機械翻訳（MT）は、コンピュータを用いて自然言語を別の自然言語に自動的に変換する人工知能技術です。この技術は、言語学、統計モデリング、深層学習の手法を組み合わせることで、原文の意味情報を分析し、それに対応する表現を目標言語で生成することを可能にします。これは、自然言語処理分野における重要な研究方向の一つです。

機械翻訳には長い歴史があり、その研究は20世紀半ばにまで遡ります。初期の手法は主にルールベースの機械翻訳システムに依存しており、手動で作成された言語ルールと辞書を使用して翻訳を行っていました。その後、大規模な二言語コーパスを利用して単語とフレーズの対応関係を学習する統計的機械翻訳（SMT）が、2000年頃に機械翻訳の主流となりました。ディープラーニングの発展に伴い、ニューラル機械翻訳（NMT）が新たな技術的アプローチとして徐々に台頭してきました。2015年、モントリオール大学とヤコブス大学の研究者らは論文を発表しました… アライメントと翻訳を共同学習するニューラル機械翻訳 本論文は、エンコーダー・デコーダーとアテンション機構に基づいたニューラル機械翻訳モデルを提案する。単語のアライメント関係と翻訳プロセスを同時に学習することで、ニューラル機械翻訳分野における重要な代表的研究の一つとなっている。

従来の統計的手法と比較して、ニューラル機械翻訳（NNMT）は文脈情報をより効果的に活用できるため、長文や複雑な文脈における翻訳品質が向上します。近年、翻訳システムは「1つの言語ペアに対して1つのモデルを学習する」という従来の方式から、200以上の言語（多くの低リソース言語を含む）をカバーできるNLLBのような大規模多言語モデルへと徐々に移行しています。汎用的な大規模言語モデルは、特定の言語ペアに特化した学習に頼ることなく、直接的に多言語翻訳タスクを実行するようになっています。現在、この技術は多言語検索、国際コミュニケーション、越境EC、コンテンツローカライゼーション、翻訳支援、多言語情報処理など、幅広い分野で活用されています。