TM의 의미? -- ('번역료가 계속...'에 이어)

[밀레.]

TM (번역메모리)의 의미

TM의 기본 개념?

그 핵심은 - 원문과 번역문이 '문장별' (1대1)로 짝지어져 있는 상태일 것이다.

- 예를 들어, 2(두) 열의 표 (워드 또는 엑셀 등)에서

1열 및 2열에 각각 원문 및 번역문이 한칸에 한문장씩 '짝지어진' 상태의

(워드 또는 엑셀) 파일은 거의(95%이상) TM 으로 봐도 될 것이다.

- 그것은 (예를 들어, 어떤 doc 파일을 '한글'에서 연 다음 저장하면 hwp파일이 되듯이)

위의 '짝진' 파일을 툴(Trados 등)에서 불러들인 다음 저장하면  TM (파일)이 되기 때문이다.

- 툴에서 번역작업을 했다면, 당연히 '짝진' 파일(자료)가 만들어졌을 것이고,

=> (수많은) 기존의 문서라도 - 정확히 1대1 - 짝진 상태로만 만들면 그것이 TM인 것이다.

TM 자료 확보

개인의 입장에서 TM 자료 구축(생성)에 위의 방법 이상은 (아마) 없을 것이다.

- 다만, 기존의 원문/번역문 파일을 (정확하게 1대1로 대응하는) '짝진' 파일로 만드는 효율적인 방법을 찾을 필요는 있을 것이다   

(예를 들어, 툴을 이용한 '얼라인' 등 )

=> 빅데이터를 이용한 엄청난 TM 구축을 진행중인 일부 다국적 기업(구글, SDL 등)은

이용 가능한 (유엔, 정부, 각종 기관 등의) 원본/번역문 파일뿐만 아니라 하드카피 스캔, 개인의 온라인 툴작업 자료 등에서 자료를 수집한다 - { 이래 '유튜브' 참조 }

TM과 기계번역의 통합

- 동영상(유튜브)에서 보듯이 (개인의 경우와는 달리) 빅데이터에 구축되는 TM은 자체의 통계시스템, 알고기즘 등을 이용여

수많은 경우의 수를 만드는 것으로 보인다.

- 이러한 (통계적인) 데이터와 가장 기본인 기계변역의 통합이 소위 자동번역일 것이다.

- 그리고 그 정확성은 데이터의 크기에 비례하여 계속 진화할 것으로 보인다.  

TM의 활용

- 개인(데스크탑) 보유 TM의 경우, 툴 작업창에서 번역할 문장에 커서를 놓으면, 동일한

또는 (70~80%이상) 유사한 문장의 번역문장이 선택되어 자동을 입력되며,

(번역툴 창은, 기본적으로 2(두) 열로 되어 있으며 1열은 원문이 칸별 한문장씩 들어있고, 2열은 공란으로 번역문 작업창이다)

이를 좌측 원문과 대조하며 번역작업을 하게된다. 

=> TM의 경우 동일한 (또는 유사한) 문장이 없을 경우 공란이 유지되지만, 통합(자동) 번역의 경우에는 (최악의 경우 기계번역이 적용되더라도) 언제나 그 결과를 보여준다. 

통합(자동)번역 활용

- 툴(trados)을 사용하여 작업하는 경우, 온라인으로 해당 서버(예: 구글, SDL)에 접속한 후 활용 가능하며, 그 설정 방법 및 사용절차는 개인(데스크탑) TM에 대한 그것과 거의 같다

(다만, 사용전 회원 가입 및 유료인증(구글의 경우) 절차가 필요하다).

- 이(유료) 사용을 원하지 않는 경우에는, 구글웹 번역홈의 기본창에서 번역하여 그 결과를 번역툴에 붙혀넣는다

(본인의 상당한 여러 차례 경험상 유무료 번역결과의 차이는 없었다).

- 번역툴이 없는 경우, 번역홈의 '기본창'을 활용하거나 '구글번역키트'를 활용한다.

* '구글번역키트'(GTT, google trans kit): 번역홈의 기본창 내(하단)에 위치한 아이콘을 클릭하여 진입한다. 그리고,

 그 사용 방법 (및 개념)은 일반 '번역톨'과 유사하지만, 웹상의 도구라 반응속도가 많이 느리다.

