Googleが訳語・表現のコーパスとして使えなくなる？

翻訳者にとってGoogleは訳語を探すほか、どういう表現がよく使われているのか、ＡとＢのどちらが広く使われているのかなどを探す、いわばコーパスとして広く利用されています。でも、もうしばらくすると、そういう使い方ができなくなるのかもしれません。

少し前、（↓）のような記事が出ました。

• 「Google Gives Search a Refresh」
  （左側写真の少し下に関連記事へのリンクもあります）

これの日本語版（↓）もしばらくは公開されていましたが、いまは有料会員にならないと読めない状態になっています。この記事、もっと早くに書けばよかったんですが……
「グーグル、検索システムを改良へ　市場シェアの維持目指し過去最大の変更か」

■"Semantic search"導入は翻訳者にとって大きな問題になる

上記の記事、要するにGoogleが検索システムを大きく変更するという話で、その肝となるのが"Semantic search"です。つまり表面的な言葉ではなく、その意味を考えて検索し、その結果を返すわけです。一般的な調べ物では便利かもしれませんが、我々のように表現そのものを検索対象にする人間にとってはノイズが大幅に増えることになります。

また、これはパーソナライズの一種でもあります。つまり、私が検索した場合と、いま、この記事を読まれている人が検索した場合とで結果が異なるわけです。これもまた、一般的な調べ物では便利かもしれませんが、我々のように表現そのものを検索対象にする人間にとっては何を調べているのかわからず大きな問題となります。

このあたりは先日出た訳書『閉じこもるインターネット――グーグル・パーソナライズ・民主主義』でも大きなテーマとして取りあげられています。

そういう状況のなか、少しでも客観的な検索結果が得るため、私は「ウェブ履歴」をオフにしています。

いまだと右上の歯車アイコンをクリック→「ウェブ履歴」を選択で履歴の設定がおこなえます。私は履歴を一時停止にするとともに過去の履歴も削除しました。それでも「検索の履歴だけを記録中」と出ており、すべてがストップするわけではないようです。

実際、複数のマシンで同じ検索をしてみると、上位に来るリストもヒット数も大きく異なります。たとえば「翻訳者」で検索してみると、仕事オンリーのメインマシンでは500万ヒットでこのブログが30位前後に登場しますが、ブログ書きなどに使っているサブマシンでは1500万ヒットで、上位10サイトに自分のブログが3回も登場します。メインマシンのユーザーよりもサブマシンのユーザーのほうが「翻訳者」や「Buckeyeのブログ」に強い興味を抱いていると判断されているわけでしょう。

いままではウェブ履歴のオフ、「-」を使ったノイズの入りにくい検索などでそれなりに対処してきましたが（上記のように過去の検索履歴でヒット数が3倍くらい軽く違うので、「それなりの対処」が限界です）、今後、"Semantic search"が実装されると、「使いこなし」で対応できる範囲を超える可能性が大です。上記WSJの記事で例として「Googleという会社名を検索するとその創業者であるLarry PageやSergey Brinも関係あると判断する」ようなことが書かれています。そうなってしまったら、ある表現や用語の普及度合いを判断する場合には使えなくなります。

■対処方法はあるのか

最終的には実装が終わった時点で判断するしかないわけですが、なさそうに思います。"Semantic search"をオフにするオプションをGoogleが用意してくれればいいんですが、我々のようにニッチな使い方をしている人向けにそんなサービスを提供してくれる望みは薄いでしょう。

そんなわけで……最近、仕事の検索でBingを併用するなど代替策を探しているのですが、これはこれで必ずしも芳しくなく……困っております。

■コーパスの利用

まあ、もともと、普通の人がいろいろと便利に調べ物をしようっていう検索エンジンをコーパスとして流用してきたわけで、そういう使い方ができなくなったからといって文句を言えた筋合いではないのかもしれません。

逆に言えば、コーパスがあればいいんですよね。

たとえばアメリカ英語については（↓）のようにコーパスが存在します。

「COCAの使用方法について」

くだけた用法までカバーしているのかというと疑問な気がするので、利用の目的によってはイマイチかもしれません。

同じように作られた日本語のコーパス、どこかにないのかなぁ……