サラ・グレイザー、レティシア・ジョリー、カティア・ピンキエ、 グルノーブル・アルプ大学応用外国語学修士.

I- 翻訳におけるAIの台頭 

AIの進化と翻訳への統合

AIは過去数十年で大きな進歩を遂げ、言語翻訳を含む様々な分野に影響を与えてきました。翻訳におけるAIの活用は、1950年代にルールベース機械翻訳（RBMT）が開発されたことに端を発しています（Vinson, 2025）。RBMTは、事前に定義された言語ルールに基づいてテキストをある言語から別の言語に翻訳していました。しかし、ルールは手動で入力する必要があり、時間がかかり、翻訳の精度も低いという問題がありました。

その後、1980年代に統計的機械翻訳（SMT）が登場しました。これにより、コンピュータは大規模な対訳コーパスを分析し、統計を用いて単語や句を対応付けることができるようになりました。しかし、英語と日本語のように文法に大きな違いがある言語間の正確な翻訳は困難でした。

2010年代には、ニューラル機械翻訳（NMT）が翻訳分野に大きな変化をもたらしました。SMTと同様に、NMTは大規模な対訳コーパスを用いて学習されましたが、ディープラーニングアルゴリズムとニューラルネットワークの活用により、翻訳精度はかつてないほど向上しました（「AI翻訳の歴史」、2022年）。この精度の高さにより、NMTは広く普及し、翻訳業界に大きな変化をもたらしました。

2020年代初頭から、生成AIモデルが登場しています。欧州連合（EU）のAI法（2023年、第28条b(4)）では、生成AIを「複雑なテキスト、画像、音声、動画などのコンテンツを、様々なレベルの自律性をもって生成することを特に意図したAIシステムで使用される基盤モデル」と定義しています。これは、分類、予測、定義された問題解決といった特定のタスクに重点を置く従来のAIとは異なります。生成AIは、人間が作成したコンテンツに類似した新しいデータを生成することを目指しています。OpenAIのChatGPTのような生成モデルは、言語理解と翻訳において優れた能力を示しており、それ自体は翻訳ソフトウェアではありませんが、文脈的に正確な翻訳を生成することができます。

翻訳ツールとAIへの依存

翻訳業界では、翻訳をより効率的かつアクセスしやすいものにするための AI 搭載ツールが増加しています。

DeepLやGoogle翻訳などの翻訳ツールは、AIを活用して翻訳精度を向上させています。これらのツールには一定の利点がある一方で、限界もあります。例えば、文脈の誤解釈、文化的なニュアンスの誤解、慣用表現の不正確な翻訳などは、AI翻訳において頻繁に発生する問題です。さらに、AIによる翻訳は、人間の専門知識が不可欠な、高度に専門的またはデリケートな内容では、難解な場合があります。

AIは翻訳業界に大きな変化をもたらしましたが、人間の翻訳者を完全に置き換えるにはまだ至っていません。AIは大量のテキストを迅速に処理することに優れていますが、人間の翻訳者は、文化への配慮、創造的な適応、深い文脈理解といった重要な要素を提供します。

II- データ収集と倫理的懸念

あらゆるデジタルシステムと同様に、AIや翻訳モデルも「教育」を受ける必要があります。この文脈では、システムの「トレーニング」について言及しますが、そのためには利用可能な場所ですぐに使えるデータを収集する必要があります。しかし、あらゆるものがより効率的かつ迅速であることが求められるデジタル化の時代において、これらのシステムの動作方法に関する法律は無視されがちです。そのため、AIプログラマーやプロバイダーは、自分たちが望むように自由に操作できると勘違いしがちです。 意思決定が行われるまで。近年、より重要な組織が、AIシステムの運用によって生じる倫理的問題に関する意識を高めようと努めています。

