이득:
- NMT와 LLM 기반 번역의 장단점을 구분하고, 업종에 맞는 엔진을 선택할 수 있는 능력
- 기계에 대한 텍스트의 적합성을 사전 분류하고 현실적인 시간과 가격에 대해 사전 평가하는 기능
- 5차원에서 원시 기계 출력의 품질을 신속하게 측정하고 부드러움과 정확성을 혼동하지 않고 위험을 표시하는 기능
번역가로서 가지고 있는 가장 강력한 가속기는 기계 번역(MT)입니다. 하지만 도구를 의식적으로 사용한다는 것은 도구를 올바른 작업에, 올바른 언어 쌍으로, 올바른 기대를 가지고 적용하는 것을 의미합니다. 이 단원에서는 MT의 두 가지 주요 제품군(NMT 및 LLM 기반 번역)에 대해 알아보고, 어떤 작업이 어떤 작업에 더 적합한지, 납품 전 번역의 원시 출력 품질을 신속하게 측정하는 방법, 작업에 따라 엔진을 선택하는 방법을 알아봅니다. '다 똑같아, 붙여넣기-번역'이라는 생각에서 벗어나 어떤 텍스트가 기계에 적합한지, 어떤 텍스트가 인간 집약적인 노동이 필요한지 예측할 수 있는 전문가가 되는 것이 목표이다.
두 가지 제품군: NMT 및 LLM 기반 번역
NMT(신경 기계 번역)는 수백만 개의 이중 언어 문장에서 학습하여 문장 전체를 번역하는 시스템입니다. Google 번역, DeepL, Microsoft 번역기가 이러한 예입니다. 장점: 매우 빠르고, 일관되며, 짧은 문장을 유창하게 구사합니다. 약점: 종종 문장 경계 너머의 맥락을 보지 못합니다(전체 텍스트의 의미). 단락을 보면 "은행"이라는 단어가 은행을 의미하는지 강둑을 의미하는지 결정하기 어려울 수 있으며 제공된 용어 목록에 맞지 않습니다.
LLM 기반 번역(대형 언어 모델)은 ChatGPT, Claude, Gemini와 같은 지침 중심 모델을 번역에 사용하는 것입니다. 강점: 지시를 받아들입니다. "격식 있는 어조를 사용하세요", "이 용어 목록을 따르세요", "대상 청중은 어린이입니다"와 같은 지시를 이해합니다. 더 넓은 맥락을 봅니다. 관용구와 어조를 더 잘 포착합니다. 약점: 때때로 "너무 창의적"일 수 있고 소스에 추가될 수 있으며(환각의 위험), 긴 텍스트에서 일관성을 잃고, 비용/속도는 작업에 따라 다릅니다.
경험 법칙: 직선적이고 반복적이며 기술적인 텍스트에서는 NMT가 일반적으로 빠르고 적절합니다. LLM은 어조, 문맥, 어휘 및 교육에 있어 규율이 필요한 텍스트를 다룰 때 더욱 유연합니다. 오늘날 대부분의 전문가들은 NMT의 빠른 초안과 LLM의 어조/용어 수정 등 두 가지를 함께 사용합니다.
팁: 언어 쌍(예: 터키어→영어)의 기계 품질은 반대 방향(영어→터키어)과 다를 수 있습니다. 터키어와 같이 응집적이고 유연한 구문을 사용하는 언어는 일반적으로 MT에 더 어렵습니다. 몇 가지 샘플 텍스트를 통해 자신의 쌍에 어떤 엔진이 더 나은지 스스로 판단하십시오.
텍스트의 기계 호환성: 먼저 물어보세요
모든 텍스트가 기계에 똑같이 적합한 것은 아닙니다. 번역을 시작하기 전에 "적합성" 필터를 통해 텍스트를 전달하세요.
- 기계에 매우 적합합니다: 기술 매뉴얼, 제품 설명, 반복적인 인터페이스 텍스트, 표준 서신, 표/목록. 언어는 단순하고 용어는 고정되어 있으며 창의성은 부족합니다.
- 적합한 매체: 뉴스, 기업 콘텐츠, 교육 자료. 기계는 좋은 윤곽선을 생성하지만 톤과 흐름에 대한 심각한 사후 편집이 필요합니다.
- 기계에 적합하지 않음(위험 높음): 법적 계약, 의료 텍스트, 광고/슬로건, 문학 텍스트, 유머, 시. 여기서 기계는 아이디어만 제공합니다. 직업은 주로 사람에게 달려 있습니다.
처음부터 이렇게 구별하면 고객에게 적절한 시간/가격을 제공하고 원시 결과물을 맹목적으로 신뢰하지 않도록 보호할 수 있습니다.
