オンプレミスで活用するAI翻訳
SYSTRAN Pure Neural Server
シストランジャパン 合同会社
日本代表 江上 聡

オンプレミス環境で活用するAI翻訳
SYSTRAN Pure Neural Server
[2022.08] SYSTRAN導入で、14日の翻訳作業が数分間に短縮
CDシンポジウム2022でユーザー事例をご紹介します
CKD株式会社様では、SYSTRANの導入で翻訳の精度が上がっただけでなく、無駄な時間の効率化を図り、制作日数も大幅に短縮されました。SYSTRANの導入検討を進める中で、ベンダー任せで見えていなかった問題点も浮き彫りになり、人手で翻訳をしていたころの17 の制作工程のうち、業者との見積りや発注、修正指示などの工程がなくなり10 工程に。14日の翻訳作業が数分間に短縮すると共に、印刷まで平均26 日かかっていた制作日数が7日程度になりました。
CD(コミュニケーションデザイン)シンポジウム2022で、CKD株式会社様導入事例の詳細をご紹介します。

■コミュニケーションデザインシンポジウム2022(8/24-8/26開催)
2022年8月25日 16:00 – 16:40
CKD社、シストラン導入事例(社内DXの成功と取り組み)
(参加無料、オンライン)
セッションの見どころを動画でご案内します。
https://jtca-web.com/sessions/2022/8244/
ご参加、ご検討お願いします。
コミュニケーションデザインシンポジウム2022関連セッションのご案内
[2022.07] カタカナ混じりの自社固有の用語は正しく翻訳できてますか?
製品名称や部品名称に、カタカナ混じりの用語がある場合、AI翻訳の翻訳結果には注意が必要です。全く意図していない翻訳結果になっている場合があります。意図した翻訳結果になるように、AI翻訳の辞書機能を利用して、日本語表記に対して、ターゲット言語での表記を辞書登録することが重要です。
例)
日本語の製品名称:パワフルアーム
正しい英語の製品名称:Power arm
汎用型AI翻訳でそのまま翻訳すると「パワフルアーム」は、「Powerful arm」となります。グーグルの画像検索で、「Powerful arm」を検索すると以下のような結果になります。

その他の例をご紹介します。

正しく意図した通りに「つたえる」翻訳をするためにAI翻訳の辞書機能を活用することが重要です。
<最新事例を公開中>
シストランのHPで、より詳しい情報を公開中。
https://systran.co.jp/#introduction (外部サイトへリンクします)
導入企業様のインタビュービデオをご覧いただき、PDF資料も入手ください。
SYSTRAN活用Tips集
- [2022.06] 某メーカーが、外部翻訳者を探す代わりに選択した道とは【事例紹介】
- [2022.05] 第三者が作成したドキュメントを正確に翻訳するポイント
- [2022.04] お客様が欲しい情報を、希望する言語でタイムリーに提供【事例紹介】
- [2022.03] AI翻訳の導入で見落としてはいけないポイント
- [2021.10] 海外拠点や海外のお客様とのやりとりにもAI翻訳を活用しませんか?
- [2021.9] TCシンポジウム8月の SYSTRANxISE セッションのQ&Aフォローアップ
- [2021.7] (イ)を翻訳したら 2)、a)、B)、i) と結果がバラバラに!?
- [2021.6] お客様の翻訳をAIが学ぶって本当?
【AI翻訳活用コラム】 – 企業内外の多言語コミュニケーションに活用するAI翻訳
- [2021.11]第1回 見落としがちなセキュリティ要件
- [2021.12]第2回 自社のIT要件を満たす、セキュアな運用環境の選択
- [2022.01]第3回 複数部門での活用と日常業務での利用
- [2022.02]第4回 概算費用と導入ステップ
SYSTRAN 活用のFAQ集
- [2021.8] AI翻訳時に、翻訳メモリ(TM)をファジーマッチさせ、TM活用度を上げられませんか?
- [2021.7] 辞書に登録した用語はAI学習の対象になりますか?
- [2021.5] AI翻訳の活用において、用語辞書に登録すればするほど、意図した翻訳になりますか?
- [2021.4] 翻訳対象物の分野毎に、専⾨⽤語やTMが異なる場合には、訳し分けはできますか?
- [2021.3] 日本語と英語で、代名詞の扱いで異なる点は何ですか?
- [2021.3] 一貫してyouを主語にした「2人称」で翻訳するための方法はありますか?
- [2021.3] SYSTRANの正規化辞書は、翻訳処理のどの段階で適用できますか?
ご案内
記事アーカイブス
【AI翻訳活用コラム】 企業内外の多言語コミュニケーションに活用するAI翻訳
海外拠点や海外のお客様とのやりとりで、言語問題を解消できればスムーズなコミュニケーションができ、言語的な内容理解のための時間を削減し、課題解決に集中できるようになります。そこで、日常業務での言語を越えたコミュニケーションにAI翻訳の活用を検討します。
- 第1回 見落としがちなセキュリティ要件 [2021.11]
- 第2回 自社のIT要件を満たす、セキュアな運用環境の選択 [2021.12]
- 第3回 複数部門での活用と日常業務での利用 [2022.01]
- 第4回 導入にかかる概算費用と構築ステップ [2022.02]
[2021.11] 第1回 見落としがちなセキュリティ要件
日常業務でAI翻訳を活用する上での注意点
AI翻訳の活用でクラウドサービスの利用は、申し込むとすぐに使用できてお手軽ですが、セキュリティに関して注意が必要です。日常業務で取扱う情報は、社外に公開できない機密情報であることがほとんどです。自社の製品開発に関わる情報や、発表前製品の情報、顧客情報などは非公開情報です。また、お客様との機密保持契約に基づいて提供を受けた情報も社外に出すことが契約違反にもなり、重大な問題になる可能性があることの認識が必要です。また、クラウドサービス上で翻訳した事実が自社の関心事を示している可能性もあり、これらの情報が社外に流出することになります。
AI翻訳のクラウドサービスを利用する場合には、セキュリティ要件を満たしているサービスなのかの確認が重要です。しかし、要件を満たしているからといっても、クラウドサービスに預けたデータの管理は、サービス事業者に委ねることになり、自社の都合でデータを消去したりできないという事実を認識しておく必要はありそうです。
こんなことは起きていませんか?
海外の事例をご紹介します。IT部門が全社のアクセスログを精査した結果、膨大な量の社外秘情報が、セキュリティ要件が不確かな無料サイトで翻訳されていたことが判明した例があります。そのIT部門は即アクセスできないようにブロックをかけましたが、社外秘情報や個人情報が含まれた原文・訳文の情報を取り戻すことはできず、以下のようなリスクを抱えることになりました。
- データ収集リスク
- 社外秘漏洩リスク
- 個人情報の国外提供の法的リスク
クラウドサービスを利用する場合、そのクラウドベンダーが第三者のAI翻訳サービスを利用してサービス提供しているケースもあります。ユーザーはクラウドベンダーとサービス契約しますが、この場合、実際のデータは第三者のサーバーに転送されることになります。情報漏えいなどの問題が発生した場合、契約上の違反は追求できても、漏洩したデータを完全に取り戻すことはできません。このことは、クラウドサービスに限らず、人手による翻訳サービスにおいても同様のことは起こり得ます。翻訳ベンダーとは機密保持契約を締結したとしても、フリーランスの方のデータ管理については同様で、委託先翻訳ベンダーのデータ管理を自社でコントロールすることは困難です。

