Translating LHCb's Documentation: First experiences and ensuring maintenance

世界で最も強力な粒子加速器である大型ハドロン衝突型加速器（LHC）は、フランスとスイスの国境下に位置しており、陽子を衝突させることで、ビッグバン直後の宇宙の状態を再現しています。そこに設置されている実験の一つであるLHCbは、なぜ宇宙が反物質ではなく物質でできているのかを理解することに焦点を当てています。これを行うために、世界中の何千人もの科学者が協力し、複雑なソフトウェアを使用して、数十億回もの衝突イベントの中からデータを精査しなければなりません。しかし、このソフトウェアは静的なものではなく、加速器自体のアップグレードに伴って絶えず変化します。チームに加わる新しい研究者にとって、この絶えず変化するデジタル環境を学ぶことは、伝統的に険しい道のりであり、オンラインのチュートリアルやジュネーブで開催される年次ワークショップに依存してきました。実験が新たな運用フェーズに入った際、チームは実用的な課題に直面しました。それは、これらの重要なトレーニング教材を、いかにして正確かつ最新の状態に保ち、英語以外の言語を話す、特に中国の増え続ける協力者たちにとってアクセスしやすいものにするかという点でした。

LHCbコラボレーションがこの問題をどのように解決したかという物語は、既存のトレーニング教材である「Starterkit」の完全な刷新が必要であるという認識から始まりました。実験は大規模なアップグレードを終えたばかりであり、データを分析するために使用されるソフトウェアが非常に大きく変わったため、古いレッスンはもはや役に立たなくなっていたのです。チームはこれらのレッスンの新しいバージョンを作成しましたが、同時に人口統計学的な現実にも気づきました。それは、中国がヨーロッパ以外で最大のLHCb科学者グループを擁しているということです。多くの研究者は、距離やビザの要件により、スウェーデンの年次対面ワークショップに容易に渡航することができませんでした。これらの科学者が取り残されないようにするため、チームは中国で並行してトレーニングイベントを開催することを決定し、これには新しい一連のレッスン全体をマンダリン（中国語）に翻訳することが必要でした。

数百ページに及ぶ高度に専門的な物理学の文書を翻訳することは、非常に困難な作業です。特に、標準的な翻訳ツールでは誤りがちな複雑なコードや専門用語が含まれている場合はなおさらです。研究者たちは、単に人工知能にテキストの翻訳を依頼すると、結果が頻繁に不正確になり、機械が技術用語を捏造したり、物理学の概念を誤解したりすることが約20パーセント発生することを発見しました。これを修正するために、彼らはAIのスピードと人間の専門家の精度を組み合わせたカスタムシステムを構築しました。まず、検証済みの物理用語辞書を用いてローカルなAIモデルを学習させ、機械が実験特有の語彙を理解できるようにしました。その後、AIがドラフト翻訳を生成しますが、このドラフトが直接公開されることはありません。代わりに、バイリンガルの物理学者のパネルに送られ、微細な誤りの修正や、ネイティブスピーカーにとって自然な言語の流れの確保が行われます。

このシステムを長期的に円滑に運用するために、チームは中国語版が英語版から遅れを取らないようなメンテナンス・ワークフローを設計しました。英語のレッスンが更新されれば、中国語版も有用性を保つために即座に変更する必要があることに彼らは気づきました。そこで、英語のテキストに変更があった場合、自動的に中国の専任連絡係に通知が飛ぶプロセスを確立しました。この担当者は、AI支援ツールを使用して新しい教材を翻訳し、検証を行います。極めて重要な点として、チームはコンピュータコードの例をテキスト自体から分離しました。コードを別ファイルに保存し、レッスン内に自動的に挿入されるようにすることで、どちらの言語を読んでいてもコードが同一であることを保証しました。これにより、変更が行われるたびにコードの自動テストを実行できるようになり、学生が学習を進める際に、どちらの言語を読んでいても例題が実際に動作することを保証できました。

このアプローチの成功は、翻訳された教材がどれだけ利用されたかを追跡することによって測定されました。中国語版のレッスンが公開された後、チームはStarterkitのウェブサイトへの全訪問のうち、約22パーセントが少なくとも1つのページをマンダリンで閲覧していることを観察しました。この安定した利用状況は、翻訳が単なる形式的なものではなく、コラボレーションの大部分にとって不可欠なリソースであることを示していました。また、データは明確なエンゲージメントのパターンも示しており、旧正月（春節）の期間中にトラフィックが顕著に減少していることは、サイトを利用する科学者たちの現実世界の生活リズムを反映していました。このプロジェクトは、複雑な技術文書の2つのバージョンを同時に維持しながら、ボトルネックを生じさせずに運用できることを証明し、中国語圏のコミュニティが実験のトレーニングと分析に全面的に参加できることを確実にしました。

この取り組みは、ヨーロッパでの伝統的なイベントを補完する、完全にマンダリンで行われる初の「シブリング（兄弟）」ワークショップの開催への道を開きました。チームが構築したシステムは柔軟であり、例えばブラジルの科学者グループが独自のローカル・トレーニング・イベントを開催したいと考えた場合でも、同じ翻訳およびメンテナンスの枠組みを適応させることができます。自動化されたツールと人間の監視を組み合わせることで、LHCbコラボレーションは、言語が新しい科学者にとっての参入障壁とならないようにし、グローバルなチームが宇宙の根本的な性質を探求し続ける中で、より効果的に協力し合えるようにしたのです。