1．基本を理解
読み方・用語解説- 読み方
- きかいほんやく
- 英語名
- Machine Translation（MT）
- 提唱者・年代
- ルールベース（1970年代）→統計的（1990年代）→ニューラルMTと3段階
💡 豆知識——“MT”の略。1950年代の初のコンピュータ辞書から、いまのChatGPTまで、“通訳”の担い手はAI。
【セットで覚えたい関連用語】
S
Seq2Seq系列（文）を系列（文）へ変換するモデル。ニ
ニューラルMT深層学習による、いま主流の翻訳。コ
コーパス学習に使う大量の対訳データ（原文と訳文のペア）。2．意味（定義）と例え話
一言で言うと？
ある言語の文を別の言語へ変換するセクエンス間の翻訳モデル（Seq2Seqなど）。
背景・歴史的流れ
ルールベース（1970年代）→統計的MT（1990年代）→ニューラルMTと技術が進化。ニューラルMTの登場で品質が劇的に上がり、スマホアプリの標準機能になった。
身近な例え話
海外旅行でスマホの翻訳アプリがメニュー板を英語→日本語にしてくれる——その裏が機械翻訳。
AIとの関係
深層学習（Seq2Seq、Transformer）の定番例。ChatGPTやGeminiは、対話の中で複数言語のやり取りをこなす。
おすすめの活用法・注目ポイント
「ルールベース→統計的→ニューラル、3段階の進化」が鉄板。
3．直前に理解（Q&A）
7問Q1. 機械翻訳とは？最頻出
ある言語の文を別の言語へ変換するセクエンス間の翻訳モデル（Seq2Seqなど）。
Q2. 進化の段階は？最頻出
ルールベース（1970年代）→統計的MT（1990年代）→ニューラルMT。
Q3. Seq2Seqとは？頻出
入力の系列を出力の系列へ変換するモデル（エンコーダー・デコーダー構造）。
Q4. 「機械翻訳は単語ごとに辞書を引く技術」は正しい？ひっかけ
誤り。文ごとに変換するモデル（ニューラルMT）が主流。
Q5. 学習データは？頻出
対訳コーパス（原文と訳文のペアの大量データ）。
Q6. 使われる場面は？頻出
スマホの辞書アプリ、字幕、リアルタイム翻訳など。
Q7. 位置づけは？親と子
自然言語処理 ⊃ 機械翻訳。
4. まとめ
機械翻訳＝ある言語の文を別の言語へ変換する技術。ルールベース→統計的→ニューラルと進化。