セキュリティが確保されたAI翻訳の活用
自社の管理下にAI翻訳を設置することで、必要な時に必要な箇所を何度でも安心して翻訳し確認できるようになります。そして、何をいつ翻訳したのかの履歴情報や、原文・訳文の情報など、データの発生から消去まで、常に自社の都合で実行できるようになります。
次回以降のコラムで、実際にセキュアなAI翻訳基盤を構築していくためのポイントについてご紹介していきます。自社での構築検討にご活用ください。
次回以降のコラム掲載予定
・セキュリティを確保し、自社のIT要件に沿う運用環境の選択
・複数部門での活用と日常業務での利用
・概算費用と導入ステップ
<終わり – 第1回 見落としがちなセキュリティ>
[2021.12] 第2回 自社のIT要件を満たす、セキュアな運用環境の選択
日常業務でAI翻訳を使用して翻訳する場合、その情報の機密レベルに適切なAI翻訳エンジンを選択することが重要です。セキュリティが確保された自社のIT要件に合うAI翻訳環境があれば、翻訳したい情報の機密レベルを気にすることなく、業務に必要な情報をいつでも必要な時に翻訳し、情報活用できるようになります。IT管理部門としても、誰がいつ何を翻訳したのかの履歴情報や、原文や訳文の管理など、自社のセキュリティ要件に合わせて運用できます。
AI翻訳の運用環境を構築する場合、自社のネットワークにマシンを接続するために承認取得が必要だったり、自社が契約するデーターセンターに設置しなければならないなど、企業毎にそのセキュリティ要件はいろいろです。自社のIT要件を踏まえ、適切な運用体制を構築することも重要です。運用体制は、自社のIT部門が直接実施するほか、SYSTRANに委託する方法もあります。それぞれ代表的なパターンを挙げますので、どのような運用体制が自社に最適か検討にご利用ください。実際の運用体制は、IT要件を踏まえて一緒に検討を進められますので、まずは様々な形態でAI翻訳環境の構築が可能なことをご確認いただけましたら幸いです。
SYSTRANサーバー設置の主な運用パターン
自社のIT部門で運用管理
(1)オンプレミス(自社設備内への設置)
(2)プライベートクラウド
(3)仮想プライベートクラウド
SYSTRANに運用委託
(4)お客様専⽤サーバーサービス
(5)ホスティング運⽤サービス
自社のIT部門で運用管理

(1)オンプレミス(自社設備内への設置)
⾃社ネットワーク内の物理マシンまたは仮想マシン上に翻訳システムをインストールします。お客様⾃⾝が運⽤することにより、社外秘情報が⾃社ネットワーク外に出ることはなく、最も堅牢なセキュリティを実現。
(2)プライベートクラウド
⾃社ネットワーク内のプライベートクラウドの仮想マシン上に翻訳システムをインストールします。お客様⾃⾝が運⽤することにより、社外秘情報が⾃社ネットワーク外に出ることはなく、最も堅牢なセキュリティを実現。
(3)仮想プライベートクラウド
パブリッククラウド上の翻訳システムを⾃社ネットワーク内に組み込み仮想プライベートクラウドを構築します。お客様⾃⾝が運⽤することにより、社外秘情報が⾃社ネットワーク外に出ることはなく、オンプレミス、プライベートクラウドにつぐ堅牢なセキュリティを実現。
SYSTRANに運用委託

(4)お客様専⽤サーバーサービス
パブリッククラウド上にお客様専⽤マシンを準備し、SYSTRANネットワーク内に組み込みセキュリティを強化した上で翻訳システムを構築します。SSL通信とIPアドレス制限でインターネット経由でも、堅牢なセキュリティを実現。
(5)ホスティング運⽤サービス
パブリッククラウド上に準備した共⽤マシンを弊社ネットワーク内に組み込みセキュリティを強化した上で、お客様ごとに仮想化させた翻訳システムを構築します。SSL通信とIPアドレス制限でインターネット経由でも、堅牢なセキュリティを実現。
システム環境のメンテナンスを、すべて自社のIT部門で行うか、SYSTRANに運用委託するかの選択をするところから検討を始めるのはいかがでしょうか?
(終わり:自社のIT要件を満たす、セキュアな運用環境の選択)
[2022.01] 第3回 複数部門での活用と日常業務での利用
部門ごとに専用化できるAI翻訳
SYSTRANには、翻訳に使用するAI翻訳モデルや辞書を目的に応じて設定できる翻訳プロファイル機能があります。部門毎に最適なAI翻訳モデルの構築や、部門毎に用語辞書を使い分ける場合に利用できます。自社の製品やサービスに関する全社共通に必要となる情報のほか、販促部、技術部、人事総務部などの各部門毎に必要となる用語もプロファイル毎に管理できます。それぞれの部門に最適化されたAI翻訳を複数構築して同時に利用できます。持続的な追加学習を部門毎に重ねることで、部門毎に意図通りの翻訳結果を得られるようになります。