통합(자동) 번역의 정확도

- 다국적 기업(구글, SDL 등)에서 운영하는 빅데이터 및 그 가공 알고리즘은 세계의 언어를 대상으로 한다 (예를 들어, 구글의 그것은 세계 최고라고 한다).

- 중국어/영어의 경우 상대적으로(한영에 비해) 그 엄청난 자료 및 더 비슷한 어순으로 인해,

이미, 비지니스 영어 번역에서 번역가의 역할은 통합체계 번역문 최종 확인 정도라는 기사가 전해진다.

- 한국어/영어의 경우, 위 수준은 아니지만 그 수준 넘어를 향해 진화하고 있음은 분명해 보인다.

이미, 영한 논문등의 상당히 길고 학술적인 문장의 경우에도 (구, 절 등으로) 적당히 나눠서/토막쳐서 돌려보면, 그 결과에 놀라곤 한다 (이 나누는 도구로는 '세미콜론(;)'이 유용하다).

번역툴 활용 (팁)

개인적으로는 번역주제(공학, 인문 등)와 관계 없이 툴 사용을 즐겨한다.

- 그 주된 이유는, 작업중 원문과 번역문의 편리한 대조, 및 번역문 출력시 원본(워드파일) 포멧의 거의 동일한 유지이다. 

- 또다른 이유는 TM, TB(텀베이스), 및 통합번역의 융통적인 활용 때문이다.

[ 예를 들어, 상당한 분량의 서적  번역시 앞쪽에서 번역한 내용은 (뒤쪽 번역에서) 자동으로 TM 기능을 하게 되며,

앞쪽의 생소한 용어도 (TB로 생성시) 뒤쪽에서 TM과 유사한 기능을 하기 때문이다 ].

[또한, '통합번역'의 활용에서, 단문의 경우 그대로 (또는, 조금 수정하여) 쓰거나, (원문이 길고 학술적이어서) 사용이 불가한 경우

필요에 땨라, 적당히 토막친 것의 결과가 상당히 유용한 경우가 종종 있기 때문이다 ].

끝으로,

번역은 제2의 창조라는 말이 있다. 그 취지는 충분히 이해하지만.. 

- (이론적으로 가정하여) 과거의 거의 모든 번역자료가 TM으로 제공되는 환경 하에서 작업한 결과물과,

- 온전히 나의 능력(경험, 유추,창조력 등)으로 작업한 결과물이 얼마나 차이가 날까.

==> 향후 전업 번역사 역할의 핵심은 이 갭을 메우는 일이 될것으로 생각된다.

[ 추신 ]

- 이상의 내용이 번역분야의 기존 또는 새로이 진입하려는 분들께 참조가 되었으면 하는 바램입니다.

- 그리고, 편의상 평어체로 작성함을 양해바랍니다.

밀레..

    ※ 유튜브: https://goo.gl/0Crjjp

※ [ 계속 ]

===> 이글은 마지막 글인 "TM의 실제적 효용성" (요기: http://goo.gl/i9F5JK)에서 이어집니다.

[살다보면]

전 세계에 있는 TM에 축적된 data가 얼마나 될까요. 전 세계에 존재하는 기존의 문장 갯수는 몇개나 될까요?
사하라 사막에 있는 모래알을 다 합친 수보다 클까요? 태평양 바다에 존재하는 물분자의 갯수보다 클까요? 지구상의 모든 원자(수소, 산소, 질소, 나트륨, 염소, 저는 화학 전공자가 아니라서 잘 모르지만)를 다 합친 수보다 클까요?
지구를 넘어 전 우주의 원자를 다 합치면 그 수가 대략 10^80~90(동그라미 갯수가 80~90개 정도된다는 의미입니다) 정도 된다고 하네요.

