機械翻訳とは?仕組みの移り変わりと、できること・できないこと

日本語の文と機械翻訳の訳文を左右に並べた画面を、ペンを持って確かめる人

この記事でわかること

  • 機械翻訳の一文の定義
  • 規則・統計・ニューラル・大規模言語モデルの移り変わり
  • 機械翻訳でできること・苦手なこと
  • 研修動画の翻訳で使うときの進め方
  • 似た言葉(ポストエディット・翻訳メモリ)との違い

まず読む: AI翻訳の精度は人の翻訳に追いついた?比較の研究でわかったこと

機械翻訳とは?

機械翻訳とは、コンピューターが、ある言語の文章を別の言語に自動で訳す技術のことです。英語の machine translation を略して「MT」と書かれることもあります。ウェブページの翻訳ボタンや、スマートフォンの翻訳の機能、動画の自動字幕の翻訳など、身の回りの多くの所で使われています。

最近は「AI 翻訳」と呼ばれることも増えました。いまの機械翻訳の多くが AI の技術で動いているためで、ほぼ同じものを指しています。機械翻訳のほうが、古い方式も含めた広い呼び方です。

身近な言い方をすれば、機械翻訳は「とても速い下訳の係」です。大量の文章を一瞬で訳せますが、その訳が正しいかどうかを最後に決めるのは、読む人の目です。

機械翻訳の仕組みはどう移り変わってきた?

機械翻訳の方式は、大きく 4 つの段階で移り変わってきました。

1. 規則に基づく方式

はじめは、人が文法の規則と辞書を書き、その規則に沿ってコンピューターに訳させる方式でした。規則を書いた範囲ではそろった訳が出ますが、言葉の例外は限りなくあり、規則を書き足し続ける手間がかかりました。

2. 統計の方式

次に広まったのが、たくさんの対訳(同じ内容を 2 つの言語で書いた文の組)から、「この言葉はこう訳されることが多い」という確率を学ぶ方式です。代表的な研究の一つが、1990 年に計算言語学の学術誌に載った「機械翻訳への統計的な取り組み」という論文です[1]。人が規則を書かなくても、データから訳し方を学べるようになりました。

3. ニューラルの方式

2015 年に機械学習の国際会議 ICLR で口頭発表された研究は、ニューラル機械翻訳を、従来の統計の方式と違い、翻訳の性能が最も高くなるようにまとめて調整できる 1 つのニューラルネットワークを作るものだと説明しています[2]。人の脳の神経のつながりをまねた計算の仕組みで、文全体を見ながら訳すため、訳が自然になりました。

2017 年には、注意の仕組み(アテンション)だけで組み立てた新しいネットワークの形が提案されました[3]。この形は、その後の機械翻訳や、次に述べる大規模言語モデルの土台になっています。

4. 大規模言語モデルの方式

いまは、翻訳のためだけに学習したモデルに加えて、文章全般を大量に学んだ大規模言語モデル(LLM)に翻訳もさせる方法が広がっています。2024 年の機械翻訳の国際的な評価の場 WMT24 では、11 の言語の組の翻訳が課題とされ[6]、8 つの大規模言語モデルと 4 つのオンラインの翻訳サービスからも訳を集めて比べています[6]。

機械翻訳の方式の移り変わり出典: 1990年・2015年・2017年の論文と WMT24 の報告(2024)をもとに編集部作成
方式訳し方代表的な年
規則に基づく方式人が書いた文法の規則と辞書で訳す初期
統計の方式たくさんの対訳から確率を学んで訳す1990年の論文
ニューラルの方式ニューラルネットワークで文全体を見て訳す2015年の論文
大規模言語モデル文章全般を学んだモデルに訳させる2020年代
グラフを並べた画面で翻訳の精度を比べる研究者の後ろ姿

機械翻訳で何ができる?

機械翻訳の強みは、速さと量です。

  • 大量の文章をすぐに訳せる:研修の資料やマニュアル、字幕の全文も、短い時間で下訳ができます
  • 多くの言語に一度に訳せる:同じ日本語の原文から、いくつもの言語の訳を同時に作れます
  • 内容をつかむ:知らない言語の資料でも、何が書いてあるかのあらすじが分かります
  • 人の翻訳の下書きにする:機械の訳を人が直す進め方(ポストエディット)で、ゼロから訳すより手間を減らせます

訳の良し悪しをどう測るかについて、WMT24 は、専門の評価者が誤りの箇所に印を付けていく新しい方法で、各システムの訳を評価したと報告しています[6]。評価の方法そのものは、機械翻訳の評価とはで説明しています。

機械翻訳の苦手なことは?