Office 365製品から直接翻訳
SYSTRANには、日常業務で使用するツールから直接翻訳できるクライアントツールがあります。翻訳を行う度に別のアプリケーションを起動させて、翻訳したいデータを読み込ませなくても、翻訳したいときにメニューから選ぶだけで対象ドキュメントをすぐに翻訳できます。SYSTRANは翻訳量無制限ですので、翻訳したい時に何度翻訳しても追加の翻訳費用が発生することはありません。必要な時に必要なだけ、コストを気にせずに何度でも翻訳できます。
・MS Officeプラグイン
- MS Office、Office 365の組込みメニュー。
- Word、Excel、OutLook、およびPowerPointから使用
・Skype for Business, Teams(開発中)
- チャットアプリケーションに統合。受信/送信メッセージを翻訳
・Windowsエクスプローラ
- Windowsエクスプローラから翻訳にアクセス



次回は、導入に向けたステップと導入期間を検討します。
(終わり:複数部門での活用と日常業務での利用)
[2022.02] 第4回 導入にかかる概算費用と構築ステップ
3回に渡って、多言語コミュニケーションの翻訳基盤に求められる要件と、SYSTRANで構築することの利点をご紹介してきました。今回は、導入コストと構築ステップをまとめます。
導入にかかる概算費用
さて、実際に環境構築を行うためのシストラン関連の概算費用をご紹介します。(オンプレミス利用におけるハードウェア調達費用やクラウド利用に関する利用料は含みません。)
導入費用概算1「日本語-英語を双方向で翻訳できる基盤構築」
想定条件:
翻訳エンジン 2個(日英/英日)
学習モデル構築 2個(日英/英日)
クライアントツール 100名分
シストラン関連費用:
ライセンス費用 年間75万円~(4年目からは年間35万円~)
翻訳エンジン学習費用 80万円~(40万円x2個)
注)表示価格はいずれも税抜です。
導入費用概算2「日本語、英語、中国語を双方向で翻訳できる基盤構築」
想定条件:
翻訳エンジン 4個(日英/英日、日中/中日)
学習モデル構築 4個(日英/英日、日中/中日)
クライアントツール 100名分
シストラン関連費用:
ライセンス費用 年間125万円~(4年目からは年間60万円~)
翻訳エンジン学習費用 160万円~(40万円x4個)
注)
1. 中英/英中を構築する場合は、エンジンならびモデル構築は2個分、追加となります。
2. 表示価格はいずれも税抜です。
(参考)導入後の経費削減効果の例
専門エンジンの学習モデル構築とポストエディット機能で、翻訳作業を効率化し、導入初年度より大幅に翻訳費削減を実現

