GoogleのAI言語ツール、300言語・70億人に到達

Googleはこの節目を、2006年のGoogle Translateに始まる20年の取り組みの成果と位置づける。登場時の目標は言語の壁を壊すことだけだったが、AIの進歩によりTranslateは数言語から250超へと拡大した。しかし同社は、テキストの翻訳だけでは不十分だと主張する。音声認識システムは歴史的に、音声を文字起こしし、テキストを処理し、再び合成するという硬直的な流れで動作し、トーン、間の取り方、感情、文脈を捨て去ってきたからだ。人は笑い、ためらい、文中で言語を混ぜる。SpanglishやHinglishのように。

対応として、Geminiのようなモデルを音声で直接学習させ、言語データをウェブスクレイピングではなくコミュニティの課題として扱うようになった。Googleによれば、ウェブは少数の支配的な言語を過度に反映しているため、同社は地元との提携に舵を切った。Makerere大学とDigital UmugandaとのWAXALはサハラ以南アフリカの27言語をカバーし、Indian Institute of ScienceとBhashiniとのProject Vaaniは109言語・3万時間超の音声を収集し、Amplify Initiativeは1,600人超の地元専門家と協力した。7,000超の言語を継続的に地図化するLanguage Explorerのようなオープンツールも同じ狙いを支える。

焦点はモデルの品質よりも到達範囲にあるようだ。30億人超にとって、安定したインターネット接続は依然として手の届かないところにあり、端末上のTranslateGemmaモデルや、ルワンダにおけるViamoのAVAのようなフィーチャーフォン向けの取り組みが、これらの機能が実際に届くかどうかの試金石となる。同様に、Pixel 11での手話からテキストへの音声入力を含むアクセシビリティの取り組みや、地元専門家と進めるマオリの地名発音の作業は、Googleが文化的な正確さを製品の一部と見なし、注記扱いしていないことを示唆する。1,000言語目標が研究のペースで進むのか、地元データ収集のペースで進むのかは、まだ見えてこない。