みらい翻訳とは

みらい世界の翻訳A.I.です。

機械翻訳によって、言語の壁を打ち破りたい。 ビジネスシーンにおいて、全く違和感のないレベルまで翻訳技術を高めたい。 そのために必要なのは、翻訳エンジンのパフォーマンス向上と、 自動翻訳ソリューションを組み立てる技術力・開発力。 わたしたちは、業界トップレベルの技術と資産を集結させることで、 その実現を可能なものにしました。 まるでA.I.のように、貴社を取り巻く状況にあわせて、成長させることもできます。 今までにない包括的な機械翻訳ソリューションが、みらい翻訳。 貴社のビジネスにイノベーションを起こします。

みらい翻訳の技術・資産

  • 自然言語処理テクノロジー
  • アプリケーション開発力
  • 翻訳ソリューション
    技術・経験
  • 潤沢な コーパス資産

みらい翻訳が活用する3種の翻訳エンジン

自動翻訳ソリューションの実現のために、私たちは3種の翻訳エンジンを用意しました。
それぞれの特性を見極め、各企業様(ニーズ・業界・使用用途)に合わせてカスタマイズします。

みらい翻訳が活用する3種の翻訳エンジン みらい翻訳が活用する3種の翻訳エンジン

詳しく見る

ニューラル型機械翻訳とは

  • <方式>

    大量の対訳文(コーパス)に基づいて、入力言語→中間表現(※)→出力言語の順に変換するニューラルネットを学習して翻訳するもの

    ※文章を「意味」を表す数値特徴量に変換
  • <メリット>

    特定分野のコーパスを準備することで、
    使用用途やカテゴリーに沿った訳出が可能

    一度中間表現に変換するため、口語など文法ルールや構文が崩れた文章でも自然な翻訳結果が得られやすい

    コーパスに現れない翻訳文章も生成できるため、言い換えパターンに縛られない自然な翻訳結果が得られる

  • <精度向上のポイント>

    翻訳精度の向上には、ある程度の質を保った大量の対訳文が必要(コーパス収集コスト)

    学習・翻訳処理の演算量が多く、より多くの計算リソースが必要(サーバコスト)

ニューラル型

対訳文を収集 学習により翻訳モデルを作成 原文 翻訳文

フレーズベース統計型
機械翻訳とは

  • 方式大量の対訳文(コーパス)に基づいて、言語間の言い換えパターン(フレーズテーブル)を学習し、それらのパターンをつなぎ合わせて翻訳するもの
  • メリット

    特定分野のコーパスを準備することで、
    使用用途やカテゴリーに沿った訳出が可能

    専門用語に対してコーパスに出現する表現を
    そのまま覚えやすい

  • 精度向上の
    ポイント
    翻訳精度の向上には、対訳文の「質と量」が肝心。
    (コーパス収集コスト)

フレーズベース統計型

大量の対訳文(コーパス)を収集 学習により翻訳モデルを作成 原文 翻訳文

ルール型機械翻訳とは

  • 方式文法や辞書をもとに、人手によって
    翻訳ルールを作成したもの
  • メリット

    単語×文法の組み合わせで翻訳するため、
    あらゆる分野の文章に対応できる。
    (汎用性が高い)

    語順が違う言語間でも、
    分野を問わず長文を大崩れせず翻訳できる。

  • 精度向上の
    ポイント
    翻訳精度向上には、ルールや辞書作成のため、
    言語の専門家やエンジニアが必要。
    (人材コスト)

ルール型

文法規則や辞書を収集 翻訳ルールを作成 原文 翻訳文

閉じる

機械翻訳のメリット&導入イメージ

機械翻訳と人手翻訳

機械翻訳と人手翻訳を単純に比較することはできませんが、基本的には人手翻訳は費用は高いが訳質レベルは高く、ただし時間はかかるもの。一方、機械翻訳は人手翻訳に比べ費用は少なくて済み短時間で大量の文書翻訳が可能である、が訳質レベルは人にはかなわない、と言えます。よって、お客様の利用シーンやご利用ニーズにより、うまく使い分けること、または、組合わせていくことが重要と言えます。また、何より長期的視野をもって「機械翻訳を育てていく」という意識での導入のご検討を頂きたいと考えます。

人手翻訳が適していると言える利用シーン

  • ・意訳や全体の意図を解釈しての翻訳といった、「人」ならではの文質を求められるもの
  • ・正確さについて高レベル、または完璧が求められる文書
  • ・機械翻訳で出力された翻訳結果を手直しする作業が必要な場合

機械翻訳が適していると言える利用シーン

  • ・内容がだいたい分かれば良く、速さを重視した形の訳質を求める場合
  • ・下訳として利用するため等、短時間で大量に同レベルの翻訳出力を得たい場合
  • ・翻訳のノウハウを社内(機械)に蓄積していくことが重要である場合

機械翻訳の仕組み、対訳コーパスの必要性

言語ルールが似通っている欧米系言語では、ルールベースの翻訳手法は実用レベルにあると言えますが、主語がない等の日本語の難しさは機械翻訳にとって大きな壁です。そのような中で、データ学習に基づいて翻訳を行うフレーズベース統計型機械翻訳/ニューラル型機械翻訳の出現により実用性の可能性が高まってきた、と言えます。
*データとは対訳コーパスのこと。
コーパスとは?
データ学習 対訳コーパスから翻訳モデルを生成

翻訳モデル

フレーズベース
統計型機械翻訳

対訳候補のリスト / ある単語例の後ろに現れる単語とその出現確率のリスト

翻訳パターン(言い換えパターン)を生成

ニューラル型
機械翻訳

数千万から数億のパラメータをもつディープニューラルネットワーク

入力された文章の「意味」を数値特徴で
表現するニューラルネットワークと、
その特徴に似たような意味をもつ文章を
生成するニューラルネットワークを獲得

この翻訳モデルにより、
日本語翻訳の精度向上の道が開けてきました!

機械翻訳

人手翻訳 (ポストエディット)

機械翻訳導入のねらい
  • ・全体的な時間短縮
  • ・トータル的なコスト削減
  • ・人手翻訳で修正された正解文を機械翻訳に学習させることにより恒常的な精度向上を図る

手軽に翻訳
翻訳業務をスムーズに

機械翻訳導入のねらい
  • ・社内への情報共有のスピード化
  • ・海外拠点とのコミュニケーションの円滑化
  • ・社内リソースの中で翻訳対応をしていた人が本来の業務に専念、もしくはプラスαの仕事をする時間ができる


タイムリーな翻訳

機械翻訳導入のねらい
  • ・海外拠点の情報共有のスピード化 → 結果的にグローバルで品質向上、CS向上を図れる
  • ・機械翻訳に蓄積されたログを利用して対訳コーパス化することにより、機械翻訳の訳質向上が図れる(対訳コーパス化には人手翻訳の作業が必要になります)
  • ・多言語化展開が図れる
  • ・24時間の対応が可能


音声翻訳による接客

機械翻訳導入のねらい
  • ・海外からの観光客等への応対または、海外拠点スタッフとのコミュニケーションの円滑化
  • ・簡単なコミュニケーションは端末を利用して行うことで通訳者の負荷を軽減