機械翻訳の方式の変遷

ある翻訳ソフト会社は、言語学者が文法規則と辞書を手作業で整備する方式の翻訳エンジンを改良してきた。しかし、新しい言い回しや例外が見つかるたびに規則を追加する作業が追いつかなくなった。この状況と機械翻訳の方式に関する説明として、最も不適切なものを1つ選べ。

正解と解説を見る

解説

正解C

ポイント

機械翻訳は、人が規則を書く方式からデータで学ぶ方式へ移りました。規則を書く手間は減る一方、品質は対訳データの量と分野に左右されます。

選択肢ごとの解説

A

適切

人が規則を書く方式では、言語の例外や文脈にかかわる知識を書き尽くせず、作業量が膨らみ続けます。知識を人手で記述しきれないこの壁を、知識獲得のボトルネックと呼びます。
B

適切

統計的機械翻訳は、1990年前後にIBMの研究者らが提案した方式です。対訳コーパスから翻訳の確率モデルを学習するため、人が規則を書く作業を大きく減らせます。
C

不適切 ◯ 正解

統計的機械翻訳の品質は、学習に使う対訳データの量と、訳したい文書との分野の近さに大きく左右されます。対訳データが少ない言語の組や専門分野では訳語の確率を十分に推定できず、品質が下がります。
D

適切

ニューラル機械翻訳は文全体を1つのニューラルネットワークで扱うため、流暢な訳を出しやすくなりました。一方で大量の対訳データと計算資源が必要です。2016年にはGoogleが翻訳サービスへの導入を発表しました。

試験での狙われ方

ルールベース、統計的、ニューラルの3方式について、何から翻訳の知識を得るかの違いを問う形がよく見られます。

関連用語

ルールベース機械翻訳、統計的機械翻訳、知識獲得のボトルネック

参考

G検定試験出題範囲（シラバス2024）第1.4版（技術分野項目2 人工知能分野で議論される問題） 2026年10月30日閲覧
Brown et al., A Statistical Approach to Machine Translation, Computational Linguistics 16(2) (1990) 2026年10月30日閲覧
Wu et al., Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation (2016) 2026年10月30日閲覧

オリジナル問題（過去問ではありません） AIで作成人による確認：未誤りを報告

出典と作成について

作成：ウカトレ編集部（AIで作成し、別のAIが一次資料と照合。手順は編集方針）

公開日：2026年10月30日最終更新日：2026年10月30日最終確認日：2026年10月30日

シラバス第1.4版技術2「人工知能分野で議論される問題」の問題です。