第13回AAMTセミナー

（4）大規模言語モデルは講義動画の吹き替え翻訳をどこまでできるのか？
吉橋智希、宮田玲（東京大学）
本研究では、講義動画の吹き替え翻訳タスクを対象に、LLMによる翻訳性能の現状を分析的に評価した。3Blue1Brownの数学講義シリーズから選んだ英語原文739文をGPT-4oにより日本語に翻訳し、その訳文を人手で修正・改善した。得られた結果を翻訳イシューと翻訳方略の分類体系を用いて分析し、321件のイシュー事例と277件の方略事例を得た。ここから「不適切な用語選択」イシューが35%を占めるなどの傾向が可視化された。また、事例分類を通じて、動画教材の吹き替え翻訳特有の課題として「教材としての機能」「講義形式」「映像との一致」「音声の特性の考慮」を明らかにし、LLM翻訳の改良に向けた示唆を得た。

（5）LLM時代に問う人間翻訳のプロセス：感情・行動・認知の統合モデルによるシミュレーション
溝脇孝哲、山田優（立教大学）、Michael Carl（Kent State University）、Yuxiang Wei（Saint Francis University）、Xinyue Ren（Kent State University）
ChatGPTなどの大規模言語モデル（LLM）の登場で、機械翻訳の性能は飛躍的に向上した。しかし、LLMは高精度な訳文を生成できても、人間の翻訳プロセスを再現しているわけではない。本研究では、人間が翻訳する時の「読む・考える・書く」プロセスを再現することを目指し、能動的推論（Friston et al.,2017）に基づくエージェントを構築した。このエージェントは与えられた原文からリーディングやタイピング行動を自律的に選択する。本発表では、研究の基本コンセプトと初期的な動作結果を報告する。これにより翻訳者の認知プロセスを捉え、LLM時代の翻訳者の役割を再考するきっかけとなることが期待される。

（6）An Investigation on Entropy Patterns in A Parallel Corpus of Korean and Japanese Lyrics
方希文、大関洋平（東京大学）
The promotion of K-Pop music in Japan represents a distinctive case, where songs are redistributed with Japanese lyrics while preserving the original Korean melodies. This process of lyrical adaptation provides valuable material for translation research. As an initial step toward developing a specialized lyric translation system, this presentation examines a small parallel corpus of Korean and Japanese lyrics. In particular, entropy patterns displayed at the lexical and syntactic levels were analysed to provide insights for possible solutions to machine translating lyrics.

（7）画像説明による思考の連鎖を利用した料理動画の機械翻訳に関する研究
高田一慶、二宮崇、後藤功雄（愛媛大学）
英単語には多くの多義語が存在し，これが料理動画内の英文を翻訳する上で問題となる．例えば「pepper」は，「ピーマン・パプリカ・唐辛子・胡椒」のように複数の意味が存在するため、これを字面のみで正しく翻訳するのは難しい．本研究では，料理動画の英日機械翻訳タスクを対象として，画像をモデルに説明させ，その説明を基に翻訳する思考の連鎖 (Chain-of-Thought) を用いる手法を提案する．実験では，通常の翻訳，単に画像をモデルに見せる場合，思考の連鎖を利用した場合の３つを比較した．実験結果より，多くの場合で画像を用いることの有効性を示せた．

（8）多言語文符号化器からの言語非依存な文埋め込みの抽出
福島啓太、梶原智之、二宮崇（愛媛大学）
本研究では，多言語文符号化器から言語非依存な文埋め込みを抽出し，機械翻訳の品質推定や言語横断の文類似度推定に応用する．先行研究では，多言語文符号化器から得られる文表現に対して意味表現と言語表現をそれぞれ抽出し，前者を言語非依存な文埋め込みとして使用してきた．提案手法では，このアプローチに対して，意味表現と言語表現の分離を改善するための工夫を加える．実験の結果，機械翻訳の品質推定と言語横断の文類似度推定の両方において，既存手法を上回る性能を達成した．

（9）llmMT+1: 非英語言語対 LLM 翻訳の実現法の検討
傅星儿（京都大学）、永田昌明（NTT）、Chenhui Chu（京都大学）
近年，大規模言語モデルを使った機械翻訳が注目を集めている．しかし，そのモデルの多くは英語中心の言語対のみを対象としており，英語を含まない非英語言語対の翻訳がサポートされておらず，性能が低い問題が残されている．この問題に対して本論文では，対象言語の訓練状況に応じて3つに場合分けして，英語中心の翻訳モデルにおいて非英語言語対の翻訳を実現する方法について体系的に検討する．

（10）What language do Japanese-specialized large language models think in?
鐘承志、程飛（京都大学）、劉倩瑩（国立情報学研究所）、江俊锋（東京大学）、万振、褚晨翚、村脇有吾（京都大学）、黒橋禎夫（国立情報学研究所/京都大学）
In this study, we investigate whether large language models trained with substantial Japanese data exhibit higher probabilities for Japanese in their intermediate layers when projected onto the vocabulary space.