機械翻訳の説明：タイプ、使用例、およびベストプラクティス

コンピュータを使用して、ある言語から別の言語にテキストを翻訳することは、コンピュータサイエンスの長年の夢でした。それにもかかわらず、機械翻訳（MT）が、過去10年間で広く使用される生産性ツールとして実現可能になったのは、最近のことです。自然言語処理、人工知能（AI）、および計算能力の進歩が、このますます有用な技術に寄与しています。

その詳細をよりよく理解するために、このガイドでは機械翻訳を定義し、その種類と利点を多くの例とヒントを交えて説明します。また、MTを既存の翻訳およびローカリゼーションのワークフローに統合する方法についても学びます。最後に、ワークフローをサポートし、グローバルビジネスの成長を促進するための最良の機械翻訳ソフトウェアの特徴を概説します。

機械翻訳とは

機械翻訳は、コンピュータアプリケーションを使用して、ある自然言語から別の自然言語にテキストを自動的に翻訳するプロセスです。これは、機械翻訳ソフトウェアにソース言語でテキストを追加し、ツールが自動的に選択したターゲット言語にテキストを転送することを意味します。

機械翻訳の始まり

翻訳は、1950年代に有名なジョージタウン-IBM実験から始まった、計算能力の最初のアプリケーションの1つでした。それでも、タスクの複雑さは初期のコンピュータ科学者の予想をはるかに上回り、初期の機械の能力を超える膨大なデータ処理能力とストレージを必要としました。

基本的な機械言語翻訳を行うために必要なソフトウェア、データ、およびハードウェアが可能になったのは、2000年代初頭のことでした。初期の開発者は、言語の統計データベースを使用して、コンピュータにテキストを翻訳する方法を「教え」ました。これらの機械を訓練するには多くの手作業が必要で、各追加言語にはその言語の開発を最初からやり直す必要がありました。

今日の機械翻訳

2016年、Googleは、2014年の研究に基づいてニューラル学習モデルに移行することで、MT技術における重要な革新を実装しました。このアプローチは、AIを使用してMTエンジンを訓練することを含み、Googleの主要な統計的MTエンジンよりもはるかに効率的で迅速であることが証明されました。また、使用されるにつれて翻訳品質に驚くべき改善を示しました。

ニューラル機械翻訳は非常に効果的であることが証明され、Googleは方針を変更し、これを主要な開発モデルとして採用しました。MicrosoftやAmazonを含む他の主要なプロバイダーもすぐに追随し、品質の向上はMTの翻訳技術への追加価値を高めました。

多くの翻訳およびローカリゼーション技術ソリューションは、企業がグローバル市場での言語の壁を克服するためのますます高まるニーズに応えるために、機械言語翻訳の統合機能を持っています。このガイドの後半で詳しく説明します。

機械翻訳の仕組み

時間が経つにつれて、機械翻訳の開発は、各々の強みと弱みを持ついくつかのタイプの機械翻訳システムを生み出しました。機械翻訳の最も一般的な3つのタイプには、ルールベース、統計的、ニューラル機械翻訳が含まれます。

ルールベースの機械翻訳 (RBMT)

最も初期の機械翻訳の形態であるルールベースのMTは、大規模で事前定義された言語ルールのセットに依存し、ソフトウェアが言語間でテキストの意味を転送するのを助けました。全体的に見て、低品質の翻訳であり、言語を手動で追加する必要があり、かなりの量の人間によるポストエディットが必要でした。

ルールベースのMTは、今日ではほとんど使用されていません。

統計的機械翻訳 (SMT)

統計的MTは、与えられたテキスト内の単語、フレーズ、文の関係の統計モデルを構築します。そのモデルを第二言語に適用して、これらの要素を新しい言語に変換します。これにより、ルールベースのMTを改善しますが、多くの同じ問題を共有します。

統計的MTは主にニューラルMTに置き換えられ、時には従来の機械翻訳システムに使用されます。

ニューラル機械翻訳 (NMT)

ニューラルMTはAIを使用して言語を「学習」し、常に知識を向上させます。これは人間の脳の神経ネットワークに似ています。事前定義されたルールのセットを実行するのではなく、MTエンジンの神経ネットワークはソーステキストのエンコードとデコードを担当します。