AIトレーニングにおける大規模データセットの必要性

AIモデルが適切に機能するには、大規模なデータセットが必要です。 ウォンク.ai 様々な企業にAI翻訳モデルを提供するウェブサイト（Mohammed et al., 2024）があります。彼らによると、彼らの翻訳モデルは次のXNUMXつのステップでトレーニングされます。最初のステップは、ウェブサイト、用語集、言語データベース、文書などから言語データを収集することです。これは、システムが言語ルール、用語集の定義済み用語、口調、または文体を統合するのに役立ちます。XNUMX番目のステップでは、収集されたデータから言語ペアを抽出し、システムがコンテキストをよりよく理解して翻訳出力を強化するのに役立つ文のペアを見つけます。XNUMX番目のステップは、トレーニング用の言語データの処理、つまり検証、クリーニング、および結合です。収集されたテキストの一部の翻訳は他の場所で見つかり、ペアにする必要があるため、これが必要になります。XNUMX番目のステップは、収集されたデータがトレーニングコーパスにまとめられるときのAIトレーニング自体であり、AI出力が評価に十分になるまでトレーニングが続けられます。XNUMX番目で最後のステップは、翻訳マネージャーである顧客による評価です。

AIモデルは学習を続けるため、様々な分野で有用であると考えられています。そのためには、システムにフィードバックを与え、システムを改善するための校正が不可欠です。もちろん、優れたAI翻訳モデルを入手するには時間と費用がかかり、すべてのAIプロバイダーは「人間品質レベル」への到達を目指しています。

しかし、このデータ収集は、システムのエンドユーザーと言語ペアに大きく依存します。翻訳においては、語調、用語、表現法は分野によって大きく異なります。近年、AI翻訳システムは、主にコスト削減と効率性向上のために、法務翻訳にますます利用されるようになっています。そこでトレーニング段階が重要になります。翻訳システムをトレーニングするには法務文書が必要ですが、簡単に見つけたり使用したりすることはできません。さらに、法制度は国によって異なるため、トレーニング段階で実装する必要があるもう2024つのパラメーターです。2024年XNUMX月に発表された研究（Moneus & Sahari, XNUMX）で結論付けられているように、言語間の相違点も存在します。中国語は抽象的で比喩的ですが、英語は直線的で論理的です。これは、AIシステムにはまだ改善の余地があり、追加言語や希少言語のバイリンガルデータへのアクセス性を高めることで改善が期待できることを意味します。

データソーシングの倫理的影響

ChatGPTなどの生成AIシステムは、書籍、記事、ウェブサイト、ソーシャルメディアの投稿などから抽出したさまざまなデータに基づいています。前述のように、これらのシステムには「膨大なテキストデータのコーパスを用いて音声処理アルゴリズムを指導する」（Lucchi, 2024, p. 617）トレーニング段階が必要です。使用されるソースには著作権で保護された作品や法的考慮事項が含まれている可能性があるため、知的財産に関するさまざまな問題が発生します。この文脈において、「ChatGPTの開発とトレーニングに責任を負うプログラマーは、トレーニングデータが著作権侵害のない状態を維持する責任を負います」（Lucchi, 2024, p. 617）。そのため、最新の推奨事項では、使用されるソースやこれらのシステムの動作方法に関する透明性の向上が求められています。  

プログラマーの観点から見ると、自由にアクセスできる著作権保護されたデータを使用することは許容されます。なぜなら、システムはその情報をインスピレーションの源として活用し、新たな素材や独創的な結果を提示するからです。AIアルゴリズムは、システムのパフォーマンス向上に不可欠な膨大なデータに大きく依存しています。そのため、まずはデータ提供者とAIプログラマーの間で明確なデータ共有契約を締結することが不可欠です。これにより、著作権保護されたデータを学習目的で合法的に利用することが可能になります。

主な問題は、AIが本物のアイデアを生成できないという事実にあります。それどころか、AIは学習に使用したデータに基づいて、並べ替えられたテキストを生成します。テキストが人間によって書かれた場合、使用したソースを引用することは道徳的責任であると同時に、盗作を避け、作業の信頼性を確保する方法と見なされます。しかし、ChatGPTを例にとると、その回答は大規模な学習データに基づいていますが、常に正確であるとは限らず、ソースを引用することを「忘れる」可能性があります。ユーザーがソースを要求した場合でも、存在しない作品を作り上げることさえあり、信頼性の欠如をさらに高めます。そのため、知識のないユーザーは、他人の作品を使用したことに気付かない可能性があります。さらに、この学習データの元の作成者は、自分の作品が盗用されていることに気づいていません。