構築ステップと期間(一般的なケース)
1.対象言語、対象分野の選定
2.インストール形態、運用形態の決定
3.対訳データの準備と学習モデル構築:1~4ヶ月
・学習用の対訳データがすでにある場合:1ヶ月
・学習用の対訳データを作成する必要がある場合:1~2ヶ月
4.環境構築(インストールと運用環境構築):2日
5.利用者向けトレーニング:2~4日
利用開始までのざっくりした期間は、上記1、2の決定後、約1ヶ月~4ヶ月程度を想定ください。
利用したい言語数や、モデル作成数、利用者数によって、価格が変わってきますし、学習用の対訳データが存在する場合と存在しない場合では、構築のための期間も変わってきます。お客様のご要件に基づいて個別にご案内しますので、お気軽にお問い合わせください。
(終わり:導入にかかる概算費用と構築ステップ)
SYSTRAN活用Tips
- [2022.06] 某メーカーが、外部翻訳者を探す代わりに選択した道とは【事例紹介】
- [2022.05] 第三者が作成したドキュメントを正確に翻訳するポイント
- [2022.04] お客様が欲しい情報を、希望する言語でタイムリーに提供【事例紹介】
- [2022.03] AI翻訳の導入で見落としてはいけないポイント
- [2021.10] 海外拠点や海外のお客様とのやりとりにもAI翻訳を活用しませんか?
- [2021.9] TCシンポジウム8月の SYSTRANxISE セッションのQ&Aフォローアップ
- [2021.7] (イ)を翻訳したら 2)、a)、B)、i) と結果がバラバラに!?
- [2021.6] お客様の翻訳をAIが学ぶって本当?
[2022.06] 某メーカーが、外部翻訳者を探す代わりに選択した道とは【事例紹介】
専門領域における翻訳は、業界固有の専門用語や社内用語、製品名といった特殊な固有名詞や”言い回し”などの理解が必要です。某製造メーカー様は、詳しい知識を持つ翻訳者を外部に求めるのではなく、将来的にも翻訳品質を維持し改善できるしくみを検討し、シストランのAI翻訳導入を決めました。言語スキルをAIに学習させ、品質の高い翻訳水準を常に維持することを目指しました。
<導入以前の課題>
・人手翻訳のコストが高く、完成まで多くの時間が必要であった
・日英中以外の言語対応をするには、膨大なコスト増が見込まれた
・特定の人材に翻訳作業が集中し、効率向上には限界があった
・海外拠点との情報量格差が、円滑なコミュニケーションを阻害していた
<AI翻訳導入の成果>
・これまでの人手翻訳に比べて修正すべき箇所が大幅に削減。自社の対訳データをディープラーニングした自社特化型のAI翻訳により意図した翻訳が得られるようになり、翻訳チェックの作業負担も軽減。
・翻訳作業日数が数分間に短縮。翻訳ワークフローの改善が、これまで印刷まで1ヶ月ほどかかっていた制作日数が1週間ほどに。
・対応言語の拡大が容易になり、全社的にAI翻訳を活用。高精度の翻訳結果を得るために、各部門ごとの専門辞書を作成。各部門で行っていた翻訳にも活用しコミュニケーションが円滑に。
<より詳しい情報を公開>
シストランのHPで、より詳しい情報を公開中。
https://systran.co.jp/#introduction (外部サイトへリンクします)
導入企業様のインタビュービデオをご覧いただき、PDF資料も入手ください。
[2022.05] 第三者が作成したドキュメントを正確に翻訳するポイント
適切な訳語で翻訳できるようにAI翻訳の用語辞書機能を使用することです。適切な訳語の適用は、誤訳の原因を削減します。AI翻訳には、翻訳対象の文書に適切な専門分野を選択することもできますが、専門性をさらに絞り込む必要がある場合にも用語辞書機能が有効です。
シストランには、翻訳前、翻訳時、そして、翻訳後に適用できる3つの用語辞書機能が装備されています。第三者作成の文章の翻訳では、翻訳前に適用する用語辞書と、翻訳後に適用する用語辞書が有効です。
【参考記事】SYSTRANの正規化辞書は、翻訳処理のどの段階で適用できますか?
原文に正式名称表記や略式表記が混在しているなど表記ゆれがある場合に、翻訳前に用語辞書を活用して、ソース言語での原文の表記を統一した上で翻訳することができます。翻訳後、AI翻訳の結果をターゲット言語での正しい用語に用語辞書を活用して変換します。
【参考記事】 一貫してyouを主語にした「2人称」で翻訳するための方法はありますか?
用語辞書に登録する用語は、その言葉の翻訳結果が自分の望むものでないときに限り、その言葉の品詞が一つであり、意味が一つに固定できるときに登録することが重要です。AI翻訳の本来の性能を引き出しながら、正しい訳語が適用できます。
【参考記事】用語辞書に登録すればするほど、意図した翻訳になりますか?
<お問合せ>
記事に関するコメント、お問い合わせをお待ちしております。
お気軽にこちらまでお問い合わせください。
[2022.04] お客様が欲しい情報を、希望する言語でタイムリーに提供【事例紹介】
自社のサポート情報の提供にSYSTRANを活用し、情報提供の作業効率を向上させながら、サービス利用に必要となる情報を、利用ユーザーに迅速に届けることを実現した事例をご紹介します。
<概要>
・ 10年前から機械翻訳ソリューションを導入
・ オンラインサポート文書の、「英語⇒多言語」翻訳業務で使用(14言語)
<課題>
AI翻訳エンジン以前の確率エンジン時代は、ポストエディット作業をなくすことができず、全文書を翻訳し公開するには相応の時間がかかっていました。公開する情報量は増え続けたため、公開にはさらに時間が必要となり、顧客にタイムリーな情報を提供するために翻訳の作業時間は大きな課題でした。
<AI翻訳エンジン導入の成果>
更に増えた翻訳データを、今度はAIエンジンが定期的に学習するようにしました。専門データ学習後のAI翻訳エンジンの翻訳品質が飛躍的に向上し、翻訳品質が専門翻訳家のものと見分けがつかないとの判断が出た分野も現れました。
数年前から、特定分野の翻訳をポストエディット無しでオンライン公開を開始し、お客様が欲しい情報をお客様が希望する言語でタイムリーに情報提供することを実現しました。これにより全文書を対象にした公開前のポストエディットが不要になりました。翻訳業務リソースの選択と集中を加速させ、アクセス数が多い文書のみ人間がチェックするようにし、誰もアクセスしない翻訳文書への労力を削減できました。
<まとめ>
ツールを活用することで、サービスと作業効率の向上を実現しました。
・品質向上 – AI翻訳エンジンの学習により専門性を高め品質向上
・顧客体験価値の向上 – 迅速な情報の公開と、希望する言語での情報提供
・作業効率の向上 – 必要なところに人の作業を集中でき、労力の削減を実現
<お問い合わせ>
記事に関するコメント、お問い合わせをお待ちしております。
お気軽にこちらまでお問い合わせください。
[2022.03]AI翻訳の導入で見落としてはいけないポイント
読者の方からのご質問にお答えします。
日進月歩、進化を続けるAI翻訳エンジンですが、今、何を選択すればよいのかよくわかりません。翻訳精度がどんどん上がっているようですし、もう少し待ったほうがよいのかもと判断がつきません。どのような観点で捉え、製品(サービス)を選択して、導入を進めればよいのでしょうか?
AI翻訳をご検討されているお客様との会話でご指摘を受けるものとして、クラウドなど無料で使用できるAI翻訳の翻訳精度は上がってきているが、実務で利用する文章で自社が期待するような翻訳精度が得られないといったものがあります。一般的な文章では使用できても、専門性の高い専門用語が使用されている文章や、自社の業務に使用している文章には使えないということかと思います。