ニューラルMTはより正確で、より多くの言語を追加でき、訓練後ははるかに迅速に動作します—これが今日のMT技術開発の標準です。

機械翻訳の開発歴史のタイムライン

自動翻訳と機械翻訳：違いの説明

自動翻訳と機械翻訳はしばしば同じものと混同されますが、全く異なる機能を持つため、互換性のある用語ではありません。

自動翻訳は、手動または翻訳に関連する反復作業を実行するために、従来のコンピュータ支援翻訳ツール（CATツール）やクラウド翻訳管理システム（TMS）に組み込まれたトリガーを指します。全体的な翻訳プロセスをより効率的にすることを目的としています。

例えば、自動翻訳は、翻訳ワークフローの多くのタスクの一つとして、テキストの機械翻訳をトリガーするために使用されることがあります。

機械翻訳は、ソフトウェアを使用して、ある自然言語から別の自然言語にテキストを変換することです。言い換えれば、従来の翻訳のように人間の入力は関与しません。だからこそ、機械翻訳は自動翻訳とも呼ばれています。

主要な機械翻訳プロバイダー

機械翻訳技術のリーディング開発者、例えばGoogle、Microsoft、Amazonなどは、現在、より微妙な翻訳と言語ペアの追加を可能にするために、神経MTの一種を好んで使用しています。この成長能力は、機械翻訳エンジンが使用されるにつれて学習し、改善できるという事実によって可能になります。

機械翻訳エンジンは、トレーニングデータに基づいて動作します。ニーズに応じて、データは一般的なものでもカスタムでもあります：

• 一般的なデータは、機械翻訳エンジンによって時間をかけて実行されたすべての翻訳から学習したすべてのデータの合計です。テキスト、音声、完全な文書を含むあらゆる種類のアプリケーションに対して一般化された翻訳ツールを可能にし、フォーマットも含まれます。
• カスタムデータは、エンジニアリングや独自の用語を持つ他の分野の専門性を構築するためにMTエンジンに供給されるデータです。

一般的な機械翻訳エンジン

最大の機械翻訳プロバイダーはすべてNMTに移行しています—それぞれ独自の方法で。一方では、無料で使いやすいツールを通じて、より一般的なオーディエンスに到達するアプローチがあります。他方では、一部のエンジンは、より特定のビジネスニーズに合わせてツールを調整することも可能にします。最も人気のある汎用MTエンジンを見てみましょう：

Google Translate

Google翻訳は、使用状況、言語数、検索との統合に基づいて、主要なMTエンジンの1つと見なされています。Google翻訳は、NMTを採用した最初の主流プロバイダーの1つでした。Google翻訳のの精度は、ビジネスオーナーや言語業界の専門家にとって、関心と論争の両方のポイントとなっています。

Amazon Translate

Amazon翻訳も神経ベースで、Amazon Web Services（AWS）と密接に統合されています。2017年のローンチ以来、Amazon翻訳が短期間で印象的な結果を達成したことは、多くの人にとって驚くべきことではないかもしれません。親会社の力を考えると。

Microsoft Translator

もう一つのクラウドベースの神経エンジンであるMicrosoft Translatorは、MS Officeや他のMicrosoft製品と密接に統合されており、ドキュメントや他のソフトウェア内で翻訳機能に即座にアクセスできます。

DeepL

DeepLは、機械翻訳エンジンの開発に専念するドイツの企業の製品です。独自の神経AIに基づいて、より微妙で自然な出力を持つと主張しています。

Systran翻訳

Systranは、商業目的のために機械翻訳を提供した最初の会社です。1968年に設立され、最新の技術を追い続け、いくつかの興味深い革新を導入しています。最新のものは純粋な神経機械翻訳（PNMT）です。

カスタム機械翻訳エンジン

カスタム機械翻訳エンジンは、特定のコンテンツタイプ、すなわちドメイン（例：技術的または法的翻訳）や特定の企業ガイドラインに従って、より良いパフォーマンスを発揮するように訓練されています。これにとって重要なのは、関連性が高く高品質なトレーニングデータであり、それを使用してMTエンジンに将来の特定のユースケースに対して類似の翻訳を行うように「教える」ことができます。MTエンジンをカスタマイズする最も簡単な方法の1つは、機械翻訳用の用語集を使用することです。

Google AutoMLとMicrosoft Custom Translatorは、カスタム機械翻訳のための一般的に使用される2つのソリューションです。

うまく実装されれば、カスタムMTは一般的なMTよりも著しく高品質な出力を提供できます。それでも、機械翻訳のカスタマイズには一定のスキルと努力が必要です。MTエンジンを完全にカスタマイズすることは複雑なタスクであり、各カスタマイズはユニークです。

