Google翻訳に新機能としてWord Lendsが追加！一体どんな仕組み…？

2017/01/26 2017/01/30

こんばんは！Twitterがgoogle翻訳の新機能で騒がしくなっていますね！
どんなものかといいますと、スマホ版のGoogle翻訳アプリに、カメラで撮った文字を直接翻訳して別の言語に置き換えて表示してくれる、というもの。

実はこの機能は2015年からあったのですが、それが今日日本語に正式対応した、ということのようです。

カメラ翻訳？

この機能は、Quest Visual社が作っていたアプリ、「Word lens」が元になっています。
元になっている、と言ってもGoogleが真似をした訳ではなく、2014年にしっかり会社ごと買収しています。
その後順当に機能改善と追加を行っていた、という事でしょう。

このGoogle翻訳アプリには3つの革新的な点があります。
１つは、高精度のOCR、２つ目はAR的な置換、そして３つ目はニューラルネット（機械学習）を利用した自然な翻訳です。
順番に何が凄いか見ていきましょう！

高精度のOCR

まず、前提ではあるもののなかなかに凄い技術なのが、このOCR。
OCRとは、書いてある文字を認識してデータに変換する技術の事。
特に日本語のOCRは難しいとされていたのですが、このアプリはロゴのような飾り文字でさえかなり正確に文字情報に変換出来ています。
恐らく、Deep Learning等の機械学習を使っているのだと予想されますが、具体的にどんな技術を使っているという事は公表されていないようです。

AR的な置換

注目を集めている理由はこの見た目のインパクトでしょう。
カメラに写した風景の一部が、あたかも元々そうであったかのように文字の部分だけ綺麗に置き換えられます。
これはQuest Visual社の開発した機能ですが、カッコイイんですよね。
ARという言葉がまだ新しく、注目を集めていた頃に開発された技術ですが、ちゃんと使えばその利便性は今でも健在、という印象を与えてくれます。
未来を感じますね！

ニューラルネットワークによる高精度の翻訳

これはそもそもGoogle翻訳の機能ですが、自然な言葉に訳される、という事もこの機能が注目されている大きな要因でしょう。
ニューラルネットワーク・人工知能の話は以前にもしましたが、要するに人間の脳をコンピュータで模倣して、あたかも人が考えているかのような情報を引き出す、というのがこのニューラルネットワークという仕組みです。
Google翻訳の日本語版にこの機能が取り入れられたのは2016年の１１月ですが、とんでもなく自然な日本語・英語に翻訳されるとして注目を集めました。

恐らく膨大な量の「日本語に訳されている英語のドキュメント」と「英語に訳されている日本語のドキュメント」を人工知能に入力して、「このパータンの文脈の場合にはこういう言葉に翻訳されているケースが多い」というコンテキストまで翻訳・文章の生成に利用するようになったのだと想像されます。

初めて日本で人間のプロ棋士に勝利した「ponanza」という将棋のソフトウェアの開発者である山本一成さんも、Twitterでその文脈まで含んだ翻訳について言及されています。
https://twitter.com/issei_y/status/805654027467771904
（ご本人から許可を頂いたわけではないのでリンクに留めます）
このTwitterでの発言は、原文に、「そのバッグが母のものである」という事が明確に記述されているわけではないにも関わらず「バッグという単語が女性を共起させる」という理由で翻訳後の文章ではher bagになっているという点についてのものです。
このような共起される事柄についての翻訳は、人工知能研究者の間でさえ、人間社会の文化的背景をコンピュータが学ぶまでは不可能だと考えられていました。
そのことを考えると、この翻訳精度は驚異的と言っても良いでしょう。
（もちろん、この性差別的な翻訳内容が肯定されるかどうか、というのはまた別の問題ではありますが、ここではあえて触れません。）