【基調講演『TRON Project 2001』】
TRONSHOW2001 基調講演「TRON Project 2001」(坂村健)より
日本語ドメイン名の有力エンコード方式であるRACE(Row-based ASCII Compatible Encoding)は16bitのUnicodeを5bitのASCIIで表現するエンコーディング。Unicodeをベースとしているため、Unificationされてしまった文字のドメイン名が例えば中国で登録されると、日本では未登録の名前でも登録できないという、問題が起こっている。Unicodeをベースとしているので、Unicodeの欠点が出る。やっぱりUnicodeはダメ。アジアの文字が送れるようになると、文字が正しく流通できることが重要。
お金とるメカニズムといっしょになって、電子ブックを作るために、多文字が流通できることが必要。しかし、多文字が出ただけでは、コンテンツを提供者がいやになってしまう。やはり、どうやってお金をとるのか、どうやって流通させるのかまで考える必要がある。
多文字が必要となる応用
eTRONコンソーシアムと同じようにTRON eBOOKコンソーシアムを作ることも考えている。
インターネットでちゃんと文字が送れないとダメ。しかも、送れるだけではダメで、取り込んだ後でデジタル的にちゃんと使えないといけない。
送るだけなら、XMLでもいいのだが、XMLはかなり上位レベル。高度な応用になってくると、下のレベルでも多文字のコンパティビリティーが保てないとダメ。
データベースの中に入っているものを端末でとった時にもきちんとしたTRONコードで送られてくる。既存のデータベース、例えばすでに世の中で広く使われているOracleなどをそのまま利用。一から構築しなおすことなく、そのまま10万文字を利用できるようにする。データベースシステムには手を加えないで多文字を利用する。多文字をデータベースに入れる時にBTRON端末を利用することになるが、住民票をブラウザで見たときにトロンコードを送りつけて。BTRONを使えば入力まで可能。
文化的なことにコンピュータを使う。
今の日本の漢字字典のルーツになっているものに、1716年の中国で清の時代に作られた康煕字典がある。全42巻、47035文字。これが、現在の日本の漢和辞典のルーツになっているといわれている。
江戸時代あたりに日本でも、康熙字典を持ってくることをやっている。これらには、いろんなバージョンがあるが、例えば、文政2年の1819年版といわれているものは、オリジナルよりも小ぶりである。今日は2Fに展示されている。
康煕字典を特別なエンコーディングでスキャナで超漢字の中に入れた。超漢字の文字検索で引くと検索した漢字があるページにジャンプすることができる。これは、全文をデジタル化しているわけではなく、イメージをスキャンしたもののインデックスだけをデジタル化している。古い字典などは全部デジタル化してもコストがかかる割りにはあまり意味がない。例えば、さっきの例も超漢字の文字検索の検索ルーチンの中に康熙字典のページ情報のデータを入れただけであるが、東京大学の文学部では役に立っていて、重宝されている。大漢和辞典をデジタル化すると二桁億円くらいかかる。全入力は大変で、非現実的であると言える。OCRで読み取るという手もあるが、あまり意味がない。イメージでも見る人が見るとわかるので、検索技術の方が重要だと言える。
アメリカでも、国を挙げてAmerican Memoryというプロジェクトをやっていて、建国以来のすべての情報を入れることをしている。リンカーンの書いた手書きの書類などまで、議会で使ったものは全部中に入れる方針。
このように、文化的な研究にコンピュータが役に立つということに関して、非常に大きな関心を持っている。eTRONも最終的には文化的領域にコンピュータを使うための技術であると言える。コンピュータを使う目的として産業、軍事などいろいろあったが、残されている分野は文化。