アイヌ語資源とLLMをつなぐ

「消滅」の認定そのものが政治的・社会的に単純ではない（樺太方言にも残存の報告がある）

アイヌ語のテキストは学習データにほとんど含まれない

不足をそれらしい出力で埋めるため、綴り・訳・出典の捏造が起きる

誤りに気づける話者が少なく、検証も働きにくい

LLM生成とみられるでたらめなアイヌ語を配信するYouTubeチャンネルも現れている

整備した資源を検索・検証するツール群をLLMに与え、回答と編集はその返り値に根拠を置く

検索・転写・照合は決定的deterministicなツールが担当 ──LLMは結果を組み立てる

MCP（Model Context Protocol）──名の通り「モデルに文脈を渡す」共通規格

USB-Cのように1つの口でどのクライアントともつながる

読み（検索）にも書き（編集・収集）にも、LLMは返り値に根拠を置く

認証はGitHub OAuth ──読み取り29ツールは認証ユーザー全員に開放

本文は一括出力せず、断片と統計のみ返す（権利配慮）

書き込み・メンテ7ツールはaynumosir org メンバー限定 ──非メンバーには登録すらされない（権限ゲートをプロトコル層に）

樺太アイヌ語辞書 2,764語 ──用例・出典つき

参照文法 全29章 ──音韻論から節連結まで

樺太方言（itah）は北海道方言（itak）と異なる変種 ──20世紀前半に自然継承が途絶

複統合的・抱合的なアイヌ語では語より形態素が自然な単位 ──結合価（valency）を付与した辞書DB

接辞付加・名詞抱合に項の増減・内部化の局所規則を与え、実効結合価を逐次計算

① NINJAL 口承文芸コーパス・複数辞書（萱野・田村・中川等）・Wiktionary から形態素候補を収集

② 結合価エンジンをTypeScript に移植 ──SvelteKit が組成木を SSR、Cloudflare Workers へ自動デプロイ

田村すず子録音（1976–84・AA研）とNINJAL口承文芸コーパスから11,009発話・13.6時間を整音

沙流方言2話者（川上まつ子・木村キミ）でベースライン学習済み

録音は研究利用ライセンス ──合成音声の公開範囲も権利に従い限定

特定話者の声の再現は避け、没個人化depersonalizationした声で合成する方針

Tane an Aynuitak-kotupte Itak-uoeroskip

アイヌ語に翻訳するための分類語彙集 ──「いま何と言うか」を与える

造語を大規模に収めた最新の辞書太田満『和愛辞典』（2022）を含む出典を参照し ──語彙集はそうした出典を参照し翻訳用に整理

「itak」の語彙集ヒット 63件 ／ 9カテゴリ

文字転写・音節分割・既存語彙集・辞書横断・コーパス用例を一括で合成 ──ラウンドトリップ不要

=an＋N1の不整合・括弧混入・他動性不一致・重複語形を機械的に検出

コーパス高頻度かつ辞書収録済み、だが語彙集に無い語を作業リストで返す

古文書・辞書・口承資料・研究文献を一つの構造化DBに集約 ──誰が・どこで・何を記録したかをたどれる

規模：初期シード 237件 →現在 5,718件 ──自動収集（CiNii・NDL 等 20系統）＋手動キュレーション

地図 ── 資料の言及地域・記録地（実画面）

年表 ── 17世紀4件 → 21世紀2,863件（実画面）

LLMは sources_search ・ source_get で既存レコードを確認 ──抜け・誤りがあればsource_add / source_update に書誌情報を構造化して渡す

必須は題名・型・分類の3項目 ──分類は既定値なしの列挙型で明示的に選ばせる

source_update は渡した項目だけ変える PATCH

検索 → 重複回避 → 型つき投入 → 改訂履歴

/history はレコード別の監査証跡、/audit は公開の品質ダッシュボード

• 原本は人間可編集なストアに ──DBはそこからシードする派生物

• 決定的な検索・検証ツール をLLMより先に用意する

• 型つきの投入口 を設け、不正値は入る前に弾く

・生成より検索 ──頻度・辞書・形態素は道具の返り値で接地

・原本は人の手の届く場所に ──Sheets も資料DBも直接直せる

・書き込める者を絞る ──OAuth＋オルグ限定

・出どころを遡れる ──出典・改訂履歴・投入者

資料は口承文芸の筆録や民族誌などの刊行物に由来し、権利は個々の出典に従う

リポジトリのライセンスはコードとスキーマに限られ、資料の内容には及ばない

辞書リポジトリでは出典ごとに license: を記録 ──古い資料も含め権利状態を個別に確認、近代の辞書には留保・第三者権利のものも

方針 再利用の前に各出典のメタデータを確認する

本研究会 2024年5月発表で挙げた4項目