Artificial intelligence for oral history and disaster experience: a systematic mapping study

何十年もの間、戦争の生存者、災害の目撃者、忘れ去られた伝統を守る長老たちといった、人間の経験の物語は、テープやディスクに記録され、アーカイブの中に静止した録音として保存されてきました。これらのオーラルヒストリー（口述歴史）は、公式文書が見落としがちな感情的な真実や個人的な視点を保持しているため、極めて重要です。しかし、これらの声とそれを必要とする人々の間には、長い間、巨大な障壁が立ちはだかってきました。それは、何時間にも及ぶ話し言葉を検索可能なテキストへと変換することの難しさです。研究者や美術館の学芸員にとって、特定の記憶を見つけ出すためにすべての録音のあらゆる分を聞き返すことは、一生を要するような作業になり得ます。このボトルネックにより、膨大な人間による証言のコレクションは、それを聴くための時間を持ち合わせている者にしかアクセスできない状態で、封印されてきました。現在、人工知能を用いてこれらのアーカイブを解凍する、新しい分野が登場しています。それは単に言葉を書き起こすだけでなく、その中にある感情、パターン、そして「沈黙」までも理解しようとする試みです。

カナダの大学の研究チームは、この技術が具体的にどのように応用されているかを確認するため、包括的なレビューを実施しました。彼らは2004年から2025年までに発表された35件の研究を精査し、語られた物語がいかにしてデジタル記録へと変わるのか、その全工程を調査しました。彼らの研究によれば、コンピュータは音声を表形式のテキストに変換するという機械的なタスクにおいては驚異的な能力を発揮するようになった一方で、より深い課題は、言葉の背後にある「人間の意味」をいかに保存するかにあることが明らかになりました。研究チームは、この分野が単純な文字起こしから複雑な分析へと急速に移行していることを発見しましたが、同時に、デリケートな記憶をどのように扱うか、そして誰の声が真に聞き届けられるのかという重大な倫理的ハードルも残されていると指摘しています。

このレビューは、オーラルヒストリーの過程を「生成」「アーカイブ」「分析」「展示」という4つの明確な段階に分けて、その道のりを描き出すことから始まりました。物語が最初に語られる「生成」の段階では、人工知能の使用はまだ稀です。この領域における研究の多くは、コンピュータプログラムを使って人々をインタビューしたり、歴史的記録の空白を埋めるためのシミュレーション対話を生成したりといった、実験的なアイデアを探求しています。しかし、研究の大部分は第2段階である「アーカイブ」に集中しています。ここでは、テクノロジーが最も劇的な影響を与えています。高度な音声認識システムを使用することで、研究者は数千時間の音声を自動的にテキストへと変換できるようになりました。これにより、かつて大規模なコレクションを使い物にならない状態に陥れていた決定的な問題が解決されました。レビューによ列挙されている通り、2024年と2025年だけで、この分野の研究のほぼ半分が発表されており、これは、実験的なプロトタイプから、膨大な録音のバックログを積極的に処理する実用的なツールへの転換を示唆しています。

この研究の地理的分布は、2つの異なるアプローチの物語を伝えています。USCショア財団のような、ホロコーストやその他の紛争からの数百万の証言を保有する巨大なアーカイブを持つ米国では、焦点は「テキストが人間の心理について何を語り得るか」に置かれています。そこでは、研究者がコンピュータプログラムを用いて、サバイバーの心的外傷後ストレス障害（PTSD）の兆候を予測するなど、トラウマの徴候を分析しています。対照的に、ドイツやチェコ共和国を中心とした中央ヨーロッパの研究クラスターは、エンジニアリングそのものに専念しています。これらのチームは、コンピュータが異なる言語や方言、あるいはノイズの多い録音条件下でも正確に聞き取り、書き起こせるように、基礎となるテクノロジーを完成させることに取り組んでいます。アメリカの研究が「この物語は何を意味しているのか？」と問うのに対し、ヨーロッパの研究は「どうすればコンピュータに正しく聞き取らせることができるのか？」と問うているのです。

単に言葉を書き留めるだけでなく、パイプラインの第3段階では、人工知能を用いて物語の中にあるパターンや感情を見つけ出す作業が行われます。レビューによると、研究者はこれらのツールを使用して、類似したナラティブ（語り）をグループ化したり、話し手の声の感情的な重みを検知したりすることが増えています。さらに踏み込んだ研究では、呼吸、間（ま）、沈黙といった非言語的な音の分析も行われています。これらの音は、単純な文字起こしでは見落とされる、苦悩や躊躇を示すものとして、言葉と同じくらい多くの意味を持つことがあります。第4段階の「可視化」は、これらのデジタル化された物語が再び公衆の前に姿を現す場面です。ここでは、人工知能が没入型の体験、例えば来館者がデジタル空間を歩き回り、証言者と対話できるバーチャルリアリティ展示などを通じて、歴史をより身近で個人的なものにする手助けをしています。

こうした技術的な飛躍にもかかわらず、研究者たちは無視できない深刻な懸念事項を特定しています。最も差し迫った問題は、物語から「人間らしさ」という要素が失われるリスクです。コンピュータが録音を文字起こしする際、間や呼吸、あるいは声の感情的な震えを削ぎ落とし、複雑な人間の経験を平坦なテキストへと還元してしまうことがよくあります。これは、物事が「どのように語られたか」が「何を語ったか」と同じくらい重要となる、トラウマ的な歴史を扱う場合には特に危険です。また、バイアスの問題もあります。これらのタスクに使用される人工知能モデルは、標準的な高リソース言語やデータに基づいて訓練されていることが多いのです。そのため、先住民コミュニティの物語や、希少な方言の話し手、あるいは特定の文化的紛争の生存者の物語に遭遇した際、モデルはニュアンスを理解できず、時には感情を誤解したり、文化的文脈を平坦化してしまったりすることがあります。

さらに、レビューは、これらの物語を管理する歴史家と、ツールを構築するエンジニアとの間に生じている、広がりつつある隔たりについても強調しています。アーカイブが商業企業によって提供される複雑な「ブラックボックス」型のシステムに依存するにつれ、歴史家にとって、そのテクノロジーがどのように情報を分類し、検索しているのかを理解することが困難になっています。この透明性の欠如は、「誰が物語をコントロールするのか」という問いを投げかけます。さらに、研究者たちは、これらの巨大なコンピュータモデルを訓練するための環境コストが多大であることも指摘しており、これはこの分野における新たな倫理的検討事項となっています。著者らは、人工知能が真に有用であるためには、「ヒューマン・イン・ザ・ループ（人間が介在する）」のアプローチ、すなわち、テクノロジーが物語を歪めるのではなく、物語に奉仕することを保証するために、人間の専門家がプロセスを統制し続ける必要があると強調しています。

結局のところ、この系統的なレビューは、私たちが転換点に立っていることを示唆しています。オーラルヒストリーをすべての人にアクセス可能にするためのテクノロジーはついに到来しましたが、前進するための道筋には、単なる優れたソフトウェア以上のものが必要です。それは、機械の効率性と、人間の記憶を保存するという倫理的責任との間の、慎重なバランスを求めるものです。研究者たちは、この分野の未来は、単純な正確性を超えた、新しい成功の測定方法を開発できるかどうかにかかっていると結論づけています。コンピュータがどれだけ多くの言葉を正しく記述できたかを数えるのではなく、テクノロジーが、物語を伝える上でその感情的な真実と文化的完全性を維持できているかどうかを評価する方法を学ばなければなりません。これらの課題に対処することによってのみ、私たちは過去の声が単に「聞かれる」だけでなく、真に「理解される」ことを確実にすることができるのです。