원시 출력 품질을 빠르게 측정
MT 결과물을 보면 "좋은지 나쁜지?"라는 의문이 듭니다. 직관이 아닌 빠른 체크리스트로 질문에 답하세요. 정확성(의미가 출처에 충실한가?), 완전성(문장이 생략되었거나 추가되었는가?), 용어(정확하고 일관성이 있는가?), 유창성(대상 언어에 자연스러운가?), 형식(태그, 숫자, 서식이 유지됩니까?)의 다섯 가지 차원을 살펴보세요. 우리는 다음 품질 단위에서 이러한 차원을 심화시킬 것입니다. 지금은 이것이 배달 전 반사 작용이 되도록 하십시오.
주의: MT 출력의 가장 위험한 오류는 "유창하지만 부정확한" 오류입니다. 문장은 완벽한 터키어로 되어 있지만 소스의 '15% 할인'이 '50% 할인'으로 변경되었을 수 있습니다. 유창하다고 해서 미루지 마십시오. 항상 수, 부정, 고유명사를 따로 보세요.
세 개의 미니 케이스
사례 1 - 올바른 엔진이 시간을 절반으로 줄였습니다. 한 번역가는 NMT로 12,000단어 소프트웨어 인터페이스를 번역하고 LLM으로 같은 권의 마케팅 소책자를 번역하기로 결정했습니다. 인터페이스에서의 NMT의 일관성으로 인해 작업이 더 빨라졌습니다. 소책자에 대한 LLM의 톤 유연성은 재작성 부담을 40% 줄였습니다. 두 작업을 동일한 엔진에 제공하면 시간이 낭비됩니다.
사례 2 - 사전 평가를 통해 가격이 절약되었습니다. 한 사무실에서는 "기계로 만들 수 있으니 싸다"며 법률 텍스트를 내놓으려던 참이었다. 사전 평가에서는 500단어 샘플이 번역되었습니다. 기계가 잘못된 시스템에 해당하는 두 가지 법적 용어를 반환했습니다. 사무실은 작업의 가격을 "과중한 사후 편집"으로 평가하고 현실적인 마감일을 제시했습니다. 그는 잘못된 제안으로 인해 돈을 잃지 않았습니다.
사례 3 - 언어 쌍 차이. 팀은 영어→독일어에서 잘 작동하는 엔진이 터키어→아랍어에서도 동일한 품질을 갖는다고 생각했습니다. 300 단어 테스트에서는 아랍어 출력에 훨씬 더 많은 수정이 필요한 것으로 나타났습니다. 팀에서는 언어 쌍에 따라 다양한 엔진과 다양한 사후 편집 예산을 할당했습니다.
복사 가능한 템플릿 4개
1) 텍스트 적합성 평가:
귀하의 역할: 수석 MTPE 전문가. 기계 번역에 대한 적합성에 대해 다음 텍스트를 평가하십시오: 문자적/기술적 또는 창의적/문맥적? (1) 매우 기계 친화적, (2) 중간, (3) 위험도 높음으로 분류하고 그 이유를 적어주세요. 예상되는 사후 편집 부하를 가벼움/중간/무거움으로 추정합니다. 텍스트 예: [200-300단어 붙여넣기]
2) LLM 번역 지시(용어 및 어조 조절 포함):
이 텍스트를 [출처]→[타겟]으로 번역하세요.대상: [누구]. 톤: [예: 공식적인]. 필드: [예: 금융].용어 목록(꼭 사용하세요): [A→a, B→b].규칙: 출처에 없는 내용은 추가하지 마세요. 숫자/날짜/이름을 유지하고 각 문장을 문장으로 바꾸세요. 확실하지 않은 부분은 [?]로 표시하세요. 텍스트: [...]
3) 두 엔진 비교:
다음은 동일한 원본 문장(A 및 B)에 대한 두 가지 다른 번역입니다. 정확성, 용어, 자연성 측면에서 각각을 비교하고 어떤 것이 수정이 덜 필요한지 타당성과 함께 알려주십시오. 출처: [...] | 번역 A: [...] | 번역 B: [...]
4) 원시 출력 빠른 검사:
아래는 소스와 기계 번역입니다. (1) 생략/추가된 정보, (2) 잘못된 번호/날짜/이름, (3) 부정 오류, (4) 일관성 없는 용어를 표시하세요. 수정 사항을 쓰지 말고 위험 영역만 나열하십시오. 출처: [...] | 번역: [...]
약한 프롬프트 / 강한 프롬프트
약함: "이 텍스트를 번역하면 좋을 것입니다." (엔진의 경우 "좋음"은 정의되지 않았습니다. 톤도, 용어도, 질량도 없습니다.)
