언어:
언어:
콘텐츠 서비스
- 기술문서 작성
- 교육 및 이러닝
- 재무 보고서
- 디지털 마케팅
- 검색 엔진 최적화(SEO) 및 콘텐츠 최적화
번역 서비스
- 비디오 로컬라이제이션
- 소프트웨어 로컬라이제이션
- 웹사이트 로컬라이제이션
- 규제 관련 기업을 위한 번역
- 통역
- 라이브 이벤트
테스팅 서비스
- 기능 QA 및 테스팅
- 호환성 테스팅
- 상호 운용성 테스팅
- 성능 테스팅
- 액세스 가능성 테스팅
- UX/CX 테스팅
솔루션
- 번역 서비스 모델
- 기계번역
- Smart Onboarding™
- Aurora AI Studio™
라이온브리지 지식 허브
- 긍정적 환자 결과
- 로컬라이제이션의 미래
- 혁신에서 면역으로
- 코로나19 리소스 센터
- 대혼란 시리즈
- 환자 참여
- 라이온브리지 인사이트
언어 선택 :
이 게시물은 기술 발전에 따른 언어 제공 서비스의 변화를 탐구하는 언어 기술의 미래 시리즈의 세 번째 이야기입니다.
그 어느 때보다 많은 콘텐츠가 생성됨에 따라 회사는 이러한 콘텐츠를 빠르고 효율적으로 번역할 방법을 찾아야 한다는 부담을 안고 있습니다. 기계 번역(MT)은 점점 더 인기를 얻고 있지만 아직 완벽하지는 않습니다. 열악한 품질은 오랫동안 지속된 문제였습니다. 그러나 지속적인 발전을 통해 로컬라이제이션 작업을 개선할 것으로 기대됩니다.
기계 번역에 영향을 미치는 요인을 살펴보고 로컬라이제이션 전략에 도움이 되는 기술을 최대한 활용하는 방법을 살펴보겠습니다.
기계 번역이란 사람의 개입 없이 원문을 다른 언어로 자동 번역하는 서비스입니다. 일반 대중에게는 비교적 새로운 개념이지만 기계 번역은 수십 년 동안 사용되었습니다.
SYSTRAN은 1960년대 후반 기계 번역 시스템을 개발한 최초의 회사 중 하나입니다. 이 회사는 냉전 기간 동안 인텔리전스 자료를 번역하기 시작한 미 공군과 협력했습니다. 목표는 번역가가 그 의미를 이해하고 텍스트를 쉽게 개선할 수 있을 만큼 기계에서 콘텐츠를 잘 번역하도록 하는 것이었습니다. 초기의 기계 번역 엔진은 사람이 개발하거나 사전에 들어있는 규칙을 사용하여 번역을 실행하는 시스템으로, 규칙 기반 방법을 사용했습니다. 이후 언어 기술은 크게 발전했습니다.
기계 번역은 1990년대에 크게 발전했습니다. 당시 IBM과 같은 회사에서 번역 품질이 상당히 개선된 통계적 모델을 활용하기 시작했습니다. 통계적 기계 번역 엔진은 새로운 기술이었습니다. 이러한 엔진은 고급 통계 방법과 인터넷상의 방대한 데이터를 사용하여 늘어나는 콘텐츠를 번역하는 데 집중했습니다. 이후 Google에서는 사람의 모든 지식을 검색할 수 있도록 이 기술을 대규모로 배포합니다.
초기의 통계적 기계 번역 엔진은 규칙 기반 엔진보다 훨씬 우수했지만 여전히 많은 오류가 발생했습니다. 이에 기업들은 일반적으로 통계적 기계 번역과 규칙 기반 기계 번역을 결합한 하이브리드 기계 번역 엔진을 실험하기 시작했습니다. 이러한 발전으로 인해 기계 번역 기술이 대중화되고 전 세계에서 채택되었습니다.
2017년에는 신경망 기계 번역(NMT)의 등장으로 기계 번역이 또 한번 기술적으로 도약했습니다. 신경망 기계 번역은 AI 성능을 활용하고 신경망을 사용하여 번역을 만들어 냅니다.
앞에서 언급한 방법과 달리 신경망은 가능한 결과를 '추측'하기보다는 번역가의 사고 과정을 모방하려고 합니다. 그 결과 문장의 의미와 미묘한 차이를 더 정확하게 포착하여 훨씬 더 자연스러운 번역이 됩니다. 이러한 발전을 통해 기계 번역은 방대한 양의 문서를 이해하거나 요점을 파악할 뿐만 아니라 중요 업무 이외의 정기적인 비즈니스 문서의 경우에도 충분히 우수한 품질을 제공했습니다.
