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. 元組み込みエンジニアの農家が挑む「きゅうり選別AI」　試作機3台、2年間の軌跡
2. 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
3. 国内パブリッククラウド市場“急成長”は本当か？　AWSやAzureも利用のデータセンター、日本に巨額投資の背景は
4. 売れる仕組みは、適時、適品、適量、適所、適価の『五適』
5. 1年半でシステム刷新のクックパッド、怒濤の「5並列プロジェクト」に見る“世界で勝つためのシステム設計”

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. 借金10億円、倒産まであと半年――創業100年の老舗旅館「陣屋」をたった3年でV字回復させた方法
3. 1年半でシステム刷新のクックパッド、怒濤の「5並列プロジェクト」に見る“世界で勝つためのシステム設計”
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. これを旅館と呼んでいいのか!?　老舗旅館「陣屋」が切り開く新たなビジネスモデル

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. 借金10億円、倒産まであと半年――創業100年の老舗旅館「陣屋」をたった3年でV字回復させた方法
3. これを旅館と呼んでいいのか!?　老舗旅館「陣屋」が切り開く新たなビジネスモデル
4. 元組み込みエンジニアの農家が挑む「きゅうり選別AI」　試作機3台、2年間の軌跡
5. 旅館業界では“あり得ない”週休3日　それでも「陣屋」の売り上げが伸び続けるワケ