機械翻訳は便利ですが、どんな文でも正しく訳せるわけではありません。研究で分かっている苦手な点を 2 つ挙げます。

1 つ目は、言語による差です。2023 年に公開された研究は、大規模言語モデルの翻訳が、話者の多い言語ではとても競争力のある品質を出す一方、話者の少ない言語では力が限られると報告しています[4]。

2 つ目は、原文に無い内容を作ってしまう誤り(幻覚)です。2023 年に学術誌 TACL に載った研究は、こうした訳は、機械翻訳を実際に使うときに信頼を大きく損ない、安全の問題を起こしうると指摘しています[5]。とくに話者の少ない言語への翻訳や、英語から他の言語へ訳すときに起きやすいとしています[5]。

ほかにも、会社だけで使う呼び方や新しい製品の名前、人の名前は、学んだデータにほとんど出てこないため、誤りやすくなります。どこで誤りが起きやすいかは、AI翻訳の間違いはどこで起きる?でくわしく整理しています。

印刷した訳文に赤ペンで印をつける手元。AI翻訳の間違いを見つける作業

どんな場面で使う?(研修・マニュアル動画の例)

研修やマニュアルの動画を多言語にするとき、機械翻訳は字幕や吹き替えのもとになる訳を作る役を担います。使うときは、次の順番がおすすめです。

  1. 原文の日本語を整える
    一文を短くし、主語と述語をはっきりさせると、訳の誤りが減ります
  2. 用語集を用意する
    会社名・製品名・安全の言葉の訳を、言語ごとに決めておきます
  3. 機械翻訳で下訳を作る
    字幕の全文を、選んだ言語へまとめて訳します
  4. 否定・数字・固有名詞から確かめる
    意味を大きく変える誤りを先に見つけます
  5. 直した言葉を用語集に足す
    次の動画で同じ誤りを早く見つけられるようにします

機械の訳を人が直す作業の考え方は、ポストエディットとはで説明しています。

koevo では、字幕・翻訳文をエディターで直せます[7]。会社名や専門用語は「一括置換」で、全部の言語をまとめて直せます[7]。字幕の手直しとして、エディター・一括置換・AI 再翻訳が使えます[7]。

似た言葉とはどう違う?

言葉意味機械翻訳との関係
AI 翻訳AI の技術で行う翻訳いまの機械翻訳とほぼ同じ意味
ニューラル機械翻訳(NMT)ニューラルネットワークで訳す機械翻訳機械翻訳の方式の一つ
大規模言語モデル(LLM)の翻訳文章全般を学んだモデルに訳させる機械翻訳の新しい方式
ポストエディット機械翻訳の訳を人が直す作業機械翻訳のあとに行う
翻訳メモリ過去の訳を文ごとにためて使い回す仕組み機械が新しく訳すのではなく、人の過去の訳を探し出す

ニューラル機械翻訳と大規模言語モデルの翻訳の違いは、LLMの翻訳とニューラル機械翻訳の違いで比べています。AI の翻訳と人の翻訳を比べた研究は、AI翻訳の精度は人の翻訳と比べてどうかにまとめています。

よくある質問

機械翻訳とAI翻訳は同じものですか?

いまはほぼ同じ意味で使われます。現在の機械翻訳の多くは、ニューラルネットワークや大規模言語モデルといったAIの技術で動いているためです。機械翻訳のほうが、規則や統計の方式も含む広い呼び方です。

機械翻訳の訳はそのまま使えますか?

内容をざっとつかむ目的なら使えることも多いですが、社外に出す文や安全・手順に関わる文は、人が読んで確かめてから使います。研究でも、原文に無い内容を作ってしまう誤りが報告されています。

どの言語でも同じくらい正確ですか?

