講演の2番目は、注目のニューラル機械翻訳に関するもので、だいへん面白い内容でした。

講演2:「ニューラル機械翻訳ってどうなの？」

中澤敏明氏（国研　科学技術振興機構）

ニューラル機械翻訳（NMT）のプロダクト化

NMT－文をバーツごとに翻訳するのではなく一つの文として扱う。
Google NMT (GNMT)―https://translate.google.com/を使う。

英語とその他の言語間しか対応していない
単語／句の対応が表示されない（文全体の対応として表示される）

   
NMTの特徴
●フレーズテーブルは存在しない
単語アライメント不要、同じモデルで訓練もテストも行う
●SMTのように入力文を「置き換える」ことで翻訳するのではなく、入力文も見ながら、言語モデルのように翻訳文を作り出す
・<EOS>が（どこかで）出力されたら完了
・入力文を過不足なくカバーして翻訳することができない
●入口（入力文）と出口（翻訳文）以外は全て数値計算（行列の積など）だけで動いている


NMTの短所
●既存の（SMT用の）前処理・後処理が使えない
・事前並び替えは悪影響
・辞書が簡単には統合できない
・これまでのノウハウが活かせない
●計算量が多いので、ニューラルネットワークの学習に適したデバイス（GPU）が必須
●全然違う訳が出ることがある
●なぜそのような翻訳が出てきたかが全く説明できない
●翻訳文の流暢さは完璧に近いが正確性は完璧ではない
●NMTの主要な翻訳誤り
・平均的な翻訳精度は格段に向上するが訳抜けが起こりやすい
・たまに同じ単語を繰り返し出力
・低頻度語の翻訳に弱い

今後の展望
●NMTはここ数年で急激に発展し、平均的な翻訳精度はSMTを追い越している
●NMTの研究はまだ発展する可能性が高い
・現状のMNTはほとんど制御不可能
●現状のNMTには解決すべき課題が多く、実用的かどうかは疑問
・ざっと内容を把握する目的なら十分
・人間の翻訳の下訳として使うのはおそらく大丈夫
誤り傾向がSMTと異なるので、新たなノウハウの蓄積が必要
・翻訳結果をそのまま出版するのはやめた方がいい

(G)NMTを使う
●GNMTの結果をそのまま、もしくは多少の修正で納品する会社や翻訳者が多発
・GNMTを使ったかどうかを見分けるのが難しい
・訳抜けに気づくのが難しい
●平均的な精度は高いので、うまく使えば作業効率が向上するはず
・どのようにノウハウを蓄積するかが重要
・うまく使うためのツールの整備なども重要
●一般の人がGNMTの結果をそのまま使用し、Web上や街中に誤訳が氾濫
 

ニューラル機械翻訳の問題点が良く分かりました。 現在の勢いで研究が進められれば、おそらく、数年で改善されるように思われます。 産業翻訳でニューラル機械翻訳をどのように活用するか、十分に研究しておく必要がありそうです。

最後の講演は技術的な内容ではなく、機械翻訳をどのように収益に結び付けるかについてのものでした。

講演3：「機械翻訳の収益化の可能性」

SDL―翻訳会社
2005年 翻訳メモリ型CATツールのTrados社を買収
2010年 企業向け機械翻訳では世界トップのLanguage Weaverを買収

収益化の手段
●企業、政府へのシステムの販売
●アプリケーションなどのバックエンドでの使用
・Webページ（例：Trip Adviser）
・携帯アプリ
・API課金、ライセンス販売

汎用エンジンを産業翻訳に使用する場合の課題
●セキュリティ（情報が外に漏れる）
●カスタマイズ（用語、スタイル）
●タグの処理（基本的にMTはテキストのみ）

産業翻訳への機械翻訳の導入
●品質は重要だが、唯一の要素ではない
●GoogleやMicrosoftは、機械翻訳を産業翻訳のために開発しているわけではない
●プロセスの確立とそれに対するコンセンサスが必要（エンドクライアントがコントロールできるようにする）
●コストがかかるので翻訳できないものが大量にある。MTでコストが下がれば翻訳量が増大する可能性がある。
 

SDL社は、2016年11月にTrados Studio 2017を発売しました。 新機能として以下があります。 ・upLIFT機能（翻訳メモリを細分化して、部分的にマッチさせる） ・AutoSuggestのアジア言語対応 ・AdaptiveMT（自動学習するMT。リアルタイムで学習しながら改良される） 最後の自動学習MT（AdaptiveMT）が、MTを産業翻訳で活用する方法として一つの流れになると思われます。