면 이것이 현지화 산업에 어떤 영향을 미칠까요? 줄루어-프랑스어 교육 데이터없이 줄루에서 프랑스어로 번역 할 번역 시스템을 만들고 싶다고 가정 해보십시오. 해결책은 감독 목표와 감독되지 않은 접근 방식을 결합하여 이를 달성할 수 있다는 것입니다. 영어 - 프랑스어 데이터 세트와 결합된 영어 - 줄 루어 데이터 세트를 사용할 수 있으며 감독되지 않은 머신 러닝을 사용하여 줄루어에서 프랑스어로 번역하는 방법을 배울 수 있습니다. 


    이 접근법은 일반적으로 "제로 샷" 머신 러닝이라고 불리우며 긴꼬리언어용 MT 시스템에 대해 2019년에 더 많은 정보를 얻을 것으로 기대됩니다. 


    블록 체인 

    블록 체인은 암호화폐의 기술로 가장 널리 알려져 있지만 다른 여러 가지 유용한 보안 기능을 제공합니다. 


    간단히 말하자면, 블록 체인은 추가할 수 있는 데이터로 설명할 수는 있지만 제거하거나 변경할 수는 없습니다. 이러한 데이터 블록은 연쇄 적으로 연결되어 놀라운 보안 데이터 저장소를 만들 수 있습니다. 이전 블록을 변경하지 못하면 보안이 강화됩니다. 


    이 향상된 보안은 블록 체인이 크립토 통화에 사용되는 이유입니다. 또한 고객의 재정적 세부 사항과 같은 정보를 보호하고 번역 메모리를 보호하고 보존하는 데 사용되는 현지화에서 중요한 역할을 할 것입니다. 특히 분산 번역 워크플로 시나리오에서 사용되는 번역 메모리에 유용합니다. 


    에지 컴퓨팅 

    클라우드 컴퓨팅은 이제 주류가 되었습니다. 대부분의 모든 글로벌 기업은 이제 머신 러닝 및 강력한 계산 능력을 위한 중앙 집중식 호스팅 구조에 의존합니다. 이 클라우드 시장은 아마존, 마이크로 소프트, 구글, IBM과 같은 거대 기업들에 의해 지배되고 있습니다. 그러나 이제까지 클라우드 컴퓨팅을 사용해 왔기 때문에 중앙 저장소에서 모든 데이터에 액세스하면 시간 지연 대기 시간이 생겨 서비스 전달이 늦어지고 비용이 증가 할 수 있다는 사실을 깨달았습니다 . 클라우드 기반 데이터로 이루어진 "왕복"은 오늘날 많은 기업에서 비즈니스 성장에 장애가 되는 것으로 나타났습니다. 


    기술은 여전히 사람을 위한 것이 아니기 때문에 많은 사람들에게 클라우드는 일부 기술의 서비스로서 절정에 이릅니다. 클라우드는 계속해서 데이터를 분석하고 처리하는 데 사용되지만 IoT (연결된 보안 시스템, 전자 제품, 자동 판매기, 자동화된 조명)의 출현으로 실시간이 아닌 고속의 데이터 처리가 요구됩니다 다른 모델을 요구합니다. 논리적이고 필요한 다음 단계는 이 데이터 처리를 가장자리로 이동하는 것입니다. 가장자리는 단순히 데이터 처리가 멀리 있는 저장 위치에서 데이터 소스에 가까운 지리적 사이트로 이동한다는 것을 의미합니다. 이러한 프로세싱을 로컬에서 수행할 수 있는 강력한 컴퓨터 칩의 출현으로 이러한 움직임이 신속하게 처리됩니다. 과연, 


    따라서 에지 컴퓨팅은 단순히 데이터 처리를 가정에 가깝게 이동시켜 대기 시간 문제를 해결합니다. 집 가까이에 있으면 데이터 업로드 및 다운로드에 소요되는 시간이 줄어 듭니다. 이제까지 AI 인공지능을 주도해 온 중앙 집중식 스토리지 모델 대신 기업은 데이터를 처리할 "지역 사회"로 옮기고 있습니다. 이러한 움직임은 의심할 여지없이 데이터 액세스 속도를 높이고 실시간 컴퓨팅에 대한 수요 증가를 촉진할 것입니다. 


    이것이 로컬라이제이션에 어떤 영향을 미칠까요? 2019 년 도메인 적응 형 MT 시스템에 사용 된 에지 모델과 증가하는 데이터 배포 요구 사항을 실시간으로 충족하도록 설계된 분산 형 워크플로를 기대할 수 있습니다. 


    결론 

    우리는 인공 지능의 사용이 폭발적으로 증가하고 있습니다. AI 인공지능의 필연적 인 성장은 기업이 번역 워크플로우를 관리하는 방법을 근본적으로 재구성합니다. 그들의 일 프로세스의 엔진. 실시간 번역은 종종 표준이 됩니다. 


    또 다른 커다란 변화가 일어날 것이라고 예측합니다. 예를 들어 번역가의 역할은 원본 텍스트의 번역자에서 고품질 MT 제작 텍스트의 거대한 양의 편집자로 바뀔 것입니다. 이것은 유익한 변화가 될 것이며 번역사는 역량을 키우고 소득을 증가시킬 수 있습니다. 2019 년에 우리는 업계의 모든 수준에서 AI 인공지능의 출현으로 인한 전반적인 변환이 생산 속도 증가, 번역 전달 효율성 개선, 막대한 양의 번역 비용 감소를 가져올 것이라고 예측합니다. 여러분 모두 성공적인 2019 년을 보내시기 바랍니다. 




    댓글 0
    위쪽 화살표
    도움이 되었다면 공감(하트)과 댓글을 부탁드려요.
    로딩바