AI に問いを投げて資料を読むとは、検索から翻訳・註釈までを一つながりの作業として設計することであり、その終端には専門家による評価が置かれる。以下では、問いの受け口、読解工程の全体設計、資料を AI が読める形に整えること、註釈を伴う翻訳、返ってきたものの評価の順に述べる。
問いの受け口:検索と生成を組み合わせた対話
資料への問いは、検索で根拠を集め、生成で答えを組み立てるという二段で受けられる。Humanitext Antiqua は西洋古典 2,338 作品・115,145 チャンクを収録し、密ベクトルと疎ベクトルのハイブリッド検索で、固有名・術語の一致と意味的な言い換えの双方を拾う [UC-038 §三つの公開サービス]。知識ベースへの標準的な入口としても、キーワード検索と RAG による AI チャットが提供されている [UC-034 §Agentic Publishingとは何か]。
この方式の強みは、問いの形を決めずに探索できる点にある。一方で、AI チャットは柔軟な反面、固定的な出力が得られない。データセットについて尋ねれば記事から取り出して紹介するが、全体として何をやるべきかには答えられず、「線」が通らない [UC-034 §Agentic Publishingとは何か]。対話は探索には向くが、体系的な叙述には別の仕組みが要る。
答えを検証可能にする設計も要る。Antiqua の回答には引用チップが付き、底本と実際に用いた検索クエリを示す典拠パネルに対応する。何を検索した結果かが分からなければ、出典の妥当性を判断できないためである [UC-038 §三つの公開サービス]。チャンク ID が Antiqua と Reader で共通なので、典拠から Reader の同じ箇所を開いても対応がずれず、答えから原典の同じ箇所へ戻れる [UC-038 §三つの公開サービス]。答えが参照箇所の ID つきで返り、人間が原典に立ち返って検証できることが、この対話環境の要点である [UC-038 §デジタル化とAI-Ready化の違い]。チャンクの切り方や ID の設計といった整備の側は、節「テキストから実体を取り出す」を参照。
読解工程の全体設計
AI に資料を読ませるとき、読解を一つの処理として投げるのではなく、工程に分けて部品化する設計がある。VEDA AI は、ヴェーダ文献の読解を構成するタスクを小さな部品に分けて組み立てたシステムである [UC-039 §VEDA AI:読解の工程を部品に分ける]。
部品化の足場になるのは、読解とは何をすることかの整理である。読解は五つの営みに分けられる。字を読むこと、誤りの向こうにある正しいテクストを読むこと、語形・構文を分析して読むこと、文脈・背景を調べて読むこと、関連する別の文献を参照して読むことである。テキストに誤りがあれば、自分の知識によってその先の正しいテキストを想定しながら読む [UC-039 §文献を「読む」とはどういうことか]。これが取り込み、語形、意味、翻訳・註釈の各部品に対応づけられる [UC-039 §VEDA AI:読解の工程を部品に分ける]。
設計の特徴は三つある。第一に、一直線のパイプラインではなく、工程を行き来しながら翻訳へ至る。最終的に見えるのは翻訳だが、途中の形態素解析や辞書検索の結果もそれぞれが出力である [UC-039 §VEDA AI:読解の工程を部品に分ける]。第二に、意味は辞書に委ねる。AI にすべて任せるとしても、モデル内部の知識に頼らず辞書を引いて確認する。ただし辞書も批判的に読む必要があり、同義語の扱いや語義の取捨は文脈から決めなければならない [UC-039 §VEDA AI:読解の工程を部品に分ける]。第三に、各工程で人が誤りを修正して次へ渡すデータを改善し、その記録自体が将来の学習データになる [UC-039 §VEDA AI:読解の工程を部品に分ける]。