現在のAI翻訳は、教師データとして何を学ぶかでその翻訳精度をコントロールできますので、自社が使用している用語や表現をAI教師データにして学習させ、自社の都合で再学習させ、改善を繰り返すことで、翻訳精度を向上できます。自社専用にAI翻訳を学習させられるかが、AI翻訳を選択する上での大事な点となります。
一つのエンジンでどんなものでも翻訳しようとするので、
「使えない」
となります。ちゃんと自社データで学習ができれば、ポストエディットも必要ないほど
「使える」
ようになります。それにはやはり自社データの蓄積は必須であり、
それを始めるのは、他でもない
「今」
です。
また、一般的に利用しやすいクラウド型のAI翻訳は無料で使用できても、データセキュリティの点で安全とはいえません。データは収集されておりますし、どんな文書が翻訳されているのかは、その企業の関心を示す情報になります。個人情報を含むデータの国外への提供は、どの国、地域でも問題があります。もし、海外に漏れた個人情報がきっかけで訴訟になれば、データの保管先、つまり海外の法律に従うことになります。特に米国などでそのようなことになれば、目が飛び出るような多額の損害賠償金が発生することも、あながち非現実的ではありません。
そんなリスクを、「ちょっと翻訳」という従業員の些細な行動でおかしてはいけないと考えます。
この2点だけでも、今、セキュアな環境で自社の用語を学び続けるAI翻訳の導入をお薦めいたします。
昨今、セキュアなAI翻訳環境へのお問い合わせが非常に多くなっている状況です。下記の記事からも、政府が問題視しているのがわかります。
(参考)
産経新聞 2021/12/18 18:20
<独自>国家文書への自動翻訳、ヒンディー語など拡充へ
https://www.sankei.com/article/20211218-5U6LQJS6RNJ5DGCWJTSJLPI4YY/
<お問い合わせ>
記事に関するコメント、お問い合わせをお待ちしております。
お気軽にこちらまでお問い合わせください。
[2021.10]海外拠点や海外のお客様とのやりとりにもAI翻訳を活用しませんか?
海外拠点や海外のお客様とのやりとりをする時にAI翻訳が活用できると、相手のご要望などを自分が理解しやすい言語に翻訳して解釈できるので、相手を待たせる時間を短縮し、よりスムーズなコミュニケーションを実現します。
業務で取扱う情報は、社内の公開前情報や顧客企業の社内情報など、機密性の高い情報ばかりです。社外のシステムなどセキュリティレベルが確認ができていないサービスを利用することは、情報が漏洩する可能性を否定できず利用は控えた方が良さそうです。そこで、機密性の高い情報にも安心して使えるAI翻訳基盤を構築することで、これらを解決します。
コミュニケーションインフラとしてのAI翻訳基盤は、ドキュメントなどの翻訳とは違った要件があり、同じインフラをそのまま使用することが難しい点もあります。例えば、翻訳量に基づいてコストが発生するような環境では、日常のやりとりを全て翻訳してみるといった使い方は躊躇することも多いかと思います。何度も翻訳をかけても、翻訳量に依存しないAI翻訳基盤があれば、コストを気にする必要もなくなります。
AI翻訳ツールを、コストを気にせずコミュニケーションツールとして活用し、必要な時に、必要な分だけ、何度も翻訳してみることで、円滑なコミュニケーションを実現します。機密性が高い情報を安心して翻訳できるセキュアなAI翻訳基盤の構築を検討してみるのはいかがでしょうか?
TCシンポジウム 2021で多言語コミュニケーションを支援するAI翻訳基盤の構築についてご紹介いたしました。セッション資料を公開しておりますので、ダウンロードいただき、内容をご確認いただけましたら幸いです。
【資料ダウンロードのご案内】企業の多言語コミュニケーションを支援するAI翻訳基盤の構築
~SYSTRAN Pure Neural Serverを企業のICT基盤として活用する~
資料掲載ページ:https://jtca-web.com/sessions/2021/4648/
[2021.9]TCシンポジウム8月の SYSTRANxISE セッションのQ&Aフォローアップ
2021年8月27日に開催しましたTCシンポジウムでのSYSTRANxISEセッションでのQ&Aコーナーのご質問をフォローアップします。その他、ご質問がありましたらいつでもお問合せください。
- AI学習に必要な、準備するデータは何ですか?
日英翻訳であれば、日英の対訳データがあれば、AI学習ができます。SYSTRANにそのまま取り込むためのデータ形式は、tmx,xls等ありますが、テキストファイルなど、形式が異なってもデータ変換すれば対応できます。 - 多言語展開する場合、言語方向毎に学習させるメリットはありますか?
言語方向毎にモデル学習させると意図する翻訳結果を得やすくなります。自社固有の表現や専門用語を各言語においても指定したい場合や、米国/英国英語のような同じ言語間での違いがある場合に効果を発揮します。 - モデルカタログからAI翻訳モデルを選択し、追加学習させる方法を教えてください。
AI学習時、ベースとするモデルに、モデルカタログに掲載されているAI翻訳モデルを選択して、自社データを使用して追加学習できます。自社の目的に沿う専用エンジンがモデルカタログに見つかれば、自社固有の分だけの追加学習で自社専用のAI翻訳モデルの構築ができます。追加学習は、SYSTRANの汎用モデルをベースに自社データでAI学習させるのと同じ要領でできます。 - AI翻訳モデルの更新はどのくらいの頻度で行う必要がありますか?
翻訳対象物の記述内容の更新頻度を応じてAI翻訳モデルを更新できると、意図した翻訳結果を得やすくなります。1年ごとに記述内容が更新されるのであるならば、AI翻訳モデルも1年ごとに更新すればよいでしょうし、情報更新が半年に1回なのか、不定期なのか?によって更新頻度を変えるという方法もあります。また、翻訳結果を見ながら、修正する度合いが増えてきたタイミングで、AI翻訳モデルの更新をかけていくという方法もできます。 - AI学習無しで翻訳を専門化してくれるような技術はありますか?
既存の対訳データ資産があれば、SYSTRANのファジーマッチ技術を適用することで、AI学習なしでも自社意図した専門化した翻訳結果を得ることができます。登録した対訳データがテンプレートのように使われ、ファジーマッチ(部分的にマッチ)した箇所は対訳データの翻訳を活用し、マッチしていない箇所を対訳データの文脈を考慮した上で最適にAI翻訳します。
[2021.7] (イ)を翻訳したら 2)、a)、B)、i) と結果がバラバラに!?
ディープラーニングによるAI翻訳は、それまでの機械翻訳とは異なり、とても流暢に翻訳できるようになりました。
日常のツールとして益々使っていただきたいと考えています。でも、ときどき間違った翻訳に出会うことがあります。
このコラムでは、その原因と対処法を探っていきます。
AI翻訳は本当に素直に経験から自分の振る舞い(=翻訳結果)を学びます。それはまるで子供のようです。良い経験をすれば、良い子になりますし、悪い経験をすれば、悪い子になります。ですので、間違ったことをしたら、または言うことを聞かないようであれば正しいことを教えてあげたくなります。
AI翻訳も同じです。翻訳結果が間違っていれば、経験した翻訳データに原因があります。AI翻訳に間違った翻訳を見つけた時の対処法をわかりやすい例を使ってAI翻訳の挙動を探ります。
問題:バラバラな翻訳
例えば、下記のような翻訳結果があるとします。箇条書き部分の「イ」の翻訳がバラバラですね。なぜでしょう?