신경망 기계 번역에서는 자동 번역의 가독성 저하 및 한국어와 같은 특정 언어와의 비호환성 등 기계 번역의 오랜 단점 중 일부가 해결되었습니다. 신경망 기계 번역을 개선하기 위한 노력은 지금도 계속되고 있습니다. 신경망 기계 번역에 대해 자세히 알아보려면 신경망 기계 번역: 언어 번역 시 AI가 어떻게 작동하는가 블로그 게시물을 확인해 보세요.
Lionbridge의 연구개발(R&D)팀에서는 신경망 기계 번역이 매년 3~7%씩 개선되고 있다고 평가합니다. Lionbridge 전문가들은 편집 간격이라는 측정 방식으로 개선 정도를 파악합니다. 편집 간격은 기계 번역된 결과를 사람이 번역한 수준으로 만들기 위해 사람이 번역 결과를 편집해야 하는 횟수로 계산됩니다.
번역 서비스에 대한 수요가 증가하고 신경망 기계 번역 엔진을 자동으로 훈련하는 기계 학습이 개선됨에 따라 신경망 기계 번역은 계속 발전할 것입니다.
신경망 기계 번역은 로컬라이제이션이 필요한 콘텐츠의 양이 기하급수적으로 늘어나면서 향후 더 빠른 속도로 채택될 것입니다.
코로나19 위기로 인해 많은 기업이 디지털 혁신의 속도를 높였으며 이로 인해 번역 서비스에 대한 수요도 늘어났습니다. 이와 함께 콘텐츠를 더 타겟팅하고 다양화해야 합니다. 이러한 시장 상황으로 인해 사람이 개입한 번역 감독이 있거나 없는 상태로 콘텐츠 일부에 기계 번역이 사용될 것입니다.
사람이 개입한 번역 감독은 기계 번역과 기존의 사람에 의한 번역이 혼합된 기계 번역 및 사후 편집(MTPE)을 통해 이행됩니다. 사후 편집은 기계 번역 프로세스를 따라 번역된 텍스트의 품질을 개선합니다. Lionbridge 블로그에서 사후 편집이 포함된 기계 번역은 언제 사용하는 것이 좋을지 살펴봅니다.
기업은 신경망 기계 번역을 통해 적어도 일부 언어에서 번역 서비스 비용이 절감될 것으로 기대할 수 있습니다. 이러한 비용 절감 덕분에 기업은 진출 시장 수를 늘리고 해당 시장에 제품을 더 빨리 제공할 수 있습니다.
신경망 기계 번역 채택으로 글로벌 경제에 디지털 혁신이 수반되면서 더 경쟁적인 환경이 등장할 것입니다. 최종 사용자는 점점 더 모국어로 된 제품 정보를 받길 기대할 것입니다. 기업이 모든 시장에서 이러한 기대에 부응하는 것은 이제 예외가 아닌 표준이 될 것입니다.
번역 자동화와 관련하여 기계 번역이 번역 툴킷의 유일한 도구는 아닙니다. 번역 메모리(TM)는 기계 번역에서 중요한 선도자 역할을 했으며 로컬라이제이션 목적으로 계속 사용될 것입니다. 기계 번역과 번역 메모리는 대부분 함께 작동합니다. 그러나 번역 메모리의 역할이 달라질 것입니다.
1990년대 초에 개발된 번역 메모리는 과거의 번역으로 구성된 데이터베이스로, 회사에서 새로운 콘텐츠 작업량을 줄이기 위해 활용합니다.
번역 메모리 기술은 컴퓨터 지원 번역(CAT) 툴 또는 번역 메모리 툴(TM 툴)을 통해 구현됩니다. 이러한 툴을 사용하면 동일한 콘텐츠를 작업하는 여러 번역가가 동일한 컨텐츠의 다양한 부분에서 이전에 번역된 단어나 구문을 활용할 수 있습니다.
번역 메모리를 통해 회사가 얻을 수 있는 이점은 다음과 같습니다.
역사적으로 번역 메모리는 비용 절감에 상당히 중요한 역할을 했습니다.
기계 번역과 번역 메모리는 둘 다 번역 프로세스를 자동화하기 위해 작동하지만 실제로는 서로 다릅니다.
