차세대 머신러닝 기반 실시간 번역 시스템 구축 연구

1. 서론

급증하는 글로벌 정보 교류와 다양한 언어 간의 원활한 소통 필요성은 정확하고 신속한 실시간 번역 시스템 개발의 중요성을 더욱 부각한다. 기존의 통계 기반 기계 번역 시스템은 문맥 이해 능력의 부족과 느린 번역 속도라는 한계를 가지고 있었다. 이러한 문제점을 해결하고자 최근 괄목할 만한 성능 향상을 보이는 신경망 기반 기계 번역(Neural Machine Translation, NMT) 모델에 주목하여 실시간 번역 시스템 구축 연구를 진행하였다. 본 연구에서는 다양한 분야에서의 효율적인 의사소통 증진과 정보 접근성 향상에 기여할 수 있는 시스템 개발을 목표로 한다. 특히, 즉각적인 의사소통이 필수적인 상황에서 유용하게 활용될 수 있도록 실시간 처리 성능을 최우선으로 고려하여 시스템을 설계하였다.

이를 위해, 다양한 언어 쌍에 대한 실시간 번역 성능을 향상시킬 수 있는 최적의 아키텍처를 설계하는 데 집중하였다. 대용량 데이터 학습을 통해 고성능을 달성하는 트랜스포머 기반 NMT 모델을 기본 골격으로 채택하였으며, 장기 의존성 문제 해결과 병렬 처리를 통한 속도 향상을 기대할 수 있다. 더 나아가, 서브워드 단위 토큰화 기법을 적…