LLM翻訳の問題意識は、1991年のIBM特許にどう書かれていたか
発掘メモについて： このシリーズの「発掘メモ」は、一次資料URLを確認した段階で候補の概要を記録したものです。本文精読・Claim 1確認は未実施です。確認済み事実のみ記載し、推測は推測として明示しています。
なぜ掘るか
ChatGPT・Gemini・DeepLが普及した今、「翻訳AIはどこから来たか」を問うとき、多くの人はTransformer（2017年）かニューラルMT（NMT、2014年頃）を起点にする。だがその30年前、IBMはすでに「統計モデルで翻訳する」という問題設定を特許文書に書いていた。今の翻訳AIとは設計が根本的に異なるが、「コーパスから翻訳パターンを学ぶ」という発想の前史として読める。
特許の基本情報
- 特許番号：US5477451A
- タイトル：Method and system for natural language translation
- 出願：1991年（詳細日付：本文未確認）
- 発明者：Peter F. Brown、John Cocke、Stephen A. Della Pietra、Vincent J. Della Pietra、Frederick Jelinek、Robert L. Mercer ほか
- Assignee：IBM
- 一次資料：Google Patents（URL確認済み・本文未読）
- Legal status：詳細未確認
核心（Wikipedia・公開情報経由の情報）
IBM Research（T.J. Watson研究所）が開発した統計的機械翻訳（SMT）の実装を特許化したもの。IBMモデル1〜5として知られる確率的翻訳モデルの系譜と関連する。
設計の核心は「対訳コーパスから翻訳確率を統計的に学習する」点。ルールを人手で書くのではなく、大量の翻訳済みテキストから「この単語はあの言語でどの単語に対応しやすいか」の確率分布を計算する。Candideシステムとして実用化された。
一次資料未読のため、Claim 1の記述・具体的なモデル構造・実装詳細は未確認。
現代との接続仮説
| US5477451A（1991年） | 現代の翻訳技術 | 評価（仮説段階） |
|---|---|---|
| 対訳コーパスから確率を学習 | LLMの事前学習（コーパスから学ぶ点） | 比喩（学習の方向性は重なる、仕組みは別） |
| 単語対応の確率的モデル | Transformerのアテンション機構 | 無理がある（設計が根本的に異なる） |
| ルールなし・データ駆動の翻訳 | ニューラルMT・LLM翻訳全般の出発点 | 類似（問題意識の先行例として読める） |
重要： SMTとNMT（ニューラルMT）の間には技術的な断絶がある。「統計的機械翻訳→ニューラルMT→LLM翻訳」は連続した進化ではなく、NMT登場（2014年頃）でSMTはほぼ置き換えられた。「LLM翻訳の前史」と書くと誤解を招く。「ルールベースから統計・データ駆動へという転換の前史」として位置づけるのが正確。
未確認ポイント
- Claim 1の逐語テキスト
- IBM Candideとの対応関係（同一か、別特許か）
- 第5回のALPAC報告書記事との接続（ALPAC後の「冬」→Candideによる復活の文脈）
- Forward citations件数
次アクション
AbstractとClaim 1を確認し、Candide論文（Brown et al. 1990, Computational Linguistics）との対応を整理する。第5回ALPAC記事との連携記事として書くと文脈が強くなる。
参考リンク：
- 元特許：US5477451A on Google Patents
- 関連記事：Declassified Archaeology #1 — ALPAC報告書
- AI・機械学習特許 #1（発掘ノート）：Amazon item-to-item推薦 US6266649B1