번역 메모리는 과거 번역의 저장소 또는 데이터베이스 역할을 하므로 전체 문장 또는 문장 조각을 원문 텍스트와 일치시켜 번역을 생성할 때 수동적인 역할을 합니다. 반면 기계 번역은 훨씬 더 정교한 기술입니다. 기계 번역은 과거 번역과 다양한 자연어 처리 기술을 사용하여 원문 텍스트에 사용할 수 있는 번역을 적극적으로 추측합니다.
이러한 기술은 상호 보완적입니다. 이 두 기술이 결합되어 작업 속도와 생산성을 높일 수 있도록 번역가의 역량을 강화합니다. 또한 용어 일관성과 같은 품질 문제를 해결합니다. 두 기술은 긴밀하게 통합되어 있으며 향상된 품질의 번역을 제공하기 위해 함께 작동합니다.
지난 몇 년 동안 기업에서는 번역에 기계 번역과 번역 메모리를 사용했습니다. 기업은 이 과정에서 기술의 실행과 효과적인 구현으로 주의를 돌리게 되었습니다.
기계 번역이 번역 메모리보다 훨씬 높은 효율성을 제공하고 말 그대로 일종의 번역 메모리를 기반으로 하면서부터 이 두 기술은 점점 더 혼합되고 있습니다. 그러나 기계 번역은 많은 번역 워크벤치 내에 깊이 통합되는 주요 번역 생산성 도구가 되고 있습니다.
기계 번역 기술이 번역 및 로컬라이제이션 업계의 선도적인 생산성 도구로 부상하면서 번역 메모리의 역할도 달라질 것입니다. 번역 메모리는 단순한 번역 데이터베이스에 그치지 않고 기계 번역 엔진을 교육하는 도구가 될 것입니다.
사람의 개입 없이 기계 번역이 수행되는 무감독 기계 번역은 비교적 가시성이 낮은 간단한 텍스트에 가장 적합합니다. 일반적으로 이 기술은 eBay와 같이 후기, 토론, 경매와 같은 사용자 작성 콘텐츠에 구현되었습니다. 기계 번역은 품질 기대치, 콘텐츠 유형, 용도에 따라 단순하고 일반적인 비즈니스 문서를 몇 가지 언어로 번역할 때 적절한 품질의 번역을 제공할 수 있습니다. 기계 번역의 사용이 늘면서 점점 더 많은 회사가 번역 메모리에서 제공하는 것과 비슷한 이점을 누릴 수 있게 되었으며 이러한 이점은 훨씬 더 두드러졌습니다. 이러한 이점에는 다음이 포함됩니다.
번역가는 제한된 리소스라는 점에 유의해야 합니다. 번역가가 특정 업무에 할애하는 시간을 줄이고 더 많은 프로젝트에 참여할 수 있게 되면 점점 더 많은 회사가 번역 서비스를 제공하기 위해 경쟁하면서 시장의 부담을 덜어줄 것입니다.
일부의 경우 기계 번역은 번역가의 능력을 3~5배 향상시켜 더 많은 콘텐츠를 더 짧은 시간 내에 로컬라이즈할 수 있게 됩니다. 기업은 생산성 향상과 비용 절감을 통해 콘텐츠를 더 많은 언어로 번역할 수 있습니다.
콘텐츠 전략을 세우고 공략할 시장에 관한 결정을 내릴 때는 최신 기계 번역과 관련 기술을 사용함으로써 발생하는 효율성을 고려해야 합니다.
경험이 많은 로컬라이제이션 서비스 제공업체(LSP)와 협력하면 원하는 결과를 최대한 달성할 수 있는 기계 번역을 구현하는 데 도움이 됩니다. 중요한 점은 이러한 파트너십을 통해 콘텐츠를 만들고 개선하며 시장 진출 전략을 개발할 수 있다는 것입니다. Lionbridge와 같은 일부 LSP는 기업이 로컬라이제이션 분야뿐만 아니라 전체 콘텐츠 진행 과정을 관리하도록 지원하기 위해 점차 디지털 마케팅 분야로 전환하고 있습니다.
강력한 로컬라이제이션 파트너의 안내에 따라 로컬라이제이션 전략을 신중하게 계획하고 실행한다면 기계 번역 기술이 제공하는 모든 이점을 누릴 수 있을 것입니다. 이 경우 더 많은 리소스를 확보하여 동일한 예산으로 추가 콘텐츠를 만들거나 더 많은 시장에 진출할 수 있습니다.
아래의 이미지를 클릭하면 기계 번역을 이해하는 데 필요한 주요 정의를 확인할 수 있습니다.