신경망 기계번역의 작동 원리와 번역의 정확률 - 중한 번역을 실례로

초록

본고에서는 기계번역 연구 분야에서 주목을 받고 있는 신경망 모델(NMT)의 작동 기제를 살펴보고 중한 번역에 적용했을 때의 정확률이 어떠한지를 고찰하였다. 신경망 기계번역 모델은 기존 모델에 비해서 간단하면서도 범용적이다. 또한 양질의 번역 코퍼스가 확보되면 기존의 기계번역보다도 자연스럽고 정확한 번역문을 생성해 낸다고 알려져 있다. 신경망 기계번역 품질에 대해서는 주로 영어를 중심으로 연구가 진행되어 왔다. 그러나 비영어권 언어에 대한 번역 품질 연구는 상대적으로 큰 주목을 받지 못했다. 특히 중한 신경망 번역 품질에 대한 연구는 아직까지 제대로 된 연구 결과가 없었다고 해도 과언이 아니다. 이에 본고에서는 중국어-한국어 문장을 대상으로 신경망 기계번역이 어느 정도 정확하게 번역하는지를 분석해 보았다. 번역의 정확률 평가용으로 사용된 프로그램은 구글 신경망 기계번역, 네이버 신경망 기계번역, 바이두 신경망 기계번역이다. 번역 평가를 위해 중국어 의사소통 기본표현 170문장과 교재, 학술서, 신문 등에서 200문장을 선별하였다. 그리고 기계번역 결과에 대해 단어 번역, 구 번역, 문장 번역의 측면에서 내용의 충실성과 문장의 자연스러움 등을 종합적으로 고려하여 10점 척도로 평가하였다. 또한 본고에서는 신경망 기계번역의 효율적인 활용 방안에 대해서 논의하였다. 신경망 기계번역 모델은 기존의 기계번역보다 번역 품질이 좋아진 것은 사실이다. 그러나 여전히 인간을 대신할 만큼의 고품질의 번역문을 만들어 내지는 못한다. 앞으로도 기계번역이 인간 번역을 완전히 대체하지는 쉽지 않을 것이다. 이러한 상황에서 우리는 기계번역 프로그램을 인간 번역자의 경쟁 대상이 아니라 번역을 도와주는 보조 도구로서의 역할 규정을 하는 사고의 전환이 필요하다. 신경망 기계번역 모델은 번역 데이터를 스스로 학습하고 최적의 번역에 대한 예측을 할 수 있기 때문에 번역자의 목적에 맞게 특화시킨다면 편리한 번역 도구로 활용할 수 있다. 신경망 이론에 기초하여 목적에 맞게 특화된 번역 모델을 개발한다면 번역의 정확성을 높이고 번역자의 번역 능률을 높이는데 크게 기여할 것이다. 신경망 기반의 특화된 기계번역 프로그램이 본격적으로 활용된다면 통번역 분야는 더욱 전문화되고 다양한 영역으로 확장될 것이다.

키워드