原因は?
この箇条書きのカタカナは、要件やスタイルの違いで様々に訳されます。例えば、法律関係の文書で多いイロハの場合では、下記のようになります。

アイウエオの場合は、「イ」はイロハの場合の1番目ではなく、2番目の行を指します。

箇条書きのカタカナは簡単な例として挙げましたが、一言に学習データと言っても、作られた時期や要件の違いで、用語から製品名までバラバラな翻訳が混在するケースがよくあります。そのような翻訳をAIが「素直に」学ぶので、結果、バラバラな翻訳をするようになります。それが文頭の翻訳結果になった原因です。
対処法:学習データの修正とAIの再学習
では、これを直すのにはどうしたらよいでしょうか?
文頭で述べたように、悪い学習データを良い学習データに修正してAIに教えてください。例えば、翻訳結果をイロハの場合の英小文字にしたい場合は、学習データの(イ)、(ロ)、(ハ)を見つけて、ターゲット統一してください。
修正前学習データ

修正後学習データ

AI翻訳モデルの再学習
あとは、修正後の学習データファイルを、AI翻訳モデルの構築ツールであるSYSTRAN Model Studioにアップロードして、再学習をするだけです。

AIが修正後のデータだけではなく、他のイロハの箇条書き部分も直してくれて、首尾一貫した翻訳をしてくれます。

用語にせよ、スタイルにせよ、要件に合わない翻訳を直す方法は、学習データを修正してAIの再学習をするのがベスト。学習データに関連した文がない場合は、30~50文くらいの例文を自ら作成して追加してもらっても構いません。学習データをコントロールし、SYSTRAN Model StudioでAI再学習サイクルを何回も繰り返すことで、翻訳結果をコントロールすることができます。
[2021.6]お客様の翻訳をAIが学ぶって本当?
AI全盛の現在、世界にはいろんなAI翻訳サービスが溢れています。汎用的な翻訳をするものや、専門的な翻訳をすると謳うものまで様々。しかし、お客様自身のデータを集中的に学んだ翻訳エンジン(翻訳モデル)の品質には、既存のどの翻訳エンジンも敵いません。お客様のデータに特化した翻訳結果を導き出すようにAIが学びます。
特化した学習を可能にするのがSYSTRAN Model Studio Liteです。今回は、AIがどんなステップで学習し、翻訳していくのかの流れを見てください。今後、具体事例を交えながらその活用方法をご案内していきます。
STEP1.AI学習パネルを開く
Model Studio Liteにアクセスし、
① [Models] をクリック
②[+ Train a new model] ボタンをクリック

STEP2.AI学習を開始する
①翻訳モデルに名前を付ける
②専門分野を指定する
③言語ペアを選択する
④どのベース翻訳モデルに学習させるか選択する
⑤タグを付ける(任意)
⑥アップロードする対訳データに名前を付ける
⑦学習用対訳データファイルを選択する(タブ仕切りテキストまたはTMXファイル形式)
⑧評価用対訳データファイルを選択する(タブ仕切りテキストまたはTMXファイル形式)
⑨AI学習を開始する

STEP3.AI学習の終了を確認する
①[Status] が学習中 [Training] から学習済み [Trained] になっているのを確認する
②[Average Score] で学習後の翻訳品質スコアが改善しているか確認する(↗は上昇、↘は下降、カッコ内は差分)

これでAI学習が完了です。
実際に翻訳をするときの手順
①SYSTRAN Pure Neural Serverにアクセスする
②学習後のモデルを選択して翻訳する
③ターゲットボックスの各翻訳文をクリックして、右下の学習前のモデル(Systran Generic)の翻訳文と比較もできる