機械翻訳の利点

ニューラル学習が導入される前、MTは依然として非常にニッチな製品であり、さまざまな品質の翻訳を生成していました—時には読めないか、ユーモラスなものに近いこともありました。現代の機械翻訳ツールはそのすべてを大きく変え、ビジネス翻訳においてますます不可欠になっています。

スピードとボリュームの向上

機械学習アルゴリズムとハードウェア技術の継続的な改善により、MTはさらに速く、より効率的になっています。数百万の単語をほぼ瞬時に翻訳できるだけでなく、翻訳されるコンテンツが増えるにつれて、常に改善されています。

大規模なプロジェクトの場合、MTはボリュームを速さで処理するだけでなく、コンテンツや翻訳管理システムなどの他のソフトウェアプラットフォームと統合して、そのコンテンツを整理することもできます。これにより、コンテンツが複数の言語に翻訳される際に、組織とコンテキストを保持することが可能になります。

アクセシビリティの向上

主要なMTプロバイダーが最大100の言語を提供しており、その中にはさらに多くの言語を提供しているものもあるため、翻訳は複数のターゲット市場に同時に提供されることができます。これにより、ビジネスと顧客の両方にとってウィンウィンの状況が生まれます。

言語の壁を取り除き、顧客体験を向上させることで、MTは世界中の潜在的な購入者に対してコンテンツ、製品、サービスのアクセシビリティを向上させました。同時に、より広いオーディエンスにリーチすることで、ビジネスは市場シェアを大幅に拡大し、利益を改善することができます。

コスト削減

高速スループットと既存の言語ペアからの選択能力の組み合わせにより、機械翻訳サービスの利用はコストと納期を削減できることを意味します。人間の翻訳者がまだ作業をポストエディットしている場合でも。

基本的に、MTは基本的でありながら有用な翻訳を提供することによって初期の重労働を行います。その後、人間の翻訳者がこれらの基本的なバージョンを洗練させ、コンテンツの元の意図をより正確に反映させ、地域ごとに適切なローカリゼーションを確保します。

機械翻訳の限界を見てみましょう

比較的低コストで最小限のレイテンシーにより、MTは効率的にグローバルなリーチを拡大しようとするビジネスにとって魅力的な選択肢となります。しかし、他の技術と同様に、MTには限界があることを認識することが重要です。

ほとんどの問題は、人間の専門知識の統合を通じて効果的に管理できます。たとえば、機械翻訳ポストエディット（MTPE）—そして、ますます自分の機械翻訳エンジンをカスタマイズすることを通じて。

両方のアプローチは、効率と言語的精度のバランスを取るのに役立ち、ビジネスがMTの強みを活用しながら、その固有の制約に対処できるようにします。MTに関連する一般的な問題を見てみましょう。

既存の翻訳ワークフローに機械翻訳を実装する

前述のように、MTの低コストと遅延のなさは、多くの成長中のビジネスが翻訳とローカリゼーションのワークフローの自動化に機械翻訳されたコンテンツを含める理由として魅力的です。

効果的な機械翻訳戦略を実装することは、最先端のクラウド翻訳技術に依存することで、タスクが厄介である必要はなく、自動化と効率的な翻訳管理を可能にします。

例えば、翻訳管理システムには、翻訳を自動的に実行し、出力を人間の翻訳者への引き渡し資料の一部として送信するための設定が組み込まれています。 

いくつかの重要なステップとベストプラクティスに従い、信頼できる翻訳管理システムと組み合わせることで、長期的にシームレスなエンタープライズ機械翻訳プロセスを実現する道を開くことができます。

機械翻訳と人間翻訳:適切なユースケースのための適切なバランスを見つける

機械言語翻訳が進化するにつれて、ローカリゼーションプロジェクトの初期段階で機械翻訳または人間翻訳を利用するかの決定は、ますます重要性を失いつつあります。ますます多くの企業、言語サービスプロバイダー（LSP）、および翻訳者が、機械翻訳ポストエディット機械翻訳ポストエディット（MTPE）の利点を認識しており、これは人間の言語学者が機械翻訳されたコンテンツを編集することを含みます。

機械翻訳ポストエディットは、テキストをゼロから翻訳するための実行可能な代替手段と見なされることが多くなっています。

適切な翻訳方法を決定する際には、コンテンツの種類と言語ペアを考慮することが役立ちます。一般的に、MTは技術的、法的、知的財産文書、内部コミュニケーションなどのより構造化されたコンテンツに適しています。対照的に、マーケティング資料やその他の顧客向けコンテンツは、より人間的なタッチが必要です。

