기계번역의 역사와 신경망 번역 모델의 진화

소개

"기계번역의 역사와 신경망 번역 모델의 진화"에 대한 내용입니다.

목차

1. 서론

2. 본론
(1) 기계번역의 개념과 연구의 출발점
(2) 규칙 기반 기계번역(RBMT)의 등장과 한계
(3) 통계적 기계번역(SMT)의 발전과 영향
(4) 구문 기반 및 하이브리드 접근의 시도
(5) 신경망 기계번역(NMT)의 등장과 혁신
(6) 트랜스포머 기반 번역 모델의 확산
(7) 최신 신경망 번역의 응용과 과제

3. 결론

4. 참고문헌

본문내용

기계번역(Machine Translation, MT)은 인간 언어 간의 장벽을 해소하려는 기술적 도전의 산물이다. 언어는 문화와 사회적 맥락을 담고 있기 때문에 단순한 단어 치환을 넘어 문맥, 뉘앙스, 의미적 일관성을 고려해야 한다. 이러한 복잡성 때문에 기계번역은 인공지능 연구 초창기부터 도전적 과제로 자리매김해왔다.
1950년대 이래 기계번역 연구는 규칙 기반 접근에서 출발해, 통계적 방법론을 거쳐, 최근에는 신경망과 대규모 언어모델 기반의 번역으로 발전했다. 본 보고서는 기계번역의 역사적 흐름과 신경망 번역 모델의 진화를 체계적으로 살펴보고, 그 기술적 의의와 사회적 파급효과를 논의하고자 한다.

참고자료

· Hutchins, W. J. [2005]. Machine Translation: A Concise History. Journal of Translation Studies.
· Koehn, P. [2010]. Statistical Machine Translation. Cambridge University Press.
· Bahdanau, D., Cho, K., & Bengio, Y. [2015]. Neural Machine Translation by Jointly Learning to Align and Translate. ICLR.
· Vaswani, A. et al. [2017]. Attention is All You Need. Advances in Neural Information Processing Systems.
· 김재훈. [2021]. 기계번역 기술의 발전과 전망. 한국정보과학회지.