[살다보면]

겨우 45개의 숫자 중에서 6개의 숫자를 추출하여 만들어 낼 수 있는 경우의 수가 약 800만개나 되죠(이게 로또입니다.)
그렇다면, 예를 들어 45,000개의 단어 중에서 20개의 단어를 추출하여 만들어 낼 수 있는 경우의 수는 몇개나 될까요? 약 10^73개(1에 동그라미가 73개) 정도 됩니다.
(문장은 1개의 단어로 만들 수도 있고 20개가 넘는 단어로 이루어진 문장도 있고 한 문장에 같은 단어가 여러개 나올 수 있고, 단어의 순서가 바뀌면 또 다른 문장이 되므로 사실 이보다도 훨씬 더 큰 수가 나오겠죠.
저는 수학 실력이 딸려서 거기까지는 계산하기 힘드네요. 여하튼, 이론적으로 만들 수 있는 문장의 갯수는 말 그대로 무한하다고 합니다

[살다보면]

기계번역 해 놓은 것을 편집해 달라는 의뢰를 받은 경험이 있습니다. 하다가 중간에 던져 버렸습니다.
문장 토막내서 구글번역기 입력하고 편집해보진 않았지만 아마 그 짓거리 하는 것보단 아예 처음부터 직접 번역하는 것이 훨씬 시간 단축될 것이라고 생각합니다.
기계가 번역한 것을 최종 확인하는 것이 과연 어느 정도의 노력을 필요로 할까요?
도저히 감수할 수 없는 수준 즉, 오역율이 20% 이상인 것은 폐기하고 다시 번역한다고 하죠. 80%가 아깝지 않나요. 왜 그럴까요?
차라리 다시 번역하는 것이 더 효율적이기 때문입니다.
구글번역기 오역율은 몇%나 될까요? 그야 알 수 없지만 아마 20% 안으로 들어오긴 힘들겁니다.

[살다보면]

기계는 사진을 찍습니다. 정말 정확하죠. 똑같습니다. 순식간에 똑같은 모습을 담아냅니다. 사람이 똑같이 그려낼라면 며칠 걸릴 텐데요.
사람이 몇 달 걸려 계산 할 것을 기계는 몇초만에 해치웁니다. 입이 딱 벌어질 일이죠. 촛불만 보다가 처음으로 전깃불을 본 사람처럼 말이죠. 세상에 어찌 이런일이 하면서요.
기계가 달나라를 넘어서 화성까지 가니마니 하니, 세상에 기계가 못할 일은 아무것도 없는 것처럼 보입니다.
잘 아시다시피 언어는 기호입니다.. 빨간불은 정지, 파란불은 진행. 이게 기호입니다. 기호들을 하나둘 만들기 시작해서 그것이 언어가 된 것입니다. 아빠, 엄마, 해, 별, 바람, 비, 눈, 사과, 배, 호두, 호랑이, ...

[살다보면]

기계는 사진을 찍지만 사람은 언어로 표현합니다. 정확도와 시간은 단연 카메라가 우수하겠죠. 그러나, 사람이 언어로 표현한 문장과 카메라로 찍어낸 사진은 차원이 다르죠.
사진은 그대로 담아낸 것이지만, 문장은 사람이 기호를 가지고 만들어 낸 것입니다 (어제 저녁에 어떤 초등학생이 쓴 짧은 일기 한 편이 노벨문학상 수상작품보다 더 훌륭하다고 주장할 수도 있는 것입니다..)
주어진 기호를 가지고 각자 나름대로 만들어낸 문장을 기계가 이해하기는 어렵습니다.

[살다보면]

그래서 기계는 문장을 스스로 이해하는 것을 포기하고 통계적 기법을 사용하는 것 같습니다.(기계의 막강 능력을 이용해서 그깟 문장, 만들 수 있는 문장을 모조리 다 만들어놓고 빼내어 쓰지 뭐, 그런데 그 수가 장난이 아니죠, 말 그대로 무한한데,)
그런데 문장이라는 것이 워낙에 풍부해서 통계적 기법이 과연 얼마나 효과를 낼지......

[번역김]

기계는 그냥 직역입니다.한개단어가 여러가지 뜻이 있는데 상황에 따라 그뜻이 바뀌죠 기계는 그냥 그중의 한뜻을 가져다 번역합니다.기계나 화확 분야의 번역정화도는 어느정도 되곗지만 다른 분야는 오역률이 엄청 심하죠.

[편하게]

구글 번역을 사용해본 적이 있는데,기계번역치고는 아주 훌륭했습니다. 10년 후에는 굳이 번역회사가 필요 없는 시대가 되지 않을까 하는 불안한 맘이 들 정도로. (번역을 노후 직업으로 생각하고 있음)

[밀레.]

노후까지 계획하신다면, 장기적으로 통합(자동)번역이 차지할 영역과의 차별화에 관심을 두시면 좋을 듯하군요..