最良の結果を得るために最も効果的な翻訳方法を決定するために、3つの主要なコンテンツタイプを探ってみましょう。

影響が少なく、あいまいでないコンテンツには未編集の機械翻訳を使用してください。

機械翻訳は、出力が人間の修正を受けない場合、「未編集」と見なされると言われています。一般的には、ブランドを壊すことのないコンテンツには未編集の機械翻訳を使用するのが最良です：

• 内部文書、ウェブサイトのフッター、感情分析のためのソーシャルメディア投稿など、低可視性または低トラフィックのコンテンツ。
• 100％の正確性が必要なく、実行可能な指示書のような繰り返しの技術的コンテンツ。
• 消費者が一般的に低品質を期待する製品レビューのようなユーザー生成コンテンツ。
• チャットやメールサポートメッセージ、顧客の問い合わせなど、迅速に消費されるコンテンツ。
• 迅速に公開する必要がある数百の製品説明など、大量のコンテンツ。
• 機能や情報の更新など、頻繁に修正されるコンテンツ。

未編集の機械翻訳を選択する場合は、言語ペアとコンテンツに最適なパフォーマンスを発揮する機械翻訳エンジンを使用することが重要です。これは、重要なテストまたは統合された自動選択機能の使用を必要とします。

より敏感なコンテンツに対して軽いまたは完全なポストエディットを適用する

品質の目的のために、いくつかのコンテンツタイプと状況は、人間の翻訳者による機械翻訳出力のポストエディットを必要とします。この編集は、軽い（LPE）または完全な（FPE）ものである可能性があります。

良いニュース：伝統的な翻訳技術（用語集、用語ベース、翻訳メモリ、ブランドブック、スタイルガイドなど）を使用して、ポストエディターの作業を支援できます。これにより、ブランドの声と重要なメッセージが文化と言語を超えて一貫性を保ち、MTPEで非常に実現可能です。

現代の翻訳技術は、機械翻訳出力の品質を特定し、推定することを可能にし、ポストエディットリソースを最も必要とされる場所に集中させることができます。それにもかかわらず、一般的なガイドラインとして、以下のケースはMTPEを必要とします：

• 製品タイトル：それらは非常に情報量が多く簡潔であり、固有名詞や多義語を含む傾向があり、語順は通常比較的自由であるため、曖昧さを引き起こす可能性があります。
• 異なる構文の言語ペア間の翻訳、日本語とスペイン語のように、機械翻訳エンジンにとって、単語やフレーズを適切な文に再配置することがより困難になります。
• 製品説明：それらはよく作成され、製品の特徴や利点を明確に述べ、曖昧さの余地を残さない必要があります。
• できるだけ正確である必要がある中程度の可視性のコンテンツ：ナレッジベース、FAQ、アラートなど。
• 画像の代替テキストやキャプションなどのバックエンドメタ情報：可視性は低いですが、人間がターゲット言語のキーワードが存在することを確認する必要があります。  

ブランディングと文化が関与する場合は人間の翻訳に固執する

ブランドに敏感で、高トラフィックで、耐久性のある資産は、人間の専門家の手に委ねるのが最適です。言い換えれば、観客を引き込む、楽しませる、または安心させることが目的である場合、機械翻訳を避けることが一般的に推奨されます。

そのような場合、より人間的なアプローチが最善の選択肢です。つまり、人間の翻訳者がターゲット言語でメッセージを非文字通りに再創造する必要があります。これを「トランスクリエーション」と呼ぶことがあります。これは次のような場合です：

• ホームページ
• 広告ランディングページ
• ブログ投稿
• ニュースレターキャンペーン
• プレスリリース
• SEOコンテンツ
• 印刷広告など

最高の機械翻訳ソフトウェアを作るのは何ですか？

機械翻訳のための最適なツールを選ぶことは、一般的な目的と専門的なMTエンジンの両方が独自の利点と制限を持っているため、複雑です。

そのため、MTプロセスを所有しているか、外部の機械翻訳サービスに依存しているかに関係なく、理想的には異なるMTエンジンに一箇所でアクセスできるべきです。機械翻訳を最大限に活用するために。

すべての翻訳活動の真実の源として翻訳管理システムを利用することで、成功したMT展開のための3つの重要な要素が可能になります：

• コンテンツタイプに最適なMTエンジンを自動的に選択すること
• ポストエディットの効率を向上させるための品質評価
• 生産性、ターンアラウンドタイム、コスト削減を最適化するための重要な指標を追跡すること

コンテンツタイプに最適なMTエンジンを自動的に選択すること

異なる翻訳プロジェクトは、異なるレベルと種類の洗練を必要とする場合があります。これは、翻訳管理システムの一部としてMTを利用することが非常に有益である理由の一つです。

