#機械翻訳 — Public Fediverse posts

The Akihabara branch of the At Home maid cafe chain is piloting the use of Pixie Dust's Vuevo Display, which translates between about 100 languages in real time. The trial runs from 29 Jan until the end of March (just in time for the lunar new year and the expected increase in tourists, mostly Chinese, that are less likely to speak either Japanese or English).

#MachineTranslation #PixieDust #機械翻訳

https://pixiedusttech.com/ja/news/news_20250127

Classmethod AI Talks(CATs) #9『技能五輪国際大会で通訳者と考えた非エンジニアのためのAI資料作りのノウハウ』というタイトルで登壇しました #catalks
https://dev.classmethod.jp/articles/cats-non-engineer-ai-translation-worldskills/

#dev_classmethod #登壇資料 #AI #生成AI #機械翻訳 #業務効率化

ぶみにゃんごさんのX(翻訳者。知らない方です)の連投が良情報。ここから始まる→ https://x.com/bumicchu/status/1790596569622012171?s=46

“#AI翻訳（#機械翻訳）の結果を修正して翻訳に近づける仕事を #ポストエディット といいます。
翻訳者がAIを批判していると思われているようですが、私が問題視しているのはポストエディットという作業とその地獄のようなビジネスモデルです。避ける理由、他人に勧めない理由をまとめます。↓”

はてなブログに投稿しました #英語 #実例 #英語学習 #機械翻訳 #ChatGPT
「A市に生まれた男は、父親が祖父のやっている事業を引き継ぐため、B市に転居する」式の複雑な日本語の文を、ChatGPT, DeepLなど自動翻訳に投げてみた。 - Hoarding Examples (英語例文等集積所)

https://hoarding-examples.hatenablog.jp/entry/2023/08/30/%E3%80%8CA%E5%B8%82%E3%81%AB%E7%94%9F%E3%81%BE%E3%82%8C%E3%81%9F%E7%94%B7%E3%81%AF%E3%80%81%E7%88%B6%E8%A6%AA%E3%81%8C%E7%A5%96%E7%88%B6%E3%81%AE%E3%82%84%E3%81%A3%E3%81%A6%E3%81%84%E3%82%8B

ホモソーシャルな搾取構造から降りよう、というメッセージも良いし、#機械翻訳 についての部分も面白く読んだ。お薦め。

https://shoheiharaguchi.hatenablog.com/entry/2023/02/05/232059 [参照]

… We humans feel and understand (or at least try to understand) the contexts and know the right words for the right instances. To be able to execute that in different languages, we DO need to learn foreign languages and the diverse cultures behind them. #MachineTranslation #Language ■

曖昧な表現をどのように解釈し訳出すべきか。翻訳の難しさはそこにあります。どんな状況で、どんな意図をもって、誰に向けた言葉なのか、これを理解せずに訳すことは不可能です。
#機械翻訳 は計算機のようなもの。文字面から見える「計算可能」な内容だけをピックアップして数式処理するのです。行間にある思想や文章の背景を読むことはできません。
人間が機械翻訳に依存し外国語の学習をやめてしまったら、使いものにならない「翻訳メモリの肥溜め」が拡大していくことでしょう。　続く👇

結局、ここの差が #機械翻訳 の精度に関する言説の違いを生んでいるのだと思うのよ。

https://en.wikipedia.org/wiki/Dynamic_and_formal_equivalence

さて、機械翻訳ネタをメルマガに投入。
我々が行っている翻訳という作業では、脳内で多くの情報を判断し、原文の解釈と知識／経験から情報を補完／修正して訳文に落とし込んでいるわけで、それを原文データを分析しているだけの機械翻訳が再現できるようになるには、まだまだ長い道のりがあるということ。今回私が行った #機械翻訳 出力文の評価から、そういう確信を持ったよ。
ただし、これは「翻訳」という仕事に限定した考え方ですからね。

チューニングされていない #機械翻訳 エンジンの出力は、品質管理されていない翻訳メモリと大して変わらないんじゃないかと思うに至った。

メルマガにも書きましたが、顧客と #機械翻訳 について話していて感じるのは、主に以下のようなことです。

①機械翻訳に対する漠然とした信用
②手直しするだけだから手間は掛からない（＝安くなる）という考え
③文章の質の違い（単純にはスタイルの違い）の何が問題かわからない

「精度の高くなった機械翻訳で翻訳して、ちょっとおかしなところをチャチャっと手直しすれば済むのだから、当然安くなるはず」という発想には、こういう背景があるのですね。

#機械翻訳 の出力を評価している人って、翻訳チェッカーの視点で見てるんだろうか？
少なくとも、今、私の目の前にある出力文は、チェッカー目線で評価してダメダメなんだが。

「機械翻訳（MT）システムの出力はどこを間違えるのか、ITエンジニアが読みそうなドキュメントを対象とし、実際のサンプルで確認する。」
https://nishinos.com/articles/2022/mt-output-check-03/

#機械翻訳

機械翻訳は翻訳ではない。
「翻訳シミュレーション」である。

by 高橋さきの先生

#機械翻訳