1．基本を理解
読み方・用語解説- 読み方
- るーるべーすきかいほんやく
- 英語名
- Rule-based Machine Translation（RBMT）
- 提唱者・年代
- 1950〜1980年代に主流。1954年のジョージタウン・IBM実験が機械翻訳の最初の公開デモとして有名。
💡 豆知識——アルヘコス会議（1956年）——チューリングとワイズマンが“機械翻訳研究の開始”を提言した、翻訳史の転換点。
【セットで覚えたい関連用語】
統
統計的機械翻訳大量の“対訳データ”から翻訳の統計を学ぶ手法（90年代以降）。ニ
ニューラル機械翻訳（NMT）ニューラルネットワークで文全体の対応を学ぶ、現代の主流。コ
コーパス機械翻訳の研究を支える大量のテキスト集。2．意味（定義）と例え話
一言で言うと？
人間（言語学者など）が定義した辞書や文法規則を用いて変換を行う機械翻訳手法。データ量には依存せず、ルール記述が前提。
背景・歴史的流れ
データ・計算資源が少なかった時代、言語学者が“辞書＋文法”で翻訳システムを作るのが定石だった。
身近な例え話
「漢字の書き順ルールを全部覚えて、その通りに変換する」——ルール集が完璧ならうまくいく、でも書き順が決められていない漢字に弱くなる。
AIとの関係
機械翻訳の“第1世代”。ルール記述が追いつかない多様な表現に限界を見せ、統計的・ニューラル方式にバトンタッチした。
おすすめの活用法・注目ポイント
「データ不要・ルール前提」の2点で。統計的（データ前提）との対比が定番の区別問題。
3．直前に理解（Q&A）
7問Q1. ルールベース機械翻訳とは？最頻出
人間が定義した辞書や文法規則で変換を行う手法。
Q2. データ量は必要？ひっかけ
不要。ルールの記述が前提（データ前提は統計的方式）。
Q3. ルールを誰が作る？頻出
言語学者などが人手で定義した辞書・文法規則。
Q4. 統計的機械翻訳との違いは？混同
ルールで“変換する”（RBMT）vs データから“確率を学ぶ”（SMT）。
Q5. 弱点は？最頻出
ルール記述が追いつかない——表現の多様性・例外に弱い。
Q6. 研究の起点は？頻出
1956年のアルヘコス会議（チューリング・ワイズマンの提言）。
Q7. 位置づけは？親と子
機械翻訳 ⊃ {ルールベース / 統計的 / ニューラル} のうちルールベース。
4. まとめ
ルールベース機械翻訳＝“辞書＋文法”で変換する古典的手法。データ不要・ルールが前提——ルール記述が追いつかないのが限界。