Facebook(๋ฌ์์ ์ฐ๋ฐฉ์์ ๊ธ์ง๋จ)์ ์์ด๋ก์ ์ค๊ฐ ๋ฒ์ญ์ ์ฐํํ์ฌ ํ ์คํธ๋ฅผ ํ ์ธ์ด์์ ๋ค๋ฅธ ์ธ์ด๋ก ์ง์ ๋ฒ์ญํ๊ธฐ ์ํ ๋ณดํธ์ ์ธ ๊ธฐ๊ณ ํ์ต ๋ชจ๋ธ์ ๋ง๋๋ ๊ฒ์ ๋ชฉํ๋ก ํ๋ NLLB(No Language Left Behind) ํ๋ก์ ํธ์ ๊ฐ๋ฐ ๋ด์ฉ์ ๋ฐํํ์ต๋๋ค. ์ ์๋ ๋ชจ๋ธ์ ์ํ๋ฆฌ์นด์ ํธ์ฃผ ๋ฏผ์กฑ์ ํฌ๊ท ์ธ์ด๋ฅผ ํฌํจํด 200๊ฐ ์ด์์ ์ธ์ด๋ฅผ ๋ค๋ฃจ๊ณ ์์ต๋๋ค. ์ด ํ๋ก์ ํธ์ ๊ถ๊ทน์ ์ธ ๋ชฉํ๋ ์ฌ์ฉํ๋ ์ธ์ด์ ๊ด๊ณ์์ด ๋ชจ๋ ์ฌ๋์๊ฒ ์์ฌ์ํต ์๋จ์ ์ ๊ณตํ๋ ๊ฒ์ ๋๋ค.
์ด ๋ชจ๋ธ์ ์ ์์ ํ์๋ฅผ ์ ๊ณตํ๊ณ ๋ผ์ด์ผ์ค๋ฅผ ์ ์งํ๋ฉฐ ๋น์์ ์ ๋ชฉ์ ์ผ๋ก๋ง ์ฌ์ฉํ๋ ๊ฒฝ์ฐ ๋ณต์ฌ, ์ฌ๋ฐฐํฌ, ์ฌ์ฉ์ ์ ์ ๋ฐ ํ์ ์์ ์ ํ์ฉํ๋ ํฌ๋ฆฌ์์ดํฐ๋ธ ์ปค๋จผ์ฆ BY-NC 4.0 ๋ผ์ด์ผ์ค์ ๋ฐ๋ผ ๋ผ์ด์ผ์ค๊ฐ ๋ถ์ฌ๋ฉ๋๋ค. ๋ชจ๋ธ ์์ ์ ์ํ ๋๊ตฌ๋ MIT ๋ผ์ด์ ์ค์ ๋ฐ๋ผ ์ ๊ณต๋ฉ๋๋ค. NLLB ๋ชจ๋ธ์ ์ฌ์ฉํ์ฌ ๊ฐ๋ฐ์ ์ด์งํ๊ธฐ ์ํด ์ฐ๊ตฌ์๋ค์๊ฒ ๋ณด์กฐ๊ธ์ ์ ๊ณตํ๊ธฐ ์ํด 200๋ง ๋ฌ๋ฌ๋ฅผ ํ ๋นํ๊ธฐ๋ก ๊ฒฐ์ ํ์ต๋๋ค.
์ ์๋ ๋ชจ๋ธ์ ์ฌ์ฉํ์ฌ ํ๋ก์ ํธ ์์ฑ์ ๋จ์ํํ๊ธฐ ์ํด ๋ชจ๋ธ ํ์ง ํ ์คํธ ๋ฐ ํ๊ฐ์ ์ฌ์ฉ๋๋ ์ ํ๋ฆฌ์ผ์ด์ ์ฝ๋(FLORES-200, NLLB-MD, Toxicity-200), ํ๋ จ ๋ชจ๋ธ์ฉ ์ฝ๋ ๋ฐ LASER3 ๋ผ์ด๋ธ๋ฌ๋ฆฌ ๊ธฐ๋ฐ ์ธ์ฝ๋( ์ธ์ด์ ๊ตฌ์ ๋ฐ์ง ์๋ SEntence)๋ ์ถ๊ฐ๋ก ์คํ ์์ค์ ๋๋ค. ์ต์ข ๋ชจ๋ธ์ ์ ์ฒด ๋ฒ์ ๊ณผ ๋จ์ถ ๋ฒ์ ์ ๋ ๊ฐ์ง ๋ฒ์ ์ผ๋ก ์ ๊ณต๋ฉ๋๋ค. ๋จ์ถ ๋ฒ์ ์ ๋ฆฌ์์ค๊ฐ ๋ ์ ๊ฒ ํ์ํ๋ฉฐ ์ฐ๊ตฌ ํ๋ก์ ํธ์์ ํ ์คํธํ๊ณ ์ฌ์ฉํ๋ ๋ฐ ์ ํฉํฉ๋๋ค.
