기계 번역(MT)은 컴퓨터를 이용하여 자연어를 자동으로 다른 자연어로 변환하는 인공지능 기술입니다. 이 기술은 언어학, 통계 모델링, 딥러닝 기법을 결합하여 원어 텍스트의 의미 정보를 분석하고 대상 언어로 상응하는 표현을 생성할 수 있도록 합니다. 기계 번역은 자연어 처리 분야에서 중요한 연구 방향 중 하나입니다.

기계 번역은 20세기 중반부터 연구가 시작될 정도로 오랜 역사를 가지고 있습니다. 초기에는 주로 규칙 기반 기계 번역 시스템을 사용했는데, 이는 수동으로 작성된 언어 규칙과 사전을 활용하여 번역을 완료하는 방식이었습니다. 이후, 대규모 이중 언어 코퍼스를 사용하여 단어와 구문 간의 대응 관계를 학습하는 통계적 기계 번역(SMT)이 2000년경부터 기계 번역의 주류로 자리 잡았습니다. 딥러닝 기술의 발전과 함께 신경망 기계 번역(NMT)이 새로운 기술적 접근 방식으로 점차 부상했습니다. 2015년에는 몬트리올 대학교와 제이콥스 대학교의 연구진이 관련 논문을 발표했습니다... 정렬과 번역을 동시에 학습하는 신경망 기계 번역 본 논문은 인코더-디코더 및 어텐션 메커니즘 기반의 신경 기계 번역 모델을 제안합니다. 단어 정렬 관계와 번역 과정을 동시에 학습함으로써, 신경 기계 번역 분야에서 중요한 대표 연구 중 하나로 평가받고 있습니다.

기존의 통계적 번역 방식과 비교했을 때, 신경망 기계 번역(NNMT)은 문맥 정보를 더 효과적으로 활용하여 긴 문장이나 복잡한 문맥에서도 번역 품질을 향상시킬 수 있습니다. 최근 번역 시스템은 '하나의 언어 쌍에 대한 모델 학습'에서 NLLB와 같은 대규모 다국어 모델로 점차 전환되고 있으며, 이러한 모델은 200개 이상의 언어(저자원 언어 포함)를 지원할 수 있습니다. 범용 대규모 언어 모델 또한 특정 언어 쌍에 대한 전문적인 학습에 의존하지 않고 직접 다국어 번역 작업을 수행하기 시작했습니다. 현재 이 기술은 다국어 검색, 국제 커뮤니케이션, 국경 간 전자상거래, 콘텐츠 현지화, 번역 지원, 다국어 정보 처리 등 다양한 분야에서 널리 활용되고 있습니다.