要約
この研究は、1980 年から 2024 年までの 41 年間にわたる翻訳産業 (ACTI) 研究への人工知能 (AI) の貢献を総合的に分析したものです。
13,220 件の記事が、WoS、Scopus、Lens の 3 つのソースから取得されました。
我々は、サイエントメトリクスとテーマ別の 2 種類の分析を提供し、前者と同様にクラスター、主題カテゴリ、キーワード、バーストネス、中心性、研究センターに焦点を当てました。
後者については、目的、アプローチ、発見、ACTI の将来の方向性への貢献を中心に、関係する論文から目的を持って選択された 18 件の論文をテーマ別にレビューします。
この調査結果は、過去において翻訳業界への AI の貢献が厳密ではなかったため、ルールベースの機械翻訳や統計的機械翻訳の結果が満足のいくものではなかったことを明らかにしています。
しかし、AIが発展すればするほど機械翻訳も発展し、ニューラルネットワーキングアルゴリズムやChatGPTのような(深層)言語学習モデルが組み込まれ、その翻訳出力は大幅に発展しています。
しかし、特に低出典言語、多弁証法的かつ自由語順言語、文化的および宗教的登録など、翻訳業界が直面するいくつかの問題を克服するには、依然として非常に厳密な研究が必要です。
要約(オリジナル)
This study provides a comprehensive analysis of artificial intelligence (AI) contribution to translation industry (ACTI) research, synthesizing it over forty-one years from 1980-2024. 13220 articles were retrieved from three sources, namely WoS, Scopus, and Lens. We provided two types of analysis, viz., scientometric and thematic, focusing on cluster, subject categories, keywords, burstness, centrality and research centers as for the former. For the latter, we thematically review 18 articles, selected purposefully from the articles involved, centering on purpose, approach, findings, and contribution to ACTI future directions. The findings reveal that in the past AI contribution to translation industry was not rigorous, resulting in rule-based machine translation and statistical machine translation whose output was not satisfactory. However, the more AI develops, the more machine translation develops, incorporating Neural Networking Algorithms and (Deep) Language Learning Models like ChatGPT whose translation output has developed considerably. However, much rigorous research is still needed to overcome several problems encountering translation industry, specifically concerning low-source languages, multi-dialectical and free word order languages, and cultural and religious registers.
arxiv情報
著者 | Mohammed Q. Shormani |
発行日 | 2024-12-02 16:39:26+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google