How computers translate human language - Ioannis Papachimonas

翻訳: Emi Kamiya 校正: Tomoyuki Suzuki

How is it that so many intergalactic species in movies and TV

映画やテレビに出てくる宇宙人の多くが 苦もなく完璧な英語を話すのは

just happen to speak perfect English?

一体どういうわけなんでしょうか

The short answer is that no one wants to watch a starship crew

端的に言えば 宇宙船の乗組員が何年もかけて

spend years compiling an alien dictionary.

宇宙人語の辞書を編纂している姿なんて 誰も見たくないからです

But to keep things consistent,

しかし辻褄を合わせる意味で

the creators of Star Trek and other science-fiction worlds

スタートレックなどSF業界の製作者たちは

have introduced the concept of a universal translator,

万能翻訳機というコンセプトを 世に送り出しました

a portable device that can instantly translate between any languages.

どんな言語間の翻訳も即座にできる 携帯機器です

So is a universal translator possible in real life?

では現実の世界に万能翻訳機は 存在し得るのでしょうか

We already have many programs that claim to do just that,

それが可能だと言い張る プログラムはたくさんあります

taking a word, sentence, or entire book in one language

単語でも文でも 本を丸ごと１冊でも

and translating it into almost any other,

ある言語から 別の たいていの言語に翻訳でき

whether it's modern English or Ancient Sanskrit.

現代英語も古代サンスクリット語も お手のものです

And if translation were just a matter of looking up words in a dictionary,

もし翻訳というものが ただ単語を辞書で調べるだけのことなら

these programs would run circles around humans.

こうしたプログラムは 人間の力を越えていると言えるでしょう

The reality, however, is a bit more complicated.

しかし実際のところは もっと複雑です

A rule-based translation program uses a lexical database,

規則に基づくタイプの翻訳プログラムは

which includes all the words you'd find in a dictionary

辞書に載っているすべての単語や その単語が取りうる―

and all grammatical forms they can take,

文法的に正しいすべての形を含んだ 語彙のデータベースと

and set of rules to recognize the basic linguistic elements in the input language.

入力言語の基本的な言語的要素を 認識するための一連の規則を用います

For a seemingly simple sentence like, "The children eat the muffins,"

「その子たちはマフィンを食べる」は 一見 単純そうな文ですが

the program first parses its syntax, or grammatical structure,

プログラムは まず構文 つまり文法的な構造を解析します

by identifying the children as the subject,

「その子たち」が主語で

and the rest of the sentence as the predicate

残りの部分は述語であり

consisting of a verb "eat,"

その中には動詞の「食べる」と

and a direct object "the muffins."

直接目的語「マフィン」があることを 割り出します

It then needs to recognize English morphology,

続いて英語の形態論に沿って 識別する必要があります

or how the language can be broken down into its smallest meaningful units,

意味を持つ最小単位にまで 言語を分解するのです

such as the word muffin

たとえば「マフィン」という語と

and the suffix "s," used to indicate plural.

複数を示す接尾辞「s」とは 別々になります

Finally, it needs to understand the semantics,

最後に意味論の理解が必要です

what the different parts of the sentence actually mean.

文の各部分が実際にどういう意味か 判断するのです

To translate this sentence properly,

この文を正しく翻訳するために

the program would refer to a different set of vocabulary and rules

プログラムは 翻訳後の要素１つ１つに対して

for each element of the target language.

その言語の語彙や規則を参照しますが

But this is where it gets tricky.

ここが微妙なところです

The syntax of some languages allows words to be arranged in any order,

構文的に語順を自由に入れ替えてよい 言語もあれば

while in others, doing so could make the muffin eat the child.

入れ替えると「マフィンが子どもを食べる」に なってしまう言語もあります

Morphology can also pose a problem.

形態論が問題になることもあります

Slovene distinguishes between two children and three or more

スロベニア語では「２人の子ども」と 「３人以上の子ども」は区別され

using a dual suffix absent in many other languages,

他の多くの言語にはない双数形を示す 接尾辞を使います

while Russian's lack of definite articles might leave you wondering

ロシア語には定冠詞がないので 子どもたちが食べているのは

whether the children are eating some particular muffins,

ある特定のマフィンなのか 一般的なマフィンなのか

or just eat muffins in general.

戸惑ってしまうかもしれません

Finally, even when the semantics are technically correct,

最後に プログラムは意味論に関して 間違いではなくても

the program might miss their finer points,

細かいところを取りこぼす場合があります

such as whether the children "mangiano" the muffins,

たとえば子どもたちがマフィンを 「普通に食べる」か

or "divorano" them.

「ガツガツむさぼる」か拾いきれません

Another method is statistical machine translation,

また別の方法として 統計的機械翻訳というのがあります

which analyzes a database of books, articles, and documents

すでに人間の手で翻訳されている 本や記事や文書の

that have already been translated by humans.

データベースを分析する方法です

By finding matches between source and translated text

このプログラムでは 偶然には起こりにくいと考えられる―

that are unlikely to occur by chance,

原文と翻訳が一致する箇所を探すことで

the program can identify corresponding phrases and patterns,

対応する表現やパターンを特定しておき

and use them for future translations.

それを後々 翻訳に利用します

However, the quality of this type of translation

しかし このタイプの翻訳の質は

depends on the size of the initial database

初期のデータベースの規模や

and the availability of samples for certain languages

目的の言語のサンプルや 文体のサンプルが

or styles of writing.

どれだけ使えるかに かかっています

The difficulty that computers have with the exceptions, irregularities

コンピュータは例外や変則的な表現 ニュアンスの違いに苦労しますが

and shades of meaning that seem to come instinctively to humans

これは人間なら本能的にわかるものです

has led some researchers to believe that our understanding of language

このため研究者の中には 私たちの言語理解を

is a unique product of our biological brain structure.

人間の脳の生物学的構造が生む 特徴だと考える人もいます

In fact, one of the most famous fictional universal translators,

事実 もっとも有名な架空の万能翻訳機は

the Babel fish from "The Hitchhiker's Guide to the Galaxy",

『銀河ヒッチハイク・ガイド』に登場する バベル魚ですが

is not a machine at all but a small creature

あれは機械などではなく 小さな生き物で

that translates the brain waves and nerve signals of sentient species

知覚を持つ生物の脳波と神経信号を テレパシーという形で

through a form of telepathy.

翻訳するというものでした

For now, learning a language the old fashioned way

今のところは まだ 昔ながらの言語学習の方が

will still give you better results than any currently available computer program.

世の中の どのコンピュータプログラムより 良い結果を出しますが

But this is no easy task,

言語学習は簡単ではありませんし

and the sheer number of languages in the world,

世界中には数多くの言語があり

as well as the increasing interaction between the people who speak them,

それを話す人々の間で 交流が増えていることにも後押しされて

will only continue to spur greater advances in automatic translation.

自動翻訳は今後 進歩していく一方でしょう

Perhaps by the time we encounter intergalactic life forms,

きっと私たちが 宇宙の生命体に出会う頃には

we'll be able to communicate with them through a tiny gizmo,

小型の装置を通じて コミュニケーションが可能になっているでしょう

or we might have to start compiling that dictionary, after all.

あるいは結局 例の辞書の編纂に 着手しているかもしれませんけどね