2026.9.28 文化審議会言語資源小委員会出席

表記に出席しました。

https://www.bunka.go.jp/seisaku/bunkashingikai/kokugo/gengo/ 

当日は２件の報告があり、それぞれ有益でした。

１件目は、国立国会図書館　資料デジタル化推進室長 中村 淳一　次世代システム研究開発室長 竹鼻 和夫の両氏による「国立国会図書館のデジタル化及びテキスト化について」で、日本語研究でもよく使用されているNDL-N-gram Viewerのご説明がありました。

https://lab.ndl.go.jp/ngramviewer/

これは便利なのですが、ちょっと癖もあります。

コーパスで調べると、上記のようなヒット数グラフが出ます。1968年に小さい山（88件）があって、えっ、Brown Corpus リリース（1964）の影響がそんなに早くに？と思ったのですが、実はそうではなく、当該年の出現は、テキサスの地名（コーパスクリスティ）や、法律用語（ヘイビアス・コーパス＝人身保護令状）、別語の一部（エコー パス＝音響反射、コーパスクル（corpuscle＝微粒子））などで、最初の20件を確認したところ、いわゆる言語コーパス関連の可能性があったのは１件のみ（「英語辞書発達史」ただしこれは館内閲覧限定所でヒット箇所の例示が見られない）でした。ちなみに「コーパス言語学」で調べると、当然ながら誤混入はぐっと減って傾向が見えやすくなります。

２件目は国立情報学研究所の相澤彰子先生（主査）による「AIエージェントと言語資源」のご報告でした。こちらも刺激的な内容で、英語コーパス研究へのAI応用の自動化のお話も伺うことができ、感心すると同時に、言語資源の研究者としては、真剣に恐怖を覚える時間となりました。ある種の言語資源研究におけるインテグリティ規範のようなものが必要だと強く感じ、質疑でもそのような発言をさせていただきました。