Google Researchが公開したLanguage Explorerの7,000言語マップ

Google Researchは2026年11月9日、言語の地理的分布、文字体系、話者数を調べられるインタラクティブなプラットフォーム、Language Explorerを発表しました。世界全体を概観できるマップには、約7,000の言語と159の文字体系が掲載されています。各種データは、言語学の研究や言語技術の開発を支援することを目的としています。

Googleの「1,000 Languages Initiative」の一環として開発されたこのプラットフォームは、オープンソースのLinguaMetaデータセットを、誰もが利用できる視覚的なインターフェースに変換しています。Daan van Esch氏とUche Okonkwo氏による発表は、世界の言語の多様性をより幅広く支え、より多くの人々に役立つ言語技術を実現する取り組みと、このインターフェースを結び付けるものです。

言語技術を支えるメタデータ層

Language Explorerのサイトでは、言語名、国・地域、大陸・亜大陸から検索できます。話者数、危機の度合い、文字体系で絞り込んだり、地図上のピンを選択して言語の詳細ページを開いたりすることもできます。各ページには、言語名や所在地のほか、BCP-47タグ、Glottocode、Wikidata IDなどの識別子がまとめられており、さまざまな言語リソースで一貫して参照できる情報を提供します。

サイトに表示されるデータはすべて、19の出典を引用して言語情報を統合したオープンソースのリポジトリ、LinguaMetaに基づいています。2024年のLinguaMeta論文では、基盤となるデータセットは7,511言語を収録し、BCP-47コードとISO 639-3コードを付与したものと記されています。追跡や訂正ができるよう、すべてのデータ項目に出典タグが付けられています。出典間で情報が食い違う場合、著者らは、より信頼性の高い出典を優先するか、学術論文、国勢調査資料、憲法を用いて追加調査を行いました。

論文によると、機械翻訳、音声認識、音声合成が幅広く利用できる言語は約100にとどまり、それ以外の大半の言語では対応が不十分か、まったくありません。この格差を踏まえると、メタデータには実用的な役割があります。話者数は取り組みの優先順位付けに役立ち、言語・文字体系・地域設定の組み合わせは、ローカライズされたシステムが正確に対応すべき組み合わせを特定するのに役立ちます。リポジトリの構成では、こうした組み合わせがJSONレコードに保持されています。一方、より簡潔なTSV形式の要約では、出典の詳細、拡張名称、文字体系の使用タグ、公用語としての位置付けに関する調査情報、座標が省かれています。

研究リポジトリから博物館の展示へ

Language Explorerは、ベルリン通信博物館の展示「Real Talk! Language. Power. World.」でも、インタラクティブな展示として紹介されています。同館の記録によると、展示は2026年11月5日に始まりました。

6つのテーマ別展示室では、言語の世界、多様性、アイデンティティ、接触、権力、未来を取り上げています。最後の展示室では、AIやチャットボットがコミュニケーションをどう変えているのか、また、研究者や活動家が危機に瀕した言語をどのように記録しているのかを問いかけます。2026年11月6日には、オンラインの関連コンテンツも公開され、同じ6つの視点について、背景資料、動画、クイズが追加されました。AIと言語の多様性の関係も取り上げています。ベルリンの展示と関連コンテンツは、いずれも2028年2月27日まで公開される予定です。

分野によるデータの偏りとアーカイブ済みのリポジトリ

論文のデータ収録状況を示す表からは、項目によって大きな差があることが分かります。話者数のデータが得られたのは6,253言語、全体の83%でした。一方、各言語共同体が自分たちの言語を呼ぶ名称であるエンドニムが記録されていたのは、1,136言語、15%にとどまりました。そのため、このマップは幅広い言語情報への入口となる一方、言語や項目によって情報の詳しさには大きな差があります。

話者数のデータには、さらにいくつかの注意点があります。基礎となる手法では、信頼できる統計を得るのが難しいため、第二言語話者の数を含めていません。また、見せかけの精密さを避けるため、話者数の大きな推計値は桁単位で丸めています。さらに、地域設定ごとの人口を合算すると、出典に含まれる誤差が拡大するおそれがあると警告しています。このリソースの対象は、現在話されている言語です。手話、古代語、歴史上の言語、人工言語は除外されています。マクロ言語と、絶滅したと分類される言語は収録されています。後者については、小規模ながら話者コミュニティが存続しているものがあるためです。人工言語を除外する方針には、明示的な例外としてエスペラントが含まれます。すでに複数の言語技術がエスペラントに対応しているためです。

地図上の各ピンは、Glottologの座標をもとに手作業で修正した、概念上の言語中心地を示しています。サイトは、言語を話すコミュニティが移動したり、国境を越えて暮らしたりする場合があると注意を促しています。そのため、ピンを固定された領域として捉えるべきではありません。

メンテナンス状況にも食い違いがあります。ExplorerのFAQでは、LinguaMetaを現在も活動中のプロジェクトと説明し、研究者に訂正やリソースの提供を呼びかけています。

このプロジェクトを含むurl-nlpリポジトリには、2026年10月6日付のGitHubアーカイブ通知が掲載されており、読み取り専用に設定されています。完全なバージョン管理済みデータセットは引き続きダウンロードできますが、Googleがより幅広い利用者にインターフェースを紹介するなか、今後の貢献をどのように受け付けるのかは不明です。