Talksignは、ろう者コミュニティ、研究者、教育機関、企業が高品質な手話データセットを提供、注釈付け、ライセンス取得、利用できるプラットフォーム、Talksign Marketplaceを開始した。同社はこの新しいプラットフォームを、ろう者のために本当に機能する人工知能を構築するうえで必要な基盤インフラ層と位置づけている。

今回の開始は、AI開発における長年のギャップに対応するものだ。現代の人工知能は、複雑なコードを作成し、フォトリアルな動画を生成し、話し言葉をミリ秒単位で翻訳できる一方で、何億人もの人々の自然なコミュニケーションを理解することには根本的に失敗している。障壁は計算能力やアルゴリズムの高度さではなく、構造化されライセンス可能なデータの深刻な不足にある。

主要な音声モデルが、何十年分ものオープンウェブ音声の収集データで学習している一方で、マルチモーダルな手話データのためのインフラは事実上存在してこなかった。公開されている手話コーパスの多くは規模が小さく、無機質なスタジオ環境で収録され、少数の手話者に限られている。開発者がこうした狭いデータセットを機械学習モデルに無理に投入すると、製品は現実世界で必ず失敗する。地域方言、自然な手話のリズム、強さや疑問を表すために必要な複雑な顔の文法に対応できないためだ。

Talksignの創業者兼CEOであるEdidiong Ekong氏は、Technextに共有された独占コメントの中で次のように述べている。「本日、私たちはTalksign Marketplaceを立ち上げます。ろう者コミュニティ、研究者、教育機関、企業が、高品質な手話データセットを提供、注釈付け、ライセンス取得、利用できる場です。これは、ろう者のために機能するAIを構築するあらゆる本格的な取り組みの下にある、欠けていたインフラ層です。そして、ほかのすべてを構築するために、私たち自身が作らなければならなかった部分でもあります。

グローバルなテック業界、とりわけアフリカの人工知能エコシステムにとって、この立ち上げは単なるアクセシビリティ向上ツール以上の意味を持ちます。AIにおける低リソース言語問題をどう解決するかについての、商業的かつ倫理的な枠組みなのです」と同氏は付け加えた。

ギャップの大きさ

世界保健機関（World Health Organisation）のデータによると、世界で430 million人以上が障害につながる聴覚障害を経験しており、WHOはこの数が2050年までに700 million人を超えると予測している。こうした人々は、200から300の記録された手話に依存している。それにもかかわらず、手話は現在の機械学習ブームにおいて完全に取り残されている。

手話は、手、顔、上半身、空間環境全体に同時に表現される、独自の形態論と統語論を持つ完全な自然言語だ。これを理解するAIを構築するには、真に難しいマルチモーダル計算問題を解く必要があり、モデルは複数の視覚チャネルをリアルタイムで推論しなければならない。

こうしたモデルの学習に必要なデータは存在するが、極めて分断されている。商用ライセンスの導線がないまま大学のアーカイブに閉じ込められているか、共有する金銭的インセンティブを一度も提示されていない独立したろう者組織の手元に残っている。

マーケットプレイスの仕組み

Talksignのマーケットプレイスは、手話データを商業化し標準化するために設計された4つの中核的な柱で機能する。

Contribute: 独立した手話者やろう者組織は、収録済み動画データを提出し、直接の金銭的報酬を受け取れる。

Annotate: 生動画は、グロス注釈、姿勢抽出、言語ラベリングを通じて、学習データへと大規模に処理される。Talksignは、この有償作業を非ネイティブの作業者に外注するのではなく、流暢な手話話者へ直接回している。

Licence: 購入者は、機械可読なライセンス条件と明確な由来記録を受け取れる。これにより、企業向けAI開発者にとって大きなコンプライアンス上の負担が解消される。

Access: スタートアップや研究者は、複数の方言や収録環境にまたがる多様なデータセットを、1つのハブから評価し取得できる。

アフリカAIへの青写真

アフリカの開発者や創業者にとって、Talksignが解決しようとしている根本問題は非常に身近なものに聞こえるだろう。大陸には、Nigerian Sign Language (NSL) を含む何千もの話し言葉と手話があり、同じデータ不足のためにグローバルAI経済から締め出されている。The World Federation of the Deafは、世界の約7000万人のろう者の80％超が発展途上国に暮らしていると推定しており、この分布は、代表的な手話データを構築する取り組みにおいてアフリカのような地域に大きな重みを与える。

Hausa、Yoruba、Swahiliのような言語向けに自然言語処理ツールを構築するアフリカの技術者は、常にデータの壁に突き当たる。Talksignの枠組みは、現地の創業者が低リソース言語データを倫理的に集約し収益化するための有力な青写真を示している。母語話者と手話者に対して貢献の対価を支払う透明なマーケットプレイスを作ることで、開発者は学術的なデータ収集にありがちな遅く助成金依存の手法を回避し、堅牢で商用グレードのコーパスを構築できる。

同意、検証、生体データ

テック業界と周縁化されたコミュニティの歴史的関係は、概して搾取的だった。データは収集され、モデルは学習されるが、原材料を生み出したコミュニティには何も還元されない。

手話データには追加の課題がある。人の顔と身体を捉えるため、本質的に生体認証情報であり、テキストのように匿名化できない。さらに、個人データの中でも最も厳しく規制される層に位置する。たとえばEUのGDPRでは、個人を識別するために処理される生体データは「特別カテゴリー」に分類され、明示的な同意が必要となる。EU AI Actも、生体認証システムにさらなる規則を重ねている。Talksignはこれに直接対処するため、open verification portalを導入した。このシステムは、すべてのデータセットをその出所とライセンス条件に結び付け、監査可能な同意と肖像権を確保する。購入者は、データを自社のパイプラインに統合する前に、手話者の流暢さと注釈の正確性を検証できる。

概念実証

Talksignは、このインフラが自社の内部開発上の課題から生まれたものだと主張しており、概念実証として独自モデルを挙げている。音声から手話へのモデルであるPalm 1.0は、約29 millisecondsの遅延で84.2%の意味精度に達するとされる。手話から音声への対応モデルであるEcho 1.0は、30 frames per secondで0.927のStructural Similarity Indexを記録するとされる。

字幕を超えて

Talksignによれば、字幕は真のアクセシビリティの代替としては不十分で、完全に一方向的だ。ろう者がテクノロジーと母語でコミュニケーションするには、手話を主要な言語形式として扱う必要がある。手話データに実際の商業的価値を持たせ、それを生み出すコミュニティに対価を支払うことで、同社はより公平なAIインフラの土台を築いている。これは、広範なテック・エコシステムがまさに採用すべき構造的思考だ。

Marketplaceはすでに公開されている。手話データを掲載したい保有者、提供や注釈付けに関心のある手話者や組織、ライセンス済みのマルチモーダル手話データを必要とする開発者は、marketplace.talksign.coから登録するか、sales@talksign.co まで直接連絡できる。