III-知的財産と法的課題

著作者の作品の無断使用について議論する場合、知的財産権の侵害を指します。知的財産法の根幹を成すのは著作権の概念です。アングロサクソンの法体系に由来するこの概念は、著作者に独自の著作物に対する独占的権利を付与し、複製、頒布、翻案のコントロール権を保障します。今日では、これはヨーロッパの著作権の概念と一致しています。 著作権著作権に相当する「著作者人格権」に、「著作者人格権」という側面が加わったものです。これらの権利は、著作者が作品と個人的に結びついていることを強調し、著作者として認められる権利も含まれます（Blésius, 2008）。これらが翻訳の文脈においてどのように関連しているかを見ていきます。

翻訳の所有権：人間による翻訳

翻訳の所有権は重要な問題を提起します。翻訳に付随する著作権が誰に帰属するかを知ることは、金銭面と認識面の両方から見て興味深いことです。実際、所有権の問題は二重に関係しており、特にSDL Trados Studioのようなツールが 使用済み—翻訳者と発注者の間で、最終的な翻訳作品の所有権は誰にあるのか？AI生成の翻訳に所有権は帰属するのか？プロンプトから生成されたコンテンツの所有権は誰にあるのか？

翻訳は表現手段であるだけでなく、芸術形式でもあり、その創作者の著作権を保護する様々な法的枠組みによって保護されています。例えば、文学的及び美術的著作物の保護に関するベルヌ条約第2条(3)（第2節1994）では、「文学的又は美術的著作物の翻訳、翻案、編曲、その他の改変は、原著作物の著作権を害することなく、原著作物として保護される」と規定されています。10年のTRIPS協定では、第2条(XNUMX)で「機械可読形式であるかその他の形式であるかを問わず、その内容の選択又は配列により知的創作​​物を構成するデータその他の資料の編集物は、知的創作物として保護される」と規定されています。

これらの国際条約に定められているように、翻訳者によって作成された翻訳は他の芸術作品と同様に保護され、したがって著作権の源泉となります。最初の質問への答えは簡単です。翻訳はオリジナルの作品とみなされ、著作権によって保護されているため、これらの著作権は翻訳者に帰属します。

しかし、答えはそれほど単純ではありません。まず、フリーランス翻訳者と翻訳会社に雇用されている翻訳者を区別する必要があります。翻訳会社に雇用されている翻訳者の場合、「多くの国の雇用法の下では、労働者は作成した作品の知的財産権を自動的に雇用主に譲渡することになります」（Smith, 2009, p. 8）。このような状況では、作成された翻訳は会社に帰属し、会社はそれを依頼したクライアントに販売することは明らかです。翻訳メモリについても、会社が提供するかクライアントが提供するかに関わらず、同じことが当てはまります。「給与所得者が用語バンクやTMを作成する場合、これらの権利は自動的に勤務先の組織に譲渡されます」（前掲書).

フリーランス翻訳者にとって、すべてはクライアントとの契約上の合意事項です。翻訳者は常に著作権の第一所有者です。クライアントに作品を販売することで、翻訳者は著作権を譲渡することになります。しかし、著作権が譲渡された場合でも、クライアントによる無断改変については翻訳者は責任を負いません（Blésius, 2008）。これは、翻訳者が特定の作品のために作成した翻訳メモリや用語バンクにも当てはまります。「著作権が事前に契約に基づいて譲渡されていない限り、翻訳メモリはそれを作成した翻訳者に帰属します」（Smith, 2009, p. 8）。

しかし、AI によって生成された翻訳はどうでしょうか?

