説明書の多言語翻訳|テクニカルライティング

エクセレット株式会社

自動翻訳と共に進む道

20年後に無くなる職業ランキング。

この数年でよく聞くフレーズですね。

もう英語は勉強しなくて良いのですね。

ですが、

日本の英語教育は変わってきています。

文部科学省が「今後の英語教育の改善・充実方策について」を発表しています。

次期学習指導要領の改訂は2020年度、小学校の英語が変わるそうです。

ただし、先行実施というものがあり、その場合は2018年度から変わることもあるとのこと。

小学校3~4年生で外国語活動。

小学校5~6年生で英語が正式教科。

外国語活動が導入され、「聞く」「話す」をたくさん体験したのち、5〜6年生の発達段階にふさわしい形で、文字の「読み・書き」に進むことになるそうです。

おやおや?

違和感。

20年後に無くなる翻訳行為。

言語の問題は、機械に任せれば良いのでは?

なぜ勉強するのでしょうか。

そうですね。

答えは、コミュニケーションは人が行なうからです。

仕事の交渉現場で、自動翻訳機械を片手にしていたら果たして外国人は信用してくれるでしょうか。

細かいニュアンスは人が訳すべきです。

国際会議もまだ同時通訳者がいます。
国際会議で誤訳したら・・・、恐ろしいですね。

いやいや。
会話の話で、技術系文書は自動翻訳で十分でしょって。

そうですね。
いずれ十分になる可能性はあります。
捉え方によってはすでに十分だとも言えます。

人々が望むレベルに達するには果たして何年後でしょうか。

自動翻訳は1970年代から研究が始まっています。
このころから、翻訳・通訳サービスは不要になると毎年言われ続けてきました。

今は、2017年暮れ。

私が思うに、
自動翻訳の直訳調より優れた翻訳をすれば良いと考えます。

自動翻訳が優れていっても、それを上回る分かりやすく、
読みやすい文章を表現すれば良いのです。

翻訳行為をせず、原文は参考資料として、
テクニカルライティングという技術を使用したり、
画像加工や画面遷移を綺麗に見せて分かりやすく、読みやすい
技術文書/取扱説明書を1から表現しても良いのかもしれません。

動画マニュアル、動画での製品紹介も、まだまだ改善の余地はあると考えます。

電化製品やコンピュータ製品を買って読む説明書、
読みますか?
分かりやすいですか?
満足していますか?
製品全ての機能を効果的に使えていますか?
サポートセンターに問い合わせたことは1度も無いでしょうか?

そもそも技術系文書、そのものに問題があるのかもしれません。
これは別の機会に書くことにしましょう。

自動翻訳は、作業効率化を実現させる便利な道具として利用すべきです。

上手に使えれば翻訳できる分量が増え、作業期間も短縮され、
翻訳の仕事は増えると考えます。

翻訳業界の市場規模が大きくなると言えます。

自動翻訳に全てを依存すべきではありません。

自動翻訳が進化したら、翻訳サービスも進化すべきですね。

翻訳者のみなさんには是非頑張って欲しいです。
きれいな日本語や英語を書ける技術があります。
翻訳者のみなさんと共に業界を良くすべく前に進みます。

20年先の心配より、現在を生きたいと私は考えています。

 

以下は、参考までに自動翻訳の理論、考え方を書きます。

自動翻訳は大きく2つの手法があります。

1つはニューラル翻訳。もう1つは統計翻訳。

Google翻訳では、この2つを利用し研究開発が進められてきた歴史があります。

□統計翻訳は
大量の対訳データを用意し、よく使われているものを抽出するものです。

つまり、大量の対訳データの質が悪ければ、ひどい翻訳結果になります。

ニューラル翻訳
人工知能で活用されているニューラルネットワークの考え方を利用したものです。

ニューラルネットワークは、人間の脳神経系のニューロンを数理モデル化したものの組み合わせのことです。

ニューラルネットワークは、人間の脳のしくみ(ニューロン(*1)間のあらゆる相互接続)から着想を得たもので、脳機能の特性のいくつかをコンピュータ上で表現するために作られた数学モデルです。

(*1)ニューロン
神経細胞のこと。脳には数多くの神経細胞が存在しており、
その結びつきにより情報が伝達されたり、記憶が定着する。
神経細胞は細胞体、軸索、樹状突起からなっている。

□ニューラルネットワークの種類

何種類かあるそうですが、自動翻訳に関係しそうなものは以下の2つでしょう。

1.畳み込みニューラルネットワーク(CNN)
画像認識処理でよく利用される深層学習モデルというものですが、自然言語処理にも利用されているモデルです。
画像認識処理では、Facebook の写真の自動タギング、
自然言語処理ではGoogle 翻訳のアップグレードでも話題になりました。

2.再帰型ニューラルネットワーク(RNN)
RNNは、時系列データを扱うことができるニューラルネットワークです。
リカレントニューラルネット、フィードバックニューラルネットとも言われます。

文脈を考慮することのできるニューラルネットワークのモデルなので、
機械翻訳や音声認識に使われます。
近年翻訳の精度が劇的に向上したGoogle翻訳に採用されています。

ニューラル翻訳も統計翻訳も解析する基になる対訳データ量が多いほど翻訳品質が高いことは共通しています。

ニューラルネットワークの方がより人間の脳に近い処理ができるのです。

以前話題になった囲碁の機械「AlpahGO」もニューラルネットワークが使われています。

以上

ページトップ