拓海先生、最近部下から”コードスイッチ”を扱える翻訳AIが必要だと言われまして、正直ピンときておりません。うちの海外取引先はロシア語とカザフ語が混ざることがあると聞いていますが、何が問題なんでしょうか。
素晴らしい着眼点ですね！コードスイッチとは会話や文章の中で二つ以上の言語が混ざる現象です。翻訳システムは通常一言語→一言語で学ぶため、途中で別の言語が混ざると識別や対応が難しくなるんですよ。
これって要するに、翻訳の学習データが混ざっていると機械が混乱して役に立たないということですか？
おお、核心に近いですね！ですが本質は少し違います。要は学習用の平行コーパス（並列データ）が不足すること、そしてコードスイッチのパターンが可変で予測しにくいことが問題なのです。だからこの研究は合成データを作って学習させる方法を示していますよ。
合成データと言いますと、人手で作るのですか。それなら時間とコストがかかりそうで、うちのような中小だと無理ではないですか。
大丈夫ですよ。ポイントは三つです。第一に既存の単言語データを使って合成的に混ぜる手法を使うこと、第二に単語やフレーズの対応を自動で探すツールを活用すること、第三に人間の評価を最後に入れて品質を担保することです。これなら自社で全て用意する必要はありませんよ。
具体的にはどのように既存データを使うのですか。うちの現場ではロシア語の対訳データはいくらかありますが、カザフ語はほとんどありません。
理想的には、ロシア語—カザフ語の既存単語対応や翻訳モデルを使い、ロシア語文の一部をカザフ語に置換する形で混合文を作ります。研究ではSimAlignというツールで単語やフレーズの対応を見つけ、それを基に合成文を生成して翻訳モデルを学習させました。自動化すれば投資は限定的で済みますよ。
それで性能はどれほど出るものですか。コストと効果の見積もりが欲しいのです。
研究では合成データを用いたモデルがBLEU値という自動評価指標で16.48を達成し、商用システムに近い性能を示しました。さらに人間評価では一定の優位性が認められています。つまり完全ではないが、実務で使える水準に達する可能性が高いのです。
分かりました。要するに、完全自動で完璧に翻訳するというより、合成データで現場に即したモデルを低コストで作り、人手のチェックを組み合わせて実用にするということですね。私の言葉で言い直すと、まず安く試して、効果が見えたら投資を大きくする、という順序で導入すれば良いという理解で合っていますか。
その通りです！素晴らしい整理です。まずは既存データでプロトタイプを作る、次に現場での人評価で補正する、最後に改善を繰り返す。この流れであれば投資対効果も明確になりますよ。大丈夫、一緒にやれば必ずできますよ。
ありがとうございます。ではまず社内のロシア語データを整理して、お見積りをお願いすることにします。自分の言葉で言うと、合成データでコードスイッチを再現して実地評価で精度を担保する手順で進める、これで意思決定資料を作ります。
