기계번역 (machine translation)
쉽게 풀면
컴퓨터가 자동으로 한 언어의 글을 다른 언어로 바꿔주는 기술이에요.
왜 중요한가
1949년 위버(Warren Weaver)의 제안과 1954년 조지타운-IBM 실험에서 시작된 기계번역은 1966년 ALPAC 보고서의 비관적 평가로 침체를 겪었으나, 규칙기반, 통계적, 신경망 패러다임을 거쳐 오늘날 번역 산업의 기본 인프라가 되었습니다. 번역학에서는 기계번역이 번역가의 작업 방식(포스트에디팅), 번역 품질 개념, 번역 교육 내용을 어떻게 바꾸는지가 핵심 연구 주제이며, 기계번역 출력을 인간 번역과 비교하는 연구가 번역보편소와 번역투 논의에 새 자료를 제공합니다.
논문에서는 이렇게 쓰입니다
기계번역 기술의 발전과 함께 남아 있는 한계를 유창성과 중의성 해소의 대비로 설명한다.
번역 모델이 학습하는 원문-번역문 짝 자료의 양과 질이 실제 번역 성능을 크게 좌우한다는 설명이다.
번역 모델이 학습하는 원문-번역문 짝 자료의 양과 질이 실제 번역 성능을 크게 좌우한다는 설명이다.
조금 더 깊게 보면
기계번역의 품질 향상이 인간 번역가를 대체한다는 서사는 번역이 언어 전환으로 환원된다는 전제에 기대며, 문화적 판단, 의뢰인과의 협상, 책임 귀속 같은 번역 실천의 다른 차원을 놓칩니다. 신경망 번역의 유창한 출력은 오류를 감지하기 어렵게 만들어 오히려 검토 부담을 높인다는 역설이 보고됩니다. 대규모 언어 모델 기반 번역은 별도 훈련 없이 번역을 수행하여 기계번역이라는 독립 기술 범주 자체를 재정의하고 있으며, 학습 데이터에 인간 번역이 사용된다는 점에서 저작권과 노동 문제가 새로 제기됩니다.
주의할 점
기계번역의 출력물은 유창해 보이더라도 사실 관계나 미묘한 뉘앙스에서 오류를 포함할 수 있으므로, 중요한 문서에는 반드시 인간의 검토나 사후편집이 필요하다.