언어:
언어:
텍스트, 음성, 오디오, 비디오부터 정형/비정형 데이터까지 전 세계 어떤 업체보다 더 많은 콘텐츠를 생성, 변환, 테스트 및 학습합니다
콘텐츠 서비스
- 기술문서 작성
- 교육 및 이러닝
- 재무 보고서
- 다문화 마케팅
- 디지털 경험 평가
번역 서비스
- 비디오 로컬라이제이션
- 소프트웨어 로컬라이제이션
- 웹사이트 로컬라이제이션
- 규제 관련 기업을 위한 번역
- 통역
- 다국어 검색 엔진 최적화(SEO) 및 디지털 마케팅
- 콘텐츠 최적화
테스팅 서비스
- 기능 QA 및 테스팅
- 호환성 테스팅
- 상호 운용성 테스팅
- 성능 테스팅
- 액세스 가능성 테스팅
- UX/CX 테스팅
솔루션
- 번역 서비스 모델
- 디지털 마케팅
- 라이브 이벤트
- 기계번역
라이온브리지 지식 허브
- 생성형 AI
- 긍정적 환자 결과
- 로컬라이제이션의 미래
- 혁신에서 면역으로
- 코로나19 리소스 센터
- 대혼란 시리즈
- 환자 참여
- 라이온브리지 인사이트
Lionbridge Lainguage Cloud를 발판으로 삼아 로컬라이제이션 전체 단계와 콘텐츠 여정을 관리하세요.
Lainguage Cloud™ Platform
연결성
번역 커뮤니티
워크플로 기술
Smairt Content™
Smairt MT™
Smairt Data™
언어 선택 :
기계 번역(MT)은 이미 수년간 사용되어 왔지만 최근 몇 년에 걸쳐서는 기하급수적인 속도로 진화하고 있습니다. 기업이 점점 더 많은 양의 콘텐츠를 다양한 언어로 제작함에 따라 기계 번역이 점점 더 글로벌화되는 세계 무대에서 도달 범위를 확대할 수 있는 도구로 인식하게 되었습니다.
기계 번역을 도입하려는 기업은 다음과 같은 네 가지 기본 전략을 검토합니다.
어떤 전략을 선택하든 적절한 데이터와 경험 없이는 올바른 번역 엔진을 선택하는 것이 어려울 수 있습니다. Lionbridge는 20년 이상의 경험을 지닌 기계 번역 전문 기업으로, 기계 번역 기술에 대한 방대한 양의 언어 및 품질 데이터를 축적하여 기업의 올바른 선택을 돕습니다. 이 웹페이지에는 가장 일반적인 언어 쌍을 기준으로 주요 기계 번역 엔진의 성능에 대한 기본 정보가 명시되어 있으며, 이 정보는 기업이 자사 콘텐츠에 대한 최선의 선택을 하는 데 도움이 됩니다.
사용 가능한 여러 MT 시스템 중에서 하나를 고를 때는 엔진마다 특정 기능이나 도메인 처리에 특화된 부분이 따로 있다는 것을 알아야 합니다. 내게 필요한 것이 이러한 용도와 맞지 않다면 아무리 발전된 엔진이라도 최적의 성능을 보일 수 없습니다. 최상의 선택을 하려면 먼저 MT를 사용하려는 이유를 확인하세요.
범용 MT 엔진이 필요하다면 Google 번역이나 Bing 번역기를 사용하는 것이 좋습니다. 특정 언어나 도메인에 특화된 MT 서비스를 찾는다면 Amazon 번역이나 DeepL 번역기를 활용해 더 나은 결과를 얻을 수 있습니다.
라이온브리지(Lionbridge)는 기계 번역 추적 도구(Machine Translation Tracker)를 통해 매월 엔진 성능을 분석하여 사용할 언어쌍에 최적화된 MT 엔진을 파악할 수 있도록 돕습니다. 다음에 어떤 MT 엔진이 가장 좋은지 물어볼 때는 "어떤 MT 엔진이 내게 가장 잘 맞을까요?"라고 질문을 바꿔 보세요. 그러면 라이온브리지가 안내해 드리겠습니다.
생성형 인공지능(AI)이 중요한 이정표를 달성했습니다. 당사의 비교 평가 결과, 생성형 AI가 한 분야에서 신경망 기계번역(MT) 엔진을 능가하는 성능을 보였습니다. 구체적으로, 그림 1에서 볼 수 있듯이 대규모 언어 모델(LLM)인 GPT-4는 영어-중국어 쌍에 대해 Yandex보다 약간 더 우수한 번역 품질을 보였습니다.
이러한 발전은 신경망 MT가 등장한 이후로 다른 유형의 MT 방식이 신경망 MT 엔진을 능가한 것은 처음이라는 점에서 주목할 만합니다. 심지어 신경망 MT 엔진 성능을 능가한 것은 '비 MT' 방식으로, 특별히 기계번역 용도로 고안된 것이 아닌 다목적 자동 언어 생성 모델이라는 점도 중요합니다.
왜 이 사건에 관심을 가져야 할까요? MT 제공업체는 기술 발전의 최전선에서 경쟁력을 유지하기 위해 이러한 기술이 현재의 MT 엔진에 어떤 영향을 미칠지 고민해야 합니다. 또한 MT 구매자의 경우에는 올바른 MT 투자를 위해 이러한 개발 동향을 명확히 파악해야 합니다. 여기에는 신경망 MT만 사용하는 서비스가 아닌 일부 LLM 기반 기술을 도입한 서비스가 포함될 가능성이 높습니다.
생성형 AI는 아직 초기 단계에 있다는 점에 주목해야 합니다. 그렇다 보니 일부 핵심 영역에서 한계를 보이기도 합니다. 예를 들어, 번역을 여러 번 실행하는 동안 결과에 가변성이 생길 수 있고, 애플리케이션 프로그래밍 인터페이스(API)가 불안정하며, 신경망 MT 엔진보다 더 많은 오류가 발생하는 등의 문제가 있습니다. 생성형 AI 기술이 보다 성숙하기 위해서는 이러한 문제가 반드시 해결되어야 하며, 이미 급속도로 개선이 이루어지고 있습니다.
LLM이 보여주는 놀라운 개선 속도는 LLM이 기계번역의 차세대 패러다임이 될 것이라는 주장을 뒷받침합니다. 향후 패러다임의 진화에 따라 신경망 MT 제공업체가 LLM의 일부 특성을 신경망 MT 아키텍처에 통합하는 식으로 두 방식이 혼재된 시기가 이어질 것으로 예상됩니다.
라이온브리지 블로그에서 더 많은 언어쌍에 대해 신경망 MT와 LLM의 번역 품질을 비교한 결과를 살펴보고 신경망 기계번역 패러다임의 종말이 시작되었는지에 관한 또 다른 의견에 대해 알아보세요.
- Rafa Moral, 라이온브리지 혁신 담당 부사장
참고