科学遺産の架け橋：持続可能な知識移転のためのアラビア語・ロシア語並列コーパスとLLMベンチマーク

科学の世界では、新しい発見や研究成果が日々生まれています。しかし、その成果が世界中の研究者にスムーズに伝わるかというと、そうでもないのが現状です。特に、言語の壁は大きな問題となります。今回、ロシア語とアラビア語という、科学分野で重要な位置を占める二つの言語に注目した研究が登場しました。この二つの言語圏の研究者たちが、お互いの成果を理解しやすくなるような「架け橋」を作ろうという試みです。

なぜこの二つの言語が重要なのでしょうか。ロシア語とアラビア語は、科学技術の発展において長い歴史を持ち、多くの重要な論文や研究がこれらの言語で発表されてきました。しかし、それらの情報が英語圏などの他の言語圏に十分に伝わっていない、あるいは伝わるのに時間がかかってしまうという課題があります。これは、国際的な協力体制を築いたり、地球規模の課題（例えば気候変動など）に取り組む上で、研究のスピードを鈍らせてしまう可能性があります。

そこで、この研究では、ロシア語とアラビア語の間で科学的な翻訳をより正確に行うための「ベンチマーク」を開発しました。ベンチマークというのは、いわば「成績表」のようなものです。この研究で開発されたベンチマークには、約2万7千組の文章ペアが含まれています。これらは、科学論文の要約だけでなく、宗教やニュース、日常会話といった、より広い範囲のテキストからも集められています。これにより、専門的な科学用語だけでなく、より一般的な言葉遣いにも対応できる、幅広い翻訳能力を測ることができるのです。

さらに、このベンチマークを使って、最新のAI技術である「大規模言語モデル（LLM）」の性能を評価しました。具体的には、3種類のAIモデル（mT5-base、NLLB-200-distilled-1.3B、Qwen2.5-7B-Instruct）を、LoRAという技術を使って、このロシア語・アラビア語の翻訳タスクに特化させています。その結果、特にQwen2.5-7BというAIモデルが、改良を施したことで、翻訳の精度が大きく向上したことが分かりました。これは、AIが言語の壁を越えて、科学知識の共有を助ける大きな一歩と言えるでしょう。