번역은 오랜 기간 동안 인간에게 어려운 문제로 남아 있습니다.

항공 및 통신 기술의 발전으로 인해 세계는 가까워진데 반해 언어의 장벽은 상대적으로 커졌고,
따라서 번역에 대한 연구는 자연어 처리의 역사와 함께 하고 있습니다.
하지만 연구가 거듭될수록 언어의 방대함과 모호성은 매우 큰 장애 요소가 되고 있습니다.

현재는 딥러닝을 통해 언어의 특징에 따른 어려움을 해결하기 시작하였고, 기계번역에 대한 대안이 생기기 시작했습니다.
특히 최근에는 Attention 기법을 활용하여 더욱 우수한 성능을 보이는 모델이 개발되기도 하였습니다.
이러한 기계 번역과 관련한 내용들을 본 강좌에서 함께 다루어 보도록 하겠습니다.

그렇다면, 왜 배워야 할까요?

번역은 하나의 언어로 쓴 글을 같은 의미를 나타내는 다른 언어의 글로 변환하는 작업을 말합니다. 

세계의 많은 나라들과 교류함으로써 다른 언어로 기록된 많은 문서 및 연설 등을 접하게 되면서 번역의 중요성은 날로 커지고 있습니다.
하지만 많은 수요와 높은 중요도에 비해 번역 작업은 어렵고 복잡한 작업이며,
특히 두 언어에 대해 아주 능숙한 사람이 부족하기에 컴퓨터에 번역을 맡기는 ‘기계번역’에 대한 연구가 시작되었습니다.
기계번역은 우리에게 꼭 필요한 과제입니다.
현재는 RBMT(규칙기반 기계번역), SBMT(통계기반 기계번역)을 거쳐 NMT(인공신경망 기계번역)까지 발전되어 왔습니다.
비약적으로 향상된 성능을 보인다는 인공신경망 기반의 기계번역을 함께 공부해 봅시다.

어떤 내용을 배우는지
살펴봅시다

• 기계번역에 대해 소개하고, seq2seq와 attention을 활용하여 자연어를 생성하는 방법에 대해 파이썬 코드와 논문 내용을 통해 깊이 있게 다룹니다.
• 최근 이슈가 된 “Attention is all you need” 논문에서 소개된 트랜스포머에 관해서도 학습하게 됩니다.

image made by Freepik from www.freepik.com