G検定 用語解説
機械翻訳とは
ある言語で書かれた文章を、別の言語の文章に変換するタスク。seq2seqなどのEncoder-Decoder型モデルで実現される。
まず押さえる結論
機械翻訳は、G検定の「大項目6 ディープラーニングの応用例」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×物体検出（R-CNN系/YOLO/SSD）とセグメンテーション（セマンティック＝画素単位の塗り分け、インスタンス＝個体ごとに区別）の混同。
×word2vec・BERT・GPTの違い（BERT＝前後両方向、GPT＝一方向・自己回帰）。
×強化学習の応用（DQN、AlphaGo）と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 画像認識・物体検出
画像の各画素がどのクラスに属するかを推定し、道路・空・車などの領域を塗り分けるタスクはどれか。
正解は「セマンティックセグメンテーション」である。セマンティックセグメンテーションは、画像の各画素にクラスを割り当て、領域を塗り分けるタスクである。物体検出は物体の位置とクラスを推定する。画像認識は画像全体の分類を指すことが多い。機械翻訳は言語を変換する技術である。 画像タスクは出力粒度で区別する。画像認識は画像全体のクラス、物体検出は物体ごとの矩形と種類を返す。各画素に意味カテゴリを割り当て同じクラスの領域を塗り分けるのはセマンティックセグメンテーションである。
大項目6 ディープラーニングの応用例 / 自然言語処理
文章を単語や形態素などの単位に分割し、品詞などを解析する自然言語処理の基本処理はどれか。
正解は「形態素解析」である。形態素解析は、文章を単語や形態素などの単位に分割し、品詞などを解析する自然言語処理の基本処理である。機械翻訳は言語間の変換、分散表現は単語などをベクトルで表す方法、音声認識は音声を文字列に変換する技術である。 自然言語処理の工程を成果物で区別する。機械翻訳は別言語文、分散表現はベクトル、音声認識は音声から文字列を出す。文を言語上の最小単位へ区切り各単位へ品詞情報を付けるのは形態素解析である。活用形を原形へ戻す情報も後続処理の入力になる。
大項目6 ディープラーニングの応用例 / 自然言語処理
単語を固定長の実数ベクトルに変換し、ベクトルの加減算によって単語間の意味的な関係を表せるようにした代表的な手法はどれか。
正解は「word2vec」である。単語を固定長の実数ベクトル（分散表現）に変換し、ベクトルの演算で意味的な関係を表せるようにした代表的手法はword2vec。形態素解析は文を単語に分割する処理、seq2seqは系列変換のモデル、機械翻訳はタスク名であり、いずれも単語ベクトルそのものを学習する手法ではない。4つの選択肢は「単語のベクトル化」「文を単語に分割する処理」「系列を別の系列に変換するモデル」「言語間変換というタスク名」という異なる役割に分かれる。
同じ章で確認したい用語
到達チェック
- 機械翻訳を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、機械翻訳に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）