왜 기계 번역의 중요성과 역사 — 룰기반에서 신경망까지가 필요한가? 실무에서 이 개념 없이는 문제를 해결할 수 없습니다. 핵심 동기와 배경을 먼저 이해합시다.
기계 번역(Machine Translation, MT)은 AI의 가장 오래된 도전 과제 중 하나입니다. 1954년 조지타운-IBM 실험이 최초의 공개 시연이었습니다.
기계 번역의 역사 — 세 가지 패러다임:
1세대: 룰기반 번역 (RBMT, 1950s~1990s)
- 언어학자가 직접 문법 규칙과 사전을 작성합니다
- "주어+동사+목적어" → "주어+목적어+동사" 같은 구조 변환 규칙
- 장점: 규칙이 정확하면 일관된 번역
- 한계: 모든 규칙을 수작업으로 만들어야 함 — 비용과 시간이 막대
2세대: 통계 기반 번역 (SMT, 1990s~2016)
- 대량의 병렬 코퍼스(원문-번역문 쌍)에서 통계적 패턴을 학습합니다
- "I love you" → "나는 너를 사랑해"가 자주 대응된다면 이 패턴을 학습
- 핵심 수식:
argmax_e P(e|f) = argmax_e P(f|e) × P(e) - Google 번역이 2006~2016년 이 방식을 사용했습니다
3세대: 신경망 번역 (NMT, 2016~현재)
- 딥러닝이 번역 문제를 end-to-end로 해결합니다
- 2016년 Google Neural MT가 SMT 대비 BLEU 점수를 대폭 향상
- Transformer(2017) 등장 이후 품질이 비약적으로 향상
왜 기계 번역이 중요한가?
- 전 세계 7,000개 이상의 언어 간 소통 장벽을 허물 수 있습니다
- 연간 $50B+ 규모의 번역 시장
- 실시간 번역, 자막 생성, 다국어 고객 지원 등 무한한 응용