④学習前と学習後の翻訳結果をお客様の翻訳と比較して評価する

SYSTRAN活用のFAQ集
- [2021.8] AI翻訳時に、翻訳メモリ(TM)をファジーマッチさせ、TM活用度を上げられませんか?
- [2021.7] 辞書に登録した用語はAI学習の対象になりますか?
- [2021.5] AI翻訳の活用において、用語辞書に登録すればするほど、意図した翻訳になりますか?
- [2021.4] 翻訳対象物の分野毎に、専⾨⽤語やTMが異なる場合には、訳し分けはできますか?
- [2021.3] 日本語と英語で、代名詞の扱いで異なる点は何ですか?
- [2021.3] 一貫してyouを主語にした「2人称」で翻訳するための方法はありますか?
- [2021.3] SYSTRANの正規化辞書は、翻訳処理のどの段階で適用できますか?
- [2021.8] AI翻訳時に、翻訳メモリ(TM)をファジーマッチさせ、TM活用度を上げられませんか?
-
最新技術Neural Fuzzy Adaptation機能と新アルゴリズムBigTransformerがTM活用度を向上させています。
SYSTRANの最新技術であるNeural Fuzzy Adaptation (NFA) 機能は、2021年7月にリリースした SYSTRAN Pure Neural Server バージョン9.8以降に実装しています。このバージョンでは、AI翻訳のアルゴリズムが刷新され、学習能力がこれまでよりも高いBigTransformerになり、日⇔英エンジンも含め翻訳精度が大幅に向上しています。
NFAとBig Transformerにより、登録したTMがテンプレートのように使われ、ファジーマッチ(部分的にマッチ)した箇所はTMの翻訳を活用し、マッチしていない箇所をTMの文脈を考慮した上で最適にAI翻訳します。登録したTMの内容をダイナミックにAIが拡張して翻訳するので、「TM拡張型AI翻訳」と名付けました。
これまでのバージョンでのTM活用は、100%マッチのみでしたので、TMが翻訳に使用される機会は限定的でした。NFAのファジーマッチにより、既存翻訳の対訳データとなるTMの活用度が向上し、且つ、ファジーマッチした部分をテンプレートのように使用することで首尾一貫して翻訳をするようになります。よって、登録するTMの量を増やすことで、翻訳元となるソースがTMにマッチすることが多くなり、これまでよりも増して、既存の翻訳資産を活かした翻訳結果を出力できるようになります。
バージョン9.8リリースでは、翻訳支援ツール (CAT)との連携を強化し、第一弾としてXTMと連携できます。XTM側でTMのファジーマッチを実行後、入力文と共にTMのファジーマッチ情報をSYSTRANサーバーが受け取ります。NFAによるAI翻訳後、結果をXTM側に返します。通常、CAT側のファジーマッチは、マッチしていない部分を人手で修正する必要がありますが、NFAによるファジーマッチは、マッチしていない部分をAIが翻訳してくれますので、人手による修正作業を削減できます。
TCシンポジウム 2021にXTM社と共同で、ソリューション紹介セッションを行いました。
[TS05] 世界初!TMとMTがAI融合!
~ XTM + シストラン = TM拡張型AI翻訳 ~
日時:8月25日(水) 16:00 ~ 16:40(40分)[聴講無料]
詳細情報:https://jtca-web.com/sessions/2021/3890/
於:TCシンポジウム 2021 on the Web (Zoom形式)
発表者:
シストランジャパン 江上 聡
XTM International Ltd. 目次 由美子 - [2021.7]辞書に登録した用語はAI学習の対象になりますか?
-
辞書に登録した用語は、AI翻訳前またはAI翻訳後に、指定した用語に置き換える機能のため、AI学習の対象とはなりません。
[参考記事:AI翻訳の活用において、用語辞書に登録すればするほど、意図した翻訳になりますか?]登録したい用語をAI学習の対象にしたい場合には、登録したい用語を含む文を対訳データにすることで、AI学習の対象にできます。SYSTRAN Pure Neural Serverは、ディープラーニングによるAI翻訳モデルをベースとしており、AI翻訳モデルを構築するためのAI教師データは対訳データになりますので、意図した翻訳とならない場合には、意図する対訳データを準備し追加学習していくことでAI翻訳モデルを補強して、意図した翻訳を得られるようにしていきます。
わからなければ例文で追加学習するということの繰り返しで、よりよい結果を得ていくという点では、言語学的知識がなくても理解しやすく、より実践的で、より人間に近いものと言えます。
- [2021.5]AI翻訳の活用において、用語辞書に登録すればするほど、意図した翻訳になりますか?
-
不用意に用語辞書に登録すると、AI翻訳が混乱し翻訳結果が意味不明な文になることがあります。登録する用語は厳選する必要があります。
なぜそのようなことが発生するのか、AI翻訳のしくみから紐解いていきます。
AI翻訳は、教師データを用いてニューラルネットワークでAI学習(ディープラーニング)する過程において、本来その言葉が持つ、他の全ての言葉との関係性を構築していきます。ところが、ユーザーが用語を辞書登録することによって、登録用語が意味のないトークンに置き換えられ、言葉同士の関係性を持たないものとなります。つまり、用語辞書に登録した用語は翻訳過程で、UD1、UD2、UD3といった言葉として意味のないトークンに置き換えられるイメージです。例文で具体的に見ていきます。例文:Taro was explaining about how NMT uses dictionary for customization.
AI翻訳結果:太郎は、NMTがどのように辞書を使用してカスタマイズするかについて説明していました。意味が解釈できるように正しく翻訳されていることが確認できます。
この文のうち、以下の言葉を辞書登録します。
UD1:Taro
UD2:NMT
UD3:dictionary
UD4:customizationすると、上記例文は以下のような文となります。
辞書登録後の例文:UD1 was explaining about how UD2 uses UD3 for UD4.
AI翻訳結果:UD1は、UD2がUD4にUD3をどのように使用するかについて説明していました。
(Taroは、NMTがcustomaizationにdictionaryをどのように使用するかについて説明していました。)10語中4語の関係性が失われることになり、AI翻訳が混乱していることが確認できます。辞書登録した箇所は、AI学習した内容を活かせず、残された情報だけで文を作成するため意味不明な文が生成されます。
このようなことにならないように、辞書を適切に使用することが重要です。用語辞書に登録することは、意図した翻訳を得るために重要なことですが、AI翻訳のしくみを考えると、辞書登録する際には、以下の条件を満たす必要があります。
■辞書登録の条件
「その言葉の翻訳結果が自分の望むものでないとき」に限り、
「その言葉の品詞が一つしか存在しない」かつ
「その言葉の意味が一つに固定できるとき」に辞書に登録してください。用語辞書は固定的な解釈のみに使用できる場合に使用し、
登録する言葉は通常、個人名や商品名など固有名詞、または複数の言葉からなる長い名詞句や固有名詞句になります。用語辞書を有効に活用するために、上記の辞書登録の条件を満たすことを確認して使用することで、意図した結果を得ることができます。 - [2021.4]翻訳対象物の分野毎に、専⾨⽤語やTMが異なる場合には、訳し分けはできますか?
-
SYSTRAN Pure Neural Server[以下、SYSTRAN PNSと表記]には、翻訳時に使⽤する辞書やTranslation Memoryを指定できるプロファイル機能があり、翻訳対象に適切なプロファイルを選択して翻訳できます。プロファイルには、Translation Memoryや辞書を指定できます。