MTを最大限に活用するには、各タイプのコンテンツに適したエンジンを割り当てることができる必要があります。そして、最も堅牢な翻訳管理システムには、異なるMTエンジンに接続するプラグインやアプリケーションプログラミングインターフェース（API）が備わっています。

最も先進的なシステムは、人工知能やコンテンツをスキャンして最適なMTエンジンに一致させるアルゴリズムに基づいて選択プロセスを自動化する能力を提供します。

ポストエディットの効率を向上させるための品質評価

成功したMT実装の重要な部分は、ポストエディットの努力をどこに向けるべきかを知ることです。MT出力の品質を自動的に測定できると、すでに良好な品質の生の出力に時間とリソースを無駄にすることなく、適切なセグメントに集中できます。

これにより、MTからの推測が排除され、ポストエディットの効率が向上し、TMSに統合されたMTを使用することが有利であるもう一つの理由となります：最も洗練されたシステムには、どのセグメントが他のセグメントよりも多くの注意を必要とするかを特定できる自動機械翻訳品質評価機能が含まれています。

生産性、ターンアラウンドタイム、コスト削減を最適化するための重要な指標を追跡すること

上記のように、MTは多くの組織にとって魅力的であり、生産性の向上、迅速なターンアラウンドタイム、最終的にはコスト削減の可能性を提供します。しかし、すべてのMTエンジンがこの約束を同じように果たすわけではないため、異なるエンジンがプロセスにどのように影響を与えるかを比較する手段を持つことが重要です。

強力なTMSは、MTが適用される任意の翻訳プロジェクトの時間と費用を追跡できます。複数のMTエンジンが使用されている場合、これらの指標はエンジンの価値の強力な指標となる可能性があります：それは翻訳者の生産性を向上させていますか、それとも遅くしていますか？それは、他のエンジンに対して時間の経過とともに効率が改善されていることを示していますか？これらの質問への答えは、その能力をより良く理解するのに役立ちます。

Phrase TMSで機械翻訳を最大限に活用しましょう

ビジネスがスケールで機械翻訳を利用する必要があるとき、彼らは効率と品質の両方を提供できる技術が必要です。

Phrase TMS、Phrase Localization Platform内のエンタープライズ対応の翻訳管理システムは、成長中の企業が機械翻訳を活用するのを容易にします。組織は、新しい市場により迅速かつ効率的に参入する前例のない能力を達成します。

Phrase TMSユーザーは、専用の機械翻訳アドオンを使用できます。 Phrase Language AI、品質を損なうことなく迅速かつコスト効率の良い翻訳でMTを翻訳ワークフローに実装します。

Phrase TMSに完全に組み込まれたPhrase Language AIに付属する高度なMT管理機能を使用すると、次のことができます：

• 開発者の時間や労力をかけずにすぐに翻訳を開始します 完全に管理されたMTエンジン Google、Amazon、DeepL、Microsoftなどの主要プロバイダーから。
• 30以上のサポートされている一般的およびカスタムエンジンのいずれかを手動で追加します 特定のMTエンジンを使用したい場合。
• 高品質のMTをすべての従業員に拡張する:強力なPhrase Language AI APIを使用すると、会社全体でのアクセスを通じてMTの価値を拡大し、会社承認の機械翻訳を確保できます。
• ポストエディットワークフローのために無制限の機械翻訳を楽しむことで、言語学者はより効率的に作業できます。
• 最高のエンジンで作業する—自動選択された、あなたの言語ペアとコンテンツタイプに基づいて。
• 機械翻訳されるべきでないコンテンツを自動的にフィルタリングする。
• 品質テスト、法的およびセキュリティ評価、セットアップ、支払いを委任する機械翻訳エンジンをPhraseチームの専任の機械翻訳専門家に。
• 翻訳メモリを活用して翻訳品質を向上させる最大50%までPhrase NextMT—最初のTMS対応MTエンジン。
• MTエンジンがあなたの好みの用語を使用することを保証する正しい形態素の屈折で—ポストエディットの手間を減らす。
• フォーマットとプレースホルダータグを保持するソースからターゲットコンテンツへ自動的に。
• 各機械翻訳セグメントのスコアを取得する過去のパフォーマンスデータに基づいて、必要な場所だけをポストエディットする。
• MTPEを使用すると、人的翻訳と比較して最大55%のコスト削減を達成できます。。

Phrase TMS内で高度なMT管理機能を発見し、企業向けソリューションでMT技術を次のレベルに押し上げる。