๋จธ์ ๋ฌ๋ ์์คํ ์ ๊ธฐ๋ฐ์ผ๋ก ํ ๋ค๋ฅธ ๋ฒ์ญ ์์คํ ๊ณผ ๋ฌ๋ฆฌ ํ์ด์ค๋ถ์ ์๋ฃจ์ ์ 200๊ฐ ์ธ์ด ์ ์ฒด์ ๋ํด ํ๋์ ์ผ๋ฐ ๋ชจ๋ธ์ ์ ๊ณตํ์ฌ ๋ชจ๋ ์ธ์ด๋ฅผ ํฌ๊ดํ๊ณ ์ธ์ด๋ณ๋ก ๋ณ๋์ ๋ชจ๋ธ์ ์ฌ์ฉํ ํ์๊ฐ ์๋ค๋ ์ ์์ ์ฃผ๋ชฉํ ๋งํฉ๋๋ค. ์์ด๋ก์ ์ค๊ฐ ๋ฒ์ญ ์์ด ์์ด์์ ํ๊ฒ ์ธ์ด๋ก ์ง์ ๋ฒ์ญ์ด ์ด๋ฃจ์ด์ง๋๋ค. ๋ณดํธ์ ์ธ ๋ฒ์ญ ์์คํ ์ ๋ง๋ค๊ธฐ ์ํด ์ฌ์ฉ๋๋ ์ธ์ด๋ฅผ ๊ฒฐ์ ํ ์ ์๋ LID ๋ชจ๋ธ(Language IDentification)์ด ์ถ๊ฐ๋ก ์ ์๋ฉ๋๋ค. ์ ๊ฒ๋ค. ์์คํ ์ ์ ๋ณด๊ฐ ์ด๋ค ์ธ์ด๋ก ์ ๊ณต๋๋์ง ์๋์ผ๋ก ์ธ์ํ๊ณ ์ด๋ฅผ ์ฌ์ฉ์์ ์ธ์ด๋ก ๋ฒ์ญํ ์ ์์ต๋๋ค.
์ง์๋๋ 200๊ฐ ์ธ์ด ์ค ์ด๋ ๋ฐฉํฅ์ผ๋ก๋ ๋ฒ์ญ์ด ์ง์๋ฉ๋๋ค. ๋ชจ๋ ์ธ์ด ๊ฐ ๋ฒ์ญ ํ์ง์ ํ์ธํ๊ธฐ ์ํด FLORES-200 ์ฐธ์กฐ ํ
์คํธ ์ธํธ๋ฅผ ์ค๋นํ๋๋ฐ, ์ด๋ NLLB-200 ๋ชจ๋ธ์ ์ฌ์ฉํ์ ๋ ์ด์ ์ ์ ์๋ ๊ธฐ๊ณ ํ์ต ๊ธฐ๋ฐ ์ฐ๊ตฌ ์์คํ
๋ณด๋ค ๋ฒ์ญ ํ์ง ์ธก๋ฉด์์ ํ๊ท 44% ์ฐ์ํ ๊ฒ์ผ๋ก ๋ํ๋ฌ์ต๋๋ค. ๊ธฐ๊ณ ๋ฒ์ญ๊ณผ ํ์ค ์ธ๊ฐ ๋ฒ์ญ์ ๋น๊ตํ๋ BLEU ์ธก์ ํญ๋ชฉ์
๋๋ค. ํฌ๊ทํ ์ํ๋ฆฌ์นด ์ธ์ด์ ์ธ๋ ๋ฐฉ์ธ์ ๊ฒฝ์ฐ ํ์ง ์ฐ์๊ฐ 70%์ ์ด๋ฅธ๋ค. ํน๋ณํ ์ค๋น๋ ๋ฐ๋ชจ ์ฌ์ดํธ์์ ๋ฒ์ญ ํ์ง์ ์๊ฐ์ ์ผ๋ก ํ๊ฐํ ์ ์์ต๋๋ค.
์ถ์ฒ : opennet.ru