- 1사람이 컴퓨터에게 말을 건넨다
- 2AI가 말의 뜻을 분석하고 이해한다
- 3AI가 적절한 답변을 만들어낸다
- 4사람과 AI가 자연스럽게 대화한다
정의와 배경
기계 번역(Machine Translation)은 인간의 개입 없이 소프트웨어가 자동으로 원문 언어(소스 언어)를 목표 언어(타깃 언어)로 번역하는 자연어처리(NLP)의 대표적 응용 분야다. 번역은 단순한 단어 치환이 아니라 문법 구조, 문맥, 문화적 뉘앙스까지 반영해야 하기 때문에 AI 기술 발전의 난이도 높은 시험대로 여겨져 왔다.
역사적으로 기계 번역 연구는 냉전 시기 군사·외교 목적의 문서 번역 자동화 수요에서 출발하였으며, 이후 인터넷과 글로벌 교역의 확대로 상업적 수요가 폭발적으로 증가하였다.
발전 단계와 작동 원리
기계 번역은 크게 세 세대로 구분된다. 첫째, 규칙 기반 기계 번역(RBMT)은 언어학자가 직접 문법 규칙과 사전을 설계하는 방식으로, 유지 비용이 높고 예외 처리가 어렵다는 한계가 있었다. 둘째, 통계 기반 기계 번역(SMT)은 대규모 병렬 말뭉치(양국어 대역 텍스트)에서 통계적 패턴을 학습하는 방식으로, 규칙 기반보다 유연하지만 장거리 문맥 반영이 취약했다.
셋째, 현재 주류인 신경망 기계 번역(NMT)은 딥러닝 기반의 인코더-디코더 구조를 활용하며, 특히 트랜스포머(Transformer) 아키텍처와 어텐션(Attention) 메커니즘이 도입된 이후 번역 품질이 획기적으로 향상되었다. 대형 언어 모델(LLM)의 등장으로 맥락과 문체까지 반영하는 번역이 가능해지고 있다.
왜 중요한가
기계 번역은 언어 장벽을 낮춰 정보 접근성을 높이고 국제 협력과 교역을 원활하게 하는 사회적·경제적 가치를 지닌다. 공공 부문에서는 다국어 민원 처리, 외교 문서 초안 작성, 대민 안내 콘텐츠 다국어화 등에 활용될 수 있어 행정 효율화에 직접 기여한다.
다만 번역 품질은 언어 쌍, 도메인(법률·의료·기술 등), 전문 용어 밀도에 따라 편차가 크므로, 고위험 문서(법령, 계약, 의료 지침)에는 전문가 검수를 병행하는 '인간-AI 협업 번역' 체계가 권장된다. 또한 특정 언어 쌍의 학습 데이터가 부족한 저자원 언어(low-resource language)의 경우 번역 품질 격차가 여전히 과제로 남아 있다.
※ 본 상세 설명은 용어집 데이터를 토대로 AI가 생성했습니다. 정확한 내용은 원문 출처를 우선하세요.