私が機械翻訳というものに出会ったのは、1990年ごろのことでした。
もう三十数年も前の話です。
いまでは、文章をコンピューターで扱うことなど当たり前ですが、当時はずいぶん事情が違いました。
何しろ、まだ「紙の時代」だったのです。
翻訳したい原文は、本や雑誌、コピーなどの形で手元にあります。人間には読めても、そのままではコンピューターに読み込ませることができません。
機械翻訳を使うには、まず原文をテキストデータにする必要がありました。
ところが、これがなかなか大変な仕事だったのです。
当時もOCR(光学文字認識)という技術はありました。印刷された文字を読み取り、テキストデータに変換する仕組みです。
しかし、精度はまだ十分とは言えませんでした。
印刷が少しかすれていたり、古い活字だったり、段組みが複雑だったりすると、たちまち怪しくなります。
英語でもそうでしたが、日本語ではなおさらです。漢字を取り違えたり、句読点が抜けたりして、結局、読み取った文章をかなり手直ししなければならないことも珍しくありませんでした。
それなら自分で入力すればいいのですが、長い文章を一字ずつ打ち込むのは骨が折れます。
データ入力業者に頼む方法もありましたが、当然ながら費用がかかります。
いま思えば、あのころの機械翻訳は、翻訳の精度以前に、「原文をどうやってデータ化するか」との戦いでもありました。
紙に書かれた文字は、人間にはすぐ読めるのに、コンピューターにとっては、まだ遠い存在だったのです。
インターネットがもたらした変化
そんな状況を大きく変えたものの一つが、インターネットの普及でした。
インターネットが広がるにつれて、文章が最初からテキストデータとして流通するようになったのです。
新聞記事、論文情報、企業の資料、各種の案内、個人が発信する文章など、以前なら紙で読むしかなかったものが、デジタルの文字として手に入るようになりました。
これは、翻訳に関わる者にとって大きな変化でした。
何よりありがたかったのは、「まず原文を入力する」という一仕事を省けるようになったことです。
もちろん、すべての資料がデジタル化されたわけではありません。
書籍や古い文献など、紙でしか手に入らない資料は相変わらず残っていました。そうした資料をテキストデータにする苦労がなくなったわけではありません。
それでも、日常的な翻訳実務や情報収集では、テキストを入手するまでの手間がずいぶん減りました。
いま振り返ると、あれは静かな革命だったと思います。
AIは文字だけでなく、文章を読んでいる
そして現在は、さらにその先に来ています。
ネット上にテキストデータが増えただけではありません。紙に印刷された文字まで、AIがかなり正確に読み取ってくれるようになりました。
昔のOCRを知る者としては、この進歩には驚かされます。
従来のOCRは、基本的には文字の形を見て、それが何の文字なのかを判定する仕組みでした。
ですから、文字が少し崩れていたり、原稿が傾いていたりすると、読み取りの精度が落ちてしまいました。
それに対して、いまのAIは、文字の形だけでなく、前後の文章のつながりも考慮しているようです。
この文脈なら、この語が自然だ。この文章の流れなら、次はこういう表現になるはずだ。
そんなふうに、文脈を手がかりに文字列を復元しているのでしょう。
言ってみれば、一文字ずつ読み取るだけでなく、文章としての意味も手がかりにしているわけです。
だから、多少読みにくい画像でも、かなり自然な文章にしてくれます。手書き文字の読み取りにも、驚くほどの進歩が見られます。
さらに、最近のAIは、ページ全体の構造までかなり把握できるようになりました。
どこが見出しで、どこが本文なのか。脚注はどこにあるのか。縦書きなのか、横書きなのか。
こうした文書の構成も考慮して処理しているようです。
昔のOCRが一文字一文字と格闘していたのに対して、いまのAIは文書全体を見ている。
実際に使ってみると、この違いはかなり大きいと感じます。
ただし、AIにも困ったところがある
もっとも、便利になれば、それで万事解決というわけではありません。
AIには、少々困ったところもあります。
読みにくい文字があると、文脈に合わせて、もっともらしい文章にしてしまうことがあるのです。
昔のOCRの誤りは、文字が明らかにおかしくなっていることが多く、比較的見つけやすいものでした。
ところが、AIの誤りは文章として自然に見えてしまうことがあります。
これが、かえって厄介なのです。
固有名詞や年号、専門用語、古い表記などは、やはり原文と照合する必要があります。
精度が大きく向上したことは確かですが、校正まで不要になったわけではありません。
この点は、忘れないようにしたいものです。
文字を入力する苦労から解放されて
それでも、昔を知る者としては、やはり感慨深いものがあります。
かつては、翻訳や研究を始める前に、まず資料をコンピューターが読める形にする必要がありました。
そのために、時間も気力も使い、ときには費用もかかりました。
いまでは、その手間が大幅に減っています。
おかげで、文字をどう入力するかよりも、その文章をどう読むか、どう比較するか、どう訳すかという、本来の仕事に、より多くの時間を使えるようになりました。
これは、単に便利になったというだけの話ではないと思います。
少し大げさに言えば、一種の解放です。
紙の中にあった文字が、インターネットの普及によって、最初からデジタルデータとして手に入るようになった。
そしてAIの登場によって、紙にしか残っていない文字まで、以前とは比べものにならないほど容易にデータ化できるようになった。
そんな変化を、この三十数年の間に目の当たりにしてきたわけです。
時代は、本当に変わりました。
そして、その変化を単なる技術の進歩としてではなく、かつて自分が苦労した経験と重ねて実感できる。
これも、長く生きてきた者の小さな特権かもしれません。
小室誠一(こむろ・せいいち)
eトランステクノロジー研究室室長。1990年頃から機械翻訳に関わり、翻訳教育や翻訳テクノロジーの活用に長年取り組んできました。現在は、生成AIを「便利だから使う」のでも「怖いから避ける」のでもなく、翻訳者の判断力を高める道具としてどう活用できるかを研究・発信しています。
TPTW連載:
AIリテラシーを高めよう――AI時代の「翻訳の地頭」を鍛えるために
https://babel.co.jp/tpw/category/ai_literacy
AI活用文章術 ― 「書く」がもっと自由になる!
https://babel.co.jp/tpw/category/ai_leverage
noteマガジン:
「古典核新訳」マガジン
https://note.com/kumazo55/m/m7c97ccb610c8
「英日文学翻訳ドリル」マガジン
https://note.com/kumazo55/m/m49da40e33aaf