Güçlü: "이 제품 설명을 영어에서 터키어로 번역하세요. 지역: 전자 상거래. 대상: 젊은 소비자. 어조: 친절하지만 안심이 됩니다. '결제' → '결제 단계', '위시리스트' → '위시리스트'. 숫자와 브랜드 이름을 변경하세요. 번역 냄새 없이 유창하게 터키어를 사용합니다."
차이점: 강력한 프롬프트는 엔진에 측정 가능한 목표를 제공합니다. 출력은 사후 편집된 초안과 직접적으로 유사합니다.
NMT와 LLM 비교 차트
크기
NMT(구글, DeepL)
LLM(ChatGPT, 클로드)
속도
매우 빠르다
중간
지시/톤 수신
약한
강한
용어 목록을 준수합니다.
제한된
좋음(프롬프트 포함)
광범위한 맥락
약한
좋아
환각의 위험
낮음
중간(컨트롤 필요)
가장 적합한 직업
직선적/기술적/반복적
어조/컨텍스트/크리에이티브
일반적인 실수
- 모든 작업에 동일한 엔진을 사용합니다. 작업 유형에 따라 엔진을 선택하지 않으면 시간과 품질이 저하됩니다.
- 사전 평가 없이 가격/시간을 제공합니다. 200-300 단어 테스트는 처음부터 놀라움을 드러냅니다.
- 유창함을 정확성으로 착각합니다. 아름다운 문장이 올바른 문장을 의미하는 것은 아닙니다.
- 언어 쌍과 방향 차이를 무시합니다. 한 쌍의 좋은 엔진은 다른 쌍에서는 약할 수 있습니다.
- LLM의 추가 사항을 알지 못합니다. LLM은 때때로 "도움을 주기 위해" 소스에 없는 문장을 추가합니다. 이것을 확인해 보세요.
컨텍스트 창 및 일관성
LLM을 사용하여 긴 텍스트를 번역할 때 하나의 기술적 한계, 즉 컨텍스트 창(모델이 한 번에 "보고" 기억할 수 있는 텍스트의 양)을 알아야 합니다. 텍스트가 이 창보다 큰 경우 이를 여러 청크로 분할해야 하며, 모델은 이전 청크에서 만든 용어 결정이나 어조를 다음 청크에서 "잊어버릴" 수 있습니다. 그래서 긴 책이나 문서를 한 권으로 번역하기보다는 텀베이스와 스타일 요약을 각 부분에 상기시켜 일관성을 유지합니다. 이 문제는 짧은 텍스트에서는 발생하지 않습니다. 그러나 소설이나 매뉴얼 등 장편의 작품에서는 구절의 일관성을 추가적으로 점검할 필요가 있다. 실용적인 해결책: "프로젝트 메모리"(용어 + 문자 + 어조 결정)를 준비하고 이를 각 부분의 시작 부분에 추가하고 번역이 끝날 때 부분 간의 일관성을 검사합니다. NMT에서는 이 문제가 다른 방식으로 경험됩니다. NMT는 문장별로 번역하기 때문에 단락 길이 일관성이 이미 약하므로 텀베이스가 규율이라는 용어를 맡습니다.
요약하면
기계 번역에는 두 가지 종류가 있습니다. 빠르고 일관적인 NMT와 지침을 받아 맥락과 어조를 더 잘 파악하는 LLM입니다. 마스터 번역가는 기계에 대한 텍스트의 적합성을 미리 등급을 매기고, 작업에 따라 엔진을 선택하고, 배송 전에 원시 출력의 품질을 신속하게 측정하며, 유창함과 정확성을 결코 혼동하지 않습니다. 이러한 사전 평가 반사를 통해 현실적인 시간/가격을 제공하고 맹목적인 신뢰로부터 자신을 보호할 수 있습니다.
응용과제
NMT 도구와 LLM을 모두 사용하여 동일한 200단어 텍스트를 번역하세요. 두 가지 출력을 5가지 차원(정확성, 완전성, 용어, 유창함, 형식)으로 비교하고 이 텍스트에 대한 사후 편집이 덜 필요한 이유를 작성합니다. 그런 다음 "원시 출력 빠른 확인" 템플릿을 사용하여 문제/우발 상황/기간 위험을 모두 표시합니다.
체크리스트
- [ ] 기계에 대한 텍스트의 적합성을 분류했습니다(낮음/보통/높음 위험).
- [ ] 직종에 따라 NMT를 사용할지, LLM을 사용할지 결정했습니다.
- [ ] 작은 샘플로 사전 평가를 하고 이에 따라 기간/가격을 결정했습니다.
- [ ] 원시 출력을 5차원으로 신속하게 검사했습니다.
- [ ] 유창함에 속지 않고 번호, 날짜, 이름, 음수를 따로 확인했습니다.