기계 번역Machine Translation

단어를 바꿔 끼우지 않아요

번역기가 사전을 찾아 단어를 갈아 끼운다고 생각하기 쉬워요. 그렇게 만들면 "비가 고양이와 개로 내린다" 같은 문장이 나와요. 영어에서 비가 세차게 온다는 뜻으로 쓰는 관용구를 단어 단위로 옮긴 결과예요.

지금의 번역기는 문장을 끝까지 다 읽은 뒤에 옮기기 시작해요. 먼저 원문 전체를 뜻을 담은 숫자 묶음으로 바꾸고, 그 묶음을 보면서 도착 언어의 문장을 한 조각씩 새로 써 내려가요. 원문의 단어와 번역문의 단어가 일대일로 대응하지 않는 이유예요.

이 방식은 어순이 완전히 다른 언어 사이에서 특히 힘을 발휘해요. 한국어는 서술어가 맨 뒤에 오고 영어는 앞에 와요. 끝까지 읽고 시작해야 문장을 뒤집을 수 있어요.

규칙표에서 통계로, 통계에서 지금으로

초기 번역기는 사람이 만든 문법 규칙과 사전으로 돌아갔어요. 규칙을 아무리 늘려도 예외가 더 빨리 늘어서, 조금만 문장이 꼬이면 무너졌어요.

다음 세대는 통계를 썼어요. 두 언어로 나란히 번역된 문서를 잔뜩 모아 두고, 어떤 토막이 어떤 토막으로 자주 바뀌었는지 세어서 확률이 높은 조합을 이어 붙였어요. 규칙보다 훨씬 나았지만 토막을 이어 붙인 티가 났어요.

지금은 문장 전체를 읽고 새로 쓰는 방식이에요. 앞뒤 모든 단어를 한꺼번에 견주는 구조가 들어오면서 긴 문장에서도 주어와 서술어가 흐트러지지 않게 됐어요. 요즘 번역기 문장이 갑자기 자연스러워진 건 이 전환 덕분이에요.

앞뒤를 모르면 찍어야 해요

영어 문장 하나를 한국어로 옮길 때 번역기는 원문에 없는 것을 정해야 해요. 상대에게 반말을 할지 존댓말을 할지, 상대가 한 사람인지 여럿인지, 그 사람이 남자인지 여자인지 같은 것들이에요.

원문에 그 정보가 없으면 번역기는 가장 흔한 쪽으로 찍어요. 학습한 글에서 그 상황에 존댓말이 더 많았으면 존댓말이 나와요. 문장 하나만 넣었을 때 말투가 오락가락하는 이유예요.

문단이나 대화 전체를 한 번에 넣으면 결과가 좋아져요. 앞 문장에서 상대가 누구인지 드러나면 뒤 문장의 말투가 따라 정해지니까요. 인물 관계나 용어를 미리 알려 주면 더 안정돼요.

언어 짝마다 실력이 달라요

번역기는 두 언어로 나란히 쓰인 글에서 배워요. 그래서 그런 글이 많이 쌓인 짝일수록 잘하고, 적게 쌓인 짝일수록 서툴러요. 영어와 프랑스어 사이는 수백 년치 문서가 있지만, 쓰는 사람이 적은 언어 사이에는 그런 자료가 거의 없어요.

자료가 적은 짝은 영어를 중간에 거쳐 두 번 옮기기도 해요. 한 번 옮길 때마다 뜻이 조금씩 닳아서, 두 번을 거치면 원문에서 더 멀어져요.

같은 짝이라도 분야에 따라 갈려요. 뉴스 기사와 일상 대화는 잘하지만, 법률 문서나 의학 안내문처럼 용어가 촘촘한 글은 자신 있게 틀린 용어를 써 놓기도 해요.

확인하는 방법이 있어요

가장 간단한 방법은 되돌려 번역이에요. 번역한 문장을 다시 원래 언어로 옮겨 보면 흔들린 자리가 눈에 띄어요. 다만 되돌린 문장이 멀쩡해도 번역이 맞다는 보장은 아니에요. 두 번 다 같은 방향으로 어긋날 수 있어요.

용어를 미리 정해 주는 것도 효과가 커요. 회사 이름이나 제품명, 직함처럼 반드시 이렇게 써야 하는 말은 목록으로 알려 주면 문서 전체에서 일관되게 유지돼요. 중요한 문서라면 마지막 확인은 그 언어를 아는 사람 몫으로 남겨 두는 편이 안전해요.