部品は言語ごとに差し替えられる。ヴェーダ語では OCR に専用モデルの TrOCR-Vedic、形態素解析に ByT5-Sanskrit、辞書検索に CDSL を用いる。日本語の古文なら OCR は NDLOCR-Lite、形態素解析は MeCab と UniDic、辞書検索は JMdict という組み合わせが考えられる [UC-039 §言語ごとにモデルと資料を差し替える]。最初の結果が粗くても、テキストを読みながら AI を育てていくプラットフォームになる、というのが目指す姿である [UC-039 §言語ごとにモデルと資料を差し替える]。工程の入口にあたる文字認識そのものは、節「文字を読む」を参照。
資料を AI が読める形に整える
AI に読ませる前に、資料を読める形にする工程がある。画像から翻刻する工程では、Humanitext OCR のようにマルチモーダル LLM を用い、資料の特徴と抽出したい内容をプロンプトに書き添えるだけで、資料ごとの事前学習やテンプレート設定を要さない形がある。出力は翻刻テキストのほか、原本のページ画像にテキスト層を重ねた検索可能 PDF も選べる [UC-038 §三つの公開サービス]。
読める形に整えること自体が、読解の品質を左右する。講演の文字起こしと講演資料を素材に記事を生成する場合、資料だけから作るより文字起こしを入れたほうが品質が上がるという経験が報告されている。口頭の説明には話し手が何を強調しているかが表れ、重点を取りやすくなるためである [UC-034 §記事生成のワークフロー]。素材の選び方が、AI の読みを方向づける。
学習データの選び方にも同じことが言える。江戸時代の古典籍で学習した大規模言語モデル「からまる」は、人手による翻刻とくずし字 OCR のテキストを合わせた 2500 万文字で学習されている。OCR テキストは約 3000 冊から 1008 冊を手動で選んだもので、基準は、くずし字データセットに字形が近いこと、専門用語が少ないこと、漢文が少なく漢字かな交じりであること、写本より OCR の精度が高い版本であることだった。OCR テキストの割合をこれ以上増やすと、回答に誤字が目立つようになることが経験的に分かっている [UC-053 §LLMの学習事例:江戸時代の古典籍を学習した「からまる」]。何を読ませるかの選別が、出力の質を左右する例である。
読解の対象をテキストで与えるだけでなく、画像と対応づけて見せる設計もある。ヴェーダ語の研究では、本文と形態・構文・アクセントの情報を確認できる原文表示のビューワが試作されている [UC-039 §評価・解釈共有プラットフォームと公開したい成果]。
註釈を伴う翻訳
AI による翻訳は、訳だけでなく、その根拠を示す註釈と組み合わせたときに、専門家が評価できる形になる。翻訳は文字列の置き換えにとどまらず、背景や言語的特徴を反映させる作業であり、古典研究では解釈の表明にあたる。語釈、文法、儀礼・思想の背景、文献間の関係が訳に影響し、註釈は解釈の過程を読み手へ開示する。必要なのは自然な訳だけでなく、根拠のある訳だとされる [UC-039 §註釈を生成する翻訳モデルという目標]。
註釈の生成順序は設計の対象になる。訳してから翻訳判断を説明する順序、訳文と註釈を同時に生成する順序、先に語釈・文法・文献的根拠を整理して訳に反映する順序の三つが予定され、どれが翻訳の妥当性、註釈の根拠性、専門家の評価しやすさを高めるかを比べる [UC-039 §註釈を生成する翻訳モデルという目標]。評価には BLEU や COMET に加え、註釈の正確性・有用性・根拠性の専門家評価を用いる [UC-039 §註釈を生成する翻訳モデルという目標]。
翻訳を AI の初稿として公開し、議論と訂正で育てる運用もある。Humanitext Reader は文アライメントによる 4 言語の対訳を提供し、訳・注が AI による初稿であることを明示する。疑わしい訳や解釈の分かれる箇所は文単位のコメントで議論し、投稿は残りの言語へ自動翻訳されて一つのスレッドに集まる。明らかな誤りは同じパネルから報告でき、キュレーターの確認を経て TEI/XML と訳文に反映される。既存の学術翻訳を置き換えるのではなく、その手前で原典に触れる機会を広げる位置づけである [UC-038 §三つの公開サービス]。