同じではありません。研究では、話者の多い言語では高い品質が出る一方、話者の少ない言語では力が限られると報告されています。訳したい言語ごとに確かめる必要があります。

機械翻訳の誤りを減らすにはどうすればよいですか?

原文を短く分かりやすく書く、会社名や専門用語の訳を用語集で決めておく、訳を人が確かめて直す、の 3 つが基本です。直した言葉を用語集に足していくと、次の翻訳で同じ誤りを見つけやすくなります。

機械翻訳とは、コンピューターが自動で文章を訳す技術です。規則・統計・ニューラル・大規模言語モデルと方式が移り変わり、速く大量に訳せるようになりました。一方で、言語による差や原文に無い内容の誤りがあるため、大事な文は人が確かめてから使いましょう。

おわりに

機械翻訳について、いかがでしたか?コンピューターが自動で訳す技術で、規則・統計・ニューラル・大規模言語モデルと方式が移り変わり、速く大量に訳せる一方で誤りもあるため、大事な文は人が確かめるのでしたね。

ちなみにスリーでは、「koevo」というサービスを提供しています。日本語の動画から、翻訳・字幕・吹き替えをまとめて作る動画の多言語化の仕組みです。研修やマニュアルの動画を、母国語の声で届けられます。日本語の研修やマニュアルの動画を機械翻訳で訳し、字幕と吹き替えまで作ったうえで、訳をエディターで確かめて直したいときにお使いいただけます。よろしければ、サービスページものぞいてみてください。

koevo のサービスページを見てみる

よくある質問

機械翻訳とAI翻訳は同じものですか?

いまはほぼ同じ意味で使われます。現在の機械翻訳の多くは、ニューラルネットワークや大規模言語モデルといったAIの技術で動いているためです。機械翻訳のほうが、規則や統計の方式も含む広い呼び方です。

機械翻訳の訳はそのまま使えますか?

内容をざっとつかむ目的なら使えることも多いですが、社外に出す文や安全・手順に関わる文は、人が読んで確かめてから使います。研究でも、原文に無い内容を作ってしまう誤りが報告されています。

どの言語でも同じくらい正確ですか?

同じではありません。研究では、話者の多い言語では高い品質が出る一方、話者の少ない言語では力が限られると報告されています。訳したい言語ごとに確かめる必要があります。

機械翻訳の誤りを減らすにはどうすればよいですか?

原文を短く分かりやすく書く、会社名や専門用語の訳を用語集で決めておく、訳を人が確かめて直す、の 3 つが基本です。直した言葉を用語集に足していくと、次の翻訳で同じ誤りを見つけやすくなります。

参考文献

論文 5海外の資料 1自社の一次資料 1

この記事は 7 本の出典をもとに書いています。うち 7 本は、引用した文が出典のページにあることを確かめています(2026年11月21日)。

  1. Brown, Cocke, Della Pietra, Della Pietra, Jelinek, Lafferty, Mercer, Roossin (1990) A Statistical Approach to Machine Translation. Computational Linguistics 16(2): 79–85論文
  2. Bahdanau, Cho, Bengio (2015) Neural Machine Translation by Jointly Learning to Align and Translate. ICLR 2015. arXiv:1409.0473. DOI: 10.48550/arXiv.1409.0473論文
  3. Vaswani et al. (2017) Attention is All you Need. Advances in Neural Information Processing Systems 30 (NIPS 2017)論文
  4. Hendy et al. (2023) How Good Are GPT Models at Machine Translation? A Comprehensive Evaluation. arXiv:2302.09210. DOI: 10.48550/arXiv.2302.09210海外の資料
  5. Guerreiro et al. (2023) Hallucinations in Large Multilingual Translation Models. TACL 11. DOI: 10.1162/tacl_a_00615論文
  6. Kocmi et al. (2024) Findings of the WMT24 General Machine Translation Shared Task. WMT 2024. DOI: 10.18653/v1/2024.wmt-1.1論文
  7. koevo ヘルプ(使い方・料金)自社の一次資料

更新履歴

  • 似た言葉の表から、ニューラル機械翻訳(NMT)と大規模言語モデル(LLM)を一語ずつ解説した記事へ案内を足しました

この記事を書いた人

動画の多言語化に毎日向き合っている koevo のチームが書いています。数字や制度は、元の資料へのリンクを付けています。