翻訳の所有権：AIシステム

この記事の冒頭で述べたように、生成型AIシステムは大規模なデータセットを学習させ、アルゴリズムに組み込むことで機能します。これらのデータは必ずしも合法的に取得されたわけではなく、アルゴリズムはほとんどの場合、プロンプトに回答する際に情報源を明示しません。ChatGPT（アメリカ）やMistral（フランス）のようなシステムは、ほぼ人間のような翻訳を提供できるため、「人間による翻訳の終焉」という懸念を生み出しています。AIは急速に発展している分野です。 ほぼすべての分野に存在する技術と 翻訳作業において不可欠な要素となっている。これに伴い、検討すべき新たな法的問題が生じる。翻訳の所有権は誰に付与されるべきか？AIツールの顧客、開発者、それともシステム自体に付与されるべきか？ 

2022年、米国でビジュアルアーティストらがStability AIに対し、同社が彼らの著作物を同意なくAIモデルの学習に使用したとして集団訴訟を起こしました。裁判所は被告側の申し立てを一部認め、一部却下しました。裁判所は、AIモデルが著作権を侵害するかどうかという問題は未解決であり、個々の事例の詳細に依存することを認識し、直接的な著作権侵害の申し立ての審理を認めました（Madigan, 2024）。 

最近、米国政府は29年2025月2025日に新たな決定を下しました（Dreyfus Law Firm、XNUMX年）。この決定は、AI生成コンテンツを著作物として認めるために必要な要件を強調しています。この決定によれば、AI生成コンテンツは、以下の条件の下で著作権で保護される可能性があります。創造プロセスに十分な人間の関与があること、つまり、素材がAIのみによって生成されたものではなく、AIが人間の創造性を促進するツールとして使用されていることです。また、システムに与えられるプロンプトの重要性も説明されており、そのプロンプトは十分に創造的である必要があります。この考え方では、アーティストがAI生成コンテンツの要素を変更、配置、または選択した場合、そのコンテンツは 部分的な著作権保護の対象となる可能性があります。

世界的な視点から見ると、各国はAIと著作権の問題にそれぞれ異なる方法で取り組んでいます。例えば、6年2023月2025日に公布された欧州連合AI法では、AIシステムにおける知的財産権の遵守義務が規定されており、AIモデルプロバイダーは「AIモデルの学習に使用したテキストとデータの詳細な概要を公開する」ことが求められています（Fitzpatrick, XNUMX）。

これらの新しいテクノロジーに対応するために法的枠組みがまだ進化しているため、芸術や翻訳におけるAIの著作権について明確な回答を出すのは難しいかもしれません。しかしながら、AI開発者は、学習モデル用に取得するデータに関して法令を遵守する必要があります。これには、適切なライセンスを取得し、学習データセットに組み込みたい知的財産権を保有する個人に補償することが含まれます（Deloitte AI Institute、nd）。

まとめ： 

AIの世界は絶えず変化しています。テクノロジー自体は日々進化し、私たちの生活の様々な分野や側面に浸透しています。しかし、デジタル化された世界においても、法律はそれほど速く進化することができません。AIは創造性や業務のスピードアップといった大きな可能性を秘めていますが、その開発方法ゆえに、多くの法律に違反する恐れがあります。前述のように、知的財産は創造性の領域において大きな役割を果たしていますが、AIプログラマーはそれほど気にしていないようです。さらに、AIと著作権に関する規制が明らかに不足しているため、法律遵守を強制されることもありません。このテクノロジーは、入力されたものしか使用できず、そのほとんどが著作物です。 

既にいくつかの解決策が提案されており、ますます多くの企業、組織、そして国々が、様々な分野におけるAIに関する法的課題を浮き彫りにしようとしています。最初の主張は、AIシステムが学習や回答生成に使用する情報源に関する透明性の向上、そしてAIプログラマーにとって致命的となる可能性のある、AIシステムの全体的な動作方法に関する透明性の向上です。一部の国では独自の解決策が提示されており、 欧州連合 戦いの先頭に立っている 透明性のために。