SYSTRAN PNSのプロファイルに指定できる主な翻訳リソース
・Translation Memory:過去翻訳を適⽤する場合に設定。
・ユーザー辞書:ソース言語に対するターゲット言語の対訳辞書。
・正規化辞書:
⽇英翻訳であれば、翻訳前処理としての⽇⽇辞書、翻訳後処理としての、英英辞書
英⽇翻訳であれば、翻訳前処理としての英英辞書、翻訳後処理としての、⽇⽇辞書 など翻訳時に、ソース言語からターゲット言語に翻訳する際に対訳となる辞書がユーザー辞書です。一方、翻訳前や翻訳後に、使用されている用語を、意図する同一言語の用語に修正するのが正規化辞書となります。
- [2021.3]日本語と英語で、代名詞の扱いで異なる点は何ですか?
-
以下の2点で、代名詞の扱いが大きく異なります。
- 日本語は代名詞を省略する
- 英語は代名詞を必ず使う実際に例題で見ていきます。
例題:次回エラーを見つけた時に探します。
この例文では、下記の【】内の代名詞が省略されています。
【誰が】次回【誰の・何の】エラーを見つけた時に【誰が】【誰を・何を】探します。
日本語は代名詞を省略する言語なので、【】が誰か、何かの情報は無く、前後の文脈に寄ります。
しかし、英語は必ず代名詞を明示する言語なので、【】に対応する代名詞を入れなければなりません。
なので、下記のような訳文も正しいかもしれません。【I】 will find 【him】 when 【we】 encounter 【his】 error next time.
しかし、マニュアルを読んでいて上記のような英語に出くわすことはなく、
読者に語り掛けるような、2人称を中心とした下記のような訳文が適切でしょう。【You】 will find 【it】 when 【you】 encounter 【the】 error next time.
このように、翻訳する文書タイプ、スタイル、ドメインにより
代名詞の訳を制限することで、より自然な翻訳が可能になります。 - [2021.3] 一貫してyouを主語にした「2人称」で翻訳するための方法はありますか?
-
マニュアルの翻訳業務等では一貫して一つの主語を使い続けたいことがあるかと思いますが、方法としては、正規化辞書によるアプローチと、AI学習データによるアプローチがあります。
まずは、正規化辞書によるアプローチをご紹介します。正規化辞書によるアプローチ
マニュアル関連の業務に限定した形の翻訳では、一人称単数、三人称単数が使われることが希であるとするならば正規化辞書で下記のように処理します。(参考:日本語と英語の代名詞の扱いについて)
■正規化辞書への登録1:
一人称単数→二人称単数
I → you
my → your
me → you■正規化辞書への登録2:
一人称複数は、マニュアルのガイドラインによって、そのままシンプルに登録できないこともあるかと思いますが、使用しないのであれば、以下のように登録します。
we → you
our → your
us → you上記の例の正規化によって生じる限られたAgreementの問題をさらに正規化で細かく合わせて一人称⇒二人称にすることができます。
◆適用例1
I am → you am → you are
I was → you was → you were他は正規化してもagreementの問題なしなのでOKですね。
my parts → your parts
me → you
we are/were → you are/were
our parts → your parts
us → you■正規化辞書への登録3:
三人称単数はit/theにします。
he/she/him/her → it
his/her → the◆適用例2
She says OK.
→
It says OK.I will find him when we encounter his error next time.
→
You will find it when you encounter the error next time.三人称複数they/their/them はそのままで問題なしですね。
このように正規化辞書を使って、一人称単複・三人称単数⇒二人称という特定のマニュアル翻訳ガイドラインの要件を満たすことができます。AI学習データによるアプローチ
もう一つは、上記の正規化辞書をAI学習データに適用して、マニュアルの翻訳ガイドラインの要件に合うようにデータを学習前に上記のように書き換え、それをAIに学ばせる方法があります。
こちらのほうが、どんな状況下でも、より広く忠実に翻訳要件を反映します。
基本的にAIが学べない事象はありません。上記のような要件を上手に教えれば、AIは素直に学び、正しく翻訳します。文をまたいだ正しい代名詞の選択なども、現在の文単位ではなく、パラグラフ単位でAI学習を行えば、よりスマートに正しく翻訳してくれます。かなり使い方を絞った目的別の学習モデルも数多く構築し、成功を収めています。AIは教え方次第です。 - SYSTRANの正規化辞書は、翻訳処理のどの段階で適用できますか?
-
以下の図は、各言語でのリソース適用の流れを示した概念図です。
概念図にある通り、正規化辞書は、原文の前処理と訳文の後処理の段階で適用することができます。その他に、翻訳メモリやユーザー辞書に登録・使用できますので、これらを施して自分に合った翻訳ができます。辞書・翻訳メモリの数や、翻訳プロファイルの設定数には上限はなく、翻訳ワード数も無制限です。
SYSTRAN Pure Neural Server内の正規化辞書、翻訳メモリ、辞書適用の流れ
世界的なAI翻訳のパイオニア、SYSTRANが
日本のお客様に迅速なサービスを提供いたします
SYSTRAN は、1968 年設立の機械翻訳(MT) エンジンを提供するグローバルベンダーで、設立以来、常にMT をリードしてきたテクノロジーカンパニーです。欧米諸国における政府系や防衛系など機密性の高い領域において多く
の実績があり、日本国内においても多数の導入実績があります。
この度SYSTRAN は、日本のお客様の翻訳業務におけるSYSTRAN 製品の導入を円滑に進められるよう、2020年3月に日本に支社を設立しました。製造業におけるガイド・マニュアル制作の翻訳業務効率化に寄与するべく、これまで以上にお客様のご要望にお答えできるようサービスを提供してまいります。
経験に基づく『導入・運用の支援』
私、江上自身としては、これまで、米国を中心に、大規模かつ特にセキュリティを確保する必要のあるお客様への導入・運用支援を行なってきております。エンジニアとして、かつプロフェッショナルサービス等のコンサルタントとして、お客様の導入支援の経験は、日本のお客様での導入・運用時の課題解決にお役立ちできるものと確信しております。

シストランジャパン 合同会社
江上 聡

企画運営:株式会社 情報システムエンジニアリング 協力: シストランジャパン 合同会社
関連情報
- AI自動翻訳の翻訳品質を考える前に見落としがちなこと(株式会社 エレクトロスイスジャパン)
- 執筆時のAI活用で、翻訳しやすい日本語を作る(株式会社 情報システムエンジニアリング)
お問合せ
お問い合わせはこちらで承ります。お気軽にお問い合わせください。
※株式会社情報システムエンジニアリングよりご案内させていただきます。
【大切なお知らせ】お問い合わせフォームの一時停止について(2026/10/26)
セキュリティ強化のため、現在、お問い合わせフォームを一時停止しております。
皆様にはご不便をおかけいたしますが、ご理解賜りますようお願い申し上げます。
再開時期は未定です。再開次第、本サイトでお知らせいたします。
ご用件は下記あてにご連絡ください。

Copyright © 2021-2022 Information System Engineering Inc. All rights reserved.
