8月12日、Google DeepMindが「Putting sign language AI into users' hands」と題した記事を公開した。手話をテキストに変換するAIモデルSL2T（Sign Language to Text）をGboardおよびLive Transcribeに実装し、Androidデバイスで追加費用なしに利用可能にしたことを報告している。ろう者（Deaf）がスマートフォンのカメラを向けるだけでASL（American Sign Language：アメリカ手話）をテキストに変換できる機能が、専用デバイスや追加アプリなしに標準的なキーボードアプリと文字起こしアプリの双方に組み込まれた点が、今回の発表の大きな意義だ。
手話→テキスト変換AIがスマートフォンに搭載
Google DeepMindとAndroidチームが共同開発した手話認識モデルSL2Tが、GboardとLive Transcribeに統合された。まずPixel 11（元記事記載のデバイス名）で先行提供され、その後より多くのデバイスへの展開が予定されている。利用に追加費用はかからない。
GboardはGoogleが提供するAndroid向けキーボードアプリであり、Live TranscribeはリアルタイムでのキャプションをAndroid端末上に表示するアクセシビリティアプリだ。この2つへの統合により、ろう者がカメラを通じてASLでテキスト入力・文字起こしを行えるようになる。
技術的なコアであるSL2Tモデルの開発にはGarrett Tanzer、Chris Dyerら15名からなるDeepMindのチームが関わり、Androidへの統合はAusmus Changら13名のチームが担当した。元記事ではモデルアーキテクチャや推論速度・精度指標の詳細については本文中で明示されていないため、技術仕様の詳細は元記事および後述の共同インパクトレポートを参照されたい。なお、SL2Tは学術・産業界における数十年の手話認識研究の蓄積の上に構築されているとされており、研究成果をコンシューマー向け標準アプリに落とし込んだ点に実装面での意義がある。
Deaf communityとの協働で設計
この取り組みで特徴的なのは、技術開発の構造そのものだ。プロジェクトの発端はDeafのGooglerであるSam Sepahによるコンセプト立案であり、データ収集・評価・影響評価の各段階でDeafコミュニティのパートナーが関与している。
実装にあたってはAISLAC（AI Sign Language Advisory Committee）という諮問委員会を設置した。元記事によれば、世界各地のDeaf組織と専門家が参加しており、技術の開発優先順位に直接影響を与える「参加型ガバナンス」の形をとっている。具体的な参加組織名や設立経緯の詳細については、下記の共同インパクトレポートに記載されているため、関係者はそちらを参照されたい。
SL2T 1.0のリリースにあわせて、AISLACと共著の形で共同インパクトレポート（Joint Impact Report）も公開されている。技術の現時点での能力と限界を透明性をもって示す文書であり、今後の主要な手話関連リリースにも同様のアプローチを継続するとしている。障害者向けAI製品において、当事者コミュニティが諮問委員会として設計段階から関与し、その評価を公文書として公開するという体制は、アクセシビリティ開発のあり方として注目に値する。
現状と今後の展開
現時点での対応言語はASLのみだが、Google DeepMindは追加の手話言語への拡張、手話生成（sign language generation）、フロンティアAI能力との統合を研究中としている。
記事では「音声・文字言語と完全な対等性を実現することが普遍的なアクセシビリティの達成を意味する」と明言しており、SL2Tはその長期目標の第一歩と位置付けられている。
※編集部の考察
手話認識のAI実装は以前から研究レベルでは進んでいたが、スマートフォンの標準アプリに追加コストなしで統合されるのは大きな前進だ。アクセシビリティ機能がOSや標準アプリのレイヤーで提供されることで、専用デバイスや別途アプリの導入を必要とせず、より広いユーザーへのリーチが期待できる。また、AISLACのような当事者主導の諮問体制と公開インパクトレポートの組み合わせは、AI開発における責任あるガバナンスの一つのモデルケースとなりうる。
詳細はPutting sign language AI into users' handsを参照していただきたい。