最近では、2025年2025月にパリでAIアクションサミットが開催されました。このサミットは、「社会全体の進歩と公共の利益のために機能する、より持続可能なAIのための科学的基盤、ソリューション、および標準を共同で確立する」（France Diplomacy, 800）ことを目指し、62名を超える参加者を集めました。その結果、持続可能で安全、信頼でき、透明性のあるAIを創造し、医療や教育など、最も必要とされる分野でそれを賢明に活用する意欲が示されました。最終合意にはXNUMXカ国が署名しましたが、AI分野のリーダーである米国は署名しませんでした。
 

参考文献

知的財産権の貿易関連の側面に関する協定（TRIPS協定）. (nd). WIPO Lex. 16年2025月XNUMX日閲覧、 https://www.wipo.int/wipolex/en/treaties/details/231

AIアクションサミット（10年11月2025日・XNUMX日）（2025年）。フランス外交 - ヨーロッパ・外務省。 https://www.diplomatie.gouv.fr/en/french-foreign-policy/digital-diplomacy/news/article/ai-action-summit-10-11-feb-2025

AIアクションサミット会議：AI、科学、そして社会。 （2025年6月XNUMX日）。パリ工科大学。 https://www.ip-paris.fr/en/news/ai-action-summit-conference-ai-science-and-society-ip-paris

AIと著作権：米国著作権局の著作権保護に関する第2次報告書を理解する（2025年10月XNUMX日）。ドレフュス。 https://www.dreyfus.fr/en/2025/02/10/ai-and-copyright-understanding-the-u-s-copyright-offices-second-report-on-copyrightability/

人工知能と知的財産. (nd). WIPO Pearl. 16年2025月XNUMX日閲覧。 https://www.wipo.int/about-ip/en/frontier_technologies/ai_and_ip.html

文学および芸術作品の保護に関するベルヌ条約. (nd). WIPO Pearl. 16年2025月XNUMX日閲覧。 https://www.wipo.int/treaties/en/ip/berne/index.html

Bharati, RK (2024). AIと知的財産：法的枠組みと将来の方向性. 国際法・正義・法学ジャーナル, 4（2）、207-215。 https://doi.org/10.22271/2790-0673.2024.v4.i2c.141

Bird & Bird LLP、翻訳総局（欧州委員会）、Debussche, J.、Troussel, J.-C.（2014）。 翻訳と知的財産権：最終報告書欧州連合出版局。 https://data.europa.eu/doi/10.2782/72107

ブレシウス、C.（nd）。 著作権と翻訳者。あなたの翻訳の著作権は誰にありますか？ 16年2025月XNUMX日閲覧。 https://cblesius.co.uk/articles/CopyrightAndTheTranslator-WhoOwnsYourTranslations.html

Creamer, E. (2024年16月XNUMX日). 調査により、生成型AIが翻訳者の仕事に大きな脅威を与えていることが判明。 保護者. https://www.theguardian.com/books/2024/apr/16/survey-finds-generative-ai-proving-major-threat-to-the-work-of-translators

デヴィン、V.（2025年29月XNUMX日）。 過去から未来へ：AIが翻訳技術に与える影響 - Localizeの記事. ローカライズします。 https://localizejs.com/articles/the-impact-of-ai-on-translation-technology

フィッツパトリック，D.（2025年3月XNUMX日）。 新たな著作権判決によりAIスキルが最大の利点に. フォーブス。 https://www.forbes.com/sites/danfitzpatrick/2025/02/03/new-copyright-ruling-just-made-ai-skills-the-biggest-advantage/

Gil, A., Juliana, N., & David, AS (2023年7月XNUMX日). 生成AIには知的財産の問題がある。 ハーバードビジネスレビュー。 https://hbr.org/2023/04/generative-ai-has-an-intellectual-property-problem

Guadamuz, A.（2017年1月XNUMX日）。 知性と芸術性OMPI誌。 https://www.wipo.int/fr/web/wipo-magazine/article-details/?assetRef=40141&title=artificial-intelligence-and-copyright

