欠点と省略: 本稿の重大な欠点は、技術に対する驚くほど浅い扱いである。2021年において「必然性」として言及するだけでは不十分である。ニューラル機械翻訳(NMT)の破壊的で両刃の性質について深く考察していない。画像間翻訳におけるCycleGANのようなモデルが、新しい教師なしフレームワーク($G: X \rightarrow Y$, $F: Y \rightarrow X$ with cycle-consistency loss $\mathcal{L}_{cyc}$)を導入した変革的影響とは異なり、ここでの議論は技術的深みに欠ける。MTが翻訳者のワークフローをポストエディットへとどのように変容させているか、またはAI生成コンテンツの倫理的含意について言及していない。さらに、経済的駆動力に言及しているが、市場規模、成長、専門的翻訳対アドホックな解決策のROIに関する実証データを提供しておらず、ビジネスケースを強化する機会を逃している。
事例(コードなし): ある企業が日本でフィットネスアプリをローンチする。UIの翻訳(文化的媒介ニーズ低、分野複雑度中)には、技術とウェルネス用語に精通したスペシャリストが必要である。しかし、マーケティングスローガン「No Pain, No Gain」の翻訳には、クリエイティブ媒介者が求められる。直訳は文化的に失敗する可能性があり、不必要な苦しみを伝える恐れがある。媒介者は、日本の忍耐と習熟の価値観に合わせ、トレーニングにおける「心」の概念を喚起するようなトランスクリエーションを行うかもしれない。
Shiyab, S. (2021). Role of Translators and Interpreters in Global Business. Revue Traduction et Langues, 20(2), 76-84.
Zhu, J., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV). (変革フレームワークの比較分析のために引用)。
European Commission. (2022). European Master's in Translation (EMT) Competence Framework. Directorate-General for Translation. (多能力モデルに対する権威ある裏付けを提供)。
Pym, A. (2020). Translation and Globalization: Key Concepts in the Digital Age. Routledge. (経済的・技術的駆動力の文脈化)。
TAUS. (2023). The State of the Translation Industry Report. (技術導入に関する実証的市場データとトレンド)。