入力の形によって、翻訳の通りやすさも変わる。以前の GPT-4 では、OCR による翻刻テキストを現代語に訳せず、校訂テキストなら訳せたという。最新の LLM では翻刻のままでも理解できるようになったが、教科書や入試で使われるのは校訂文であるため、その差をどう扱うかは課題として残る [UC-053 §翻刻・文字・校訂・句読点]。
既存の翻訳資料を学習データとして生かす構想もある。仏教漢文の研究では、『国訳一切経』の日本語訳と漢文原典を文レベルで対応づけた対訳コーパスを学習に活用することが構想されている [Issues-004 §論点2:AIに渡すデータの整備]。これは構想段階であり、成果として確認されたものではない。
返ってきたものを専門家が評価する
AI の出力は、そのまま結論にせず、専門家が評価する工程を経て資料の読みになる。評価の必要は、実践者の困りごととして繰り返し現れる。アンケートには、適当に虚偽の回答を出してくること、他分野のメタデータ規格など専門外の情報の妥当性が判断しにくいこと、OCR でファイル全体の作業を指示したのに部分的にしか処理されず、そのチェックが要ることが挙がっている [Issues-002 §論点2:出力の確からしさの確認]。尋ねる事項に関する知識がなければそのまま信じてしまうことがあり得る、出力の多さに対して読める分量が限られる、という気がかりも述べられている [Issues-002 §論点2:出力の確からしさの確認]。もっと知りたいこととして、検証の方法、AI 以外のツールと併用して精度を高める方法、ハルシネーションを起こさないプロンプトの書き方が求められている [Issues-002 §論点2:出力の確からしさの確認]。問いの立て方についても、効率のよいプロンプトに到達できていないという声や、希望どおりの出力を得るプロンプトが複雑になりエラー対応が困難になるという声がある [Issues-002 §論点1:AIの使い方]。
評価の一つの設計が、生成と評価に別系統のモデルを使う方法である。SPReAD 1000 に採択された研究には、歴史的文書から LLM が生成した知識グラフの品質を、構文・スキーマ準拠性、オントロジー的整合性、原文との事実一致の三つの軸で、生成に使ったものとは別の LLM に評価させ、大学院生アノテーターによる人手評価との一致を測るものがある。生成したモデルが自分の出力を甘く評価する偏りを避けるのが狙いで、AI が作ったデータを AI で検証する際の方法論的な最小要件を、具体的な人文学データセットで示すことを目指している [Issues-004 §論点3:AIの出力の検証]。この評価手法を歴史学以外の DH 分野へ広げる構想も示されている [Issues-004 §まとめ]。
限界も明示されている。評価に用いる LLM にも系統的な誤判定のパターンが生じうる。モデルの更新によって結果が揺れるとき、何を再現の対象とするかは未解決である [Issues-004 §論点3:AIの出力の検証]。確かめ方への要望としては、AI の出力を検証する定番の手法や、追試にあたって記録すべき項目を知りたいという声がある [Issues-004 §論点3:AIの出力の検証]。
専門家の関与は、評価にとどまらず、結果の意味づけにも及ぶ。機械による検出や比較の結果は結論ではなく、専門家が解釈するための手がかりとして扱われる。何を付与し、結果が何を意味するかの判断は対象を知る人が担う、という整理が複数の事例に見られる。注意点として、AI は学習したことを出力しているにすぎず、学習していないタイプの画像を与えるとまったく認識できないため、何を学習し何を正解できるようになっているかを常に考えながら使うことが大切だとされる [BP-005 §解釈の手がかりとしてのデータ]。
専門家の評価は、評価で終わらず次の改善へ戻される。専門家が註釈を書き換えて根拠資料と判断の履歴を残し、人の修正を将来の再学習や few-shot 用のデータに使うプラットフォームが構想されている [UC-039 §評価・解釈共有プラットフォームと公開したい成果]。ここで生成と評価の往復が閉じる。AI が作ったものを作法に沿って検査し、工程へ還元するやり方一般は、節「AI でデータを作る」を参照。