New paradigm for machine translation: How the neural machine translation works

Abstract

と語ったことが最初だといわれている 注1） 。これを契 機に数十年にわたり機械翻訳の研究に多額の投資が なされたが，一向に精度が向上しなかったため，機 械翻訳の研究は衰退していった。その後自然言語処 理技術や計算機パワーの向上などにより，少しずつ 機械翻訳の精度が向上していった。この頃の機械翻 訳は主に人手で整備されたルールに基づくもので あった。 1981年には長尾がアナロジーに基づく翻訳を提唱 した 1） 。これは過去の翻訳用例（対訳コーパス）を組 み合わせることで新たな文の翻訳を実現するという もので，ルールに基づく方法とはまったく異なるア プローチであった。この方法は用例に基づく翻訳 （Example-Based Machine Translation: EBMT） とも呼ばれる。1980年代後半にはI B Mの研究グルー プ が 統 計 的 機 械 翻 訳（S t a t i s t i c a l M a c h i n e Translation: SMT）の研究を開始した。これは単語 の翻訳確率や並べ替えの確率などの翻訳に必要な知 識を対訳コーパスから統計的な情報として学習する ものであり，これを拡張したものが2003年に提案さ れた句に基づく翻訳（Phrase-Based SMT: PBSMT） で，現在でもスタンダードな機械翻訳手法として広 く使われている。 2010年以降はSMTの研究も頭打ち感が広まり，国