WHY?

기존의 NMT(Neural Machine Translation) 모델들은 특정 source languange에서 특정 target language로만 번역할 수 있었고 이를 위하여 이에 맞는 corpus가 필요하였다.

WHAT?

필자는 간단한 트릭을 통하여 한 모델로 여러 source language로 부터 여러 target language로 번역할 수 있는 모델을 고안하였다. 바로 input sentence 앞에 번역하고 싶은 언어를 표시할 수 있는 간단한 토큰을 함께 학습시키는 방법이다. 예를 들어,
Machine learning is fun! : 머신 러닝은 재미있어!
라는 parallel corpora가 있다고 한다면 nmt에 학습시킬 때
[2kr] Machine learning is fun! 라는 인풋을 집어넣는 것이다. 나머지는 Johnson et al(2016)의 모델과 동일하다.

So

이 단순한 트릭을 통하여 한 모델로 여러 언어들을 여러 언어들로 번역할 수 있게 되었으며 이를 통하여 데이터가 부족한 언어들간의 번역 성능도 증가하였다. 더욱 중요한 것은 이 모델을 통하여 직접적인 parallel copora가 없는 언어간의 번역(zero-shot learning)도 가능해졌다는 것이다.