ハートリー、V.（nd）。 AI翻訳と機械翻訳：違いは何ですか？ Language Wire. 16年2025月XNUMX日閲覧。 https://www.languagewire.com/en/blog/ai-translation-vs-machine-translation

法務翻訳におけるAI活用法：メリット、限界、ベストプラクティス（2024年1月XNUMX日）LegalTranslations.com。 https://www.legaltranslations.com/fr/blog/how-to-use-ai-for-legal-translations

ChatGPTにおける知的財産（2023年20月XNUMX日）欧州委員会。 https://intellectual-property-helpdesk.ec.europa.eu/news-events/news/intellectual-property-chatgpt-2023-02-20_en

AI翻訳の歴史と人気ソフトウェアの紹介。（2022年19月XNUMX日）。 株式会社ヒューマンサイエンス https://www.science.co.jp/nmt/blog/32553/

Kupferschmid, K. (2024年12月XNUMX日). AI著作権侵害事件における裁判所命令からの考察. 著作権同盟. https://copyrightalliance.org/ai-copyright-infringement-cases-insights/

ラクルス・マンテコン, ML (2023). 機械翻訳時代における著作権と権利帰属. H. モニス & C. パラ・エスカルティン (編) 責任ある機械翻訳に向けて：機械翻訳における倫理的・法的考察 （pp. 71–92）。シュプリンガーインターナショナルパブリッシング。 https://doi.org/10.1007/978-3-031-14689-3_5

レーシェン、S. (2024 年 27 月 XNUMX 日)。 翻訳は守るべき芸術翻訳通訳協会。 https://www.iti.org.uk/resource/translation-an-art-worth-protecting.html

Lucchi, N.（2024年XNUMX月）。 ChatGPT: 生成型人工知能システムにおける著作権侵害のケーススタディ。 ケンブリッジ大学出版局。 https://www.cambridge.org/core/journals/european-journal-of-risk-regulation/article/chatgpt-a-case-study-on-copyright-challenges-for-generative-artificial-intelligence-systems/CEDCE34DED599CC4EB201289BB161965

Madigan, K. (2024年29月XNUMX日). Andersen対Stability AI著作権訴訟における判決から得られる主なポイント. 著作権同盟. https://copyrightalliance.org/andersen-v-stability-ai-copyright-case/

Mohamed, YA, Khanan, A., Bashir, M., Mohamed, AHHM, Adiel, MAE, & Elsadig, MA (2024a). 人工知能が言語翻訳に与える影響：レビュー. IEEEアクセス, 1225553-25579。 https://doi.org/10.1109/ACCESS.2024.3366802

Moneus, AM, Sahari, Y. (2024). 人工知能と人間の翻訳：法律文書に基づく対照研究. ヘリヨン, 10とします。 https://doi.org/10.1016/j.heliyon.2024.e28106

Ong, J.、Lo Khai Yi、Winn Wong, HW (2024 年 3 月 XNUMX 日)。 EU AI法：汎用AIモデルの著作権コンプライアンスに関する必須ガイドチェンバーズ・アンド・パートナーズ。 https://chambers.com/articles/eu-ai-act-the-essential-guide-to-copyright-compliance-for-general-purpose-ai-models

Smith, R. (2009年19月XNUMX日). 翻訳メモリの所有権における著作権問題. 翻訳とコンピュータに関する議事録31TC 2009、英国ロンドン。 https://aclanthology.org/2009.tc-1.13/

人類と地球のための包括的かつ持続可能な人工知能に関する声明。 （2025年11月XNUMX日）。エリゼ宮。 https://www.elysee.fr/en/emmanuel-macron/2025/02/11/statement-on-inclusive-and-sustainable-artificial-intelligence-for-people-and-the-planet

生成AIの法的影響. (nd). Deloitte AI Institute. 16年2025月XNUMX日閲覧。 https://www2.deloitte.com/us/en/pages/consulting/articles/generative-ai-legal-issues.html

学習済み翻訳モデル. (nd). Wonk.Ai. 16年2025月XNUMX日閲覧。 https://wonk.ai/en/training-of-translation-models/

この記事を共有する：