AIとOCRで、古典資料に書かれた「くずし字」を判読可能に――研究者たちの挑戦：古典研究者の助けに

くずし字で書かれた古典のテキスト化に、ディープラーニングを活用したOCRシステムを利用しようという動きがある。17〜19世紀の書物のラベル付きデータセットを使ったという、その中身とは。

[ITmedia]

　「古い巻物などの資料に書かれた文章が、日本語のはずなのに達筆過ぎて読めない」という経験をしたことはないだろうか。そうした問題に、人工知能（AI）で取り組む動きがある。

　人文学オープンデータ共同利用センター（CODH）の研究者であるタリン・カラーヌワット（Tarin Clanuwat）氏と、国立情報学研究所の北本朝展氏、モントリオールのAI研究機関であるMontreal Institute for Learning Algorithmsのアレックス・ラム（Alex Lamb）氏のチームは、くずし字で書かれた古典のテキスト化に、ディープラーニングを活用したOCR（Optical Character Recognition：光学文字認識）システムを活用している。

古い資料に書かれたくずし字には、中世から近世まで、さまざまな種類があるという。画像は江戸時代、18世紀に制作された『画本虫撰（がほんむしえらみ）』の一葉（画像出典：人文学オープンデータ共同利用センター（CODH））

専門家も解読に苦労する――数千種類ものくずし字を1週間で学習した方法とは

　日本の古典の多くは、「くずし字」と呼ばれる、仮名や漢字を流れるように崩した草書体で書かれている。日本の人文学研究者であっても、くずし字を判読できる人は少ないといわれているそうだ。

事例記事ランキング

• 本日
• 週間
• 月間

1. リクルートは大規模VDI導入の“死に所”をどう解決したのか　“意外な盲点”との戦い
2. トヨタの工場が作ったiOS対応「セキュアカメラ」　情報保護でも大活躍
3. サンリオの「キティちゃん」を支えるデータベースのチカラ
4. ベネッセ社員が産休から復帰しても“浦島太郎”にならないワケ
5. アジア3拠点の基幹システム、たった6カ月で同時立ち上げ――サントリーグループ

1. サンリオの「キティちゃん」を支えるデータベースのチカラ
2. 三菱東京UFJ銀行、金融新商品の迅速な立ち上げにITサービスを活用
3. トヨタの工場が作ったiOS対応「セキュアカメラ」　情報保護でも大活躍
4. JR東日本がTeams導入　“無線中心”だった緊急連絡をデジタルで高速化した方法
5. 学生1万9000人が使う“PCルーム”を全廃する九州大　その狙いとは？

1. サンリオの「キティちゃん」を支えるデータベースのチカラ
2. JR東日本がTeams導入　“無線中心”だった緊急連絡をデジタルで高速化した方法
3. 三菱東京UFJ銀行、金融新商品の迅速な立ち上げにITサービスを活用
4. 日本酒造りにディープラーニング　岩手の銘酒「南部美人」の挑戦
5. ブランド戦略から“炎上”対策まで――ホンダが広報にAI導入、その効果は？