COLM 2026採択論文：495言語の音声認識を「似た言語の専門家」で効率化——MoLGEを提案

結論から言うと、数百言語を一つの音声認識AIへ詰め込むと各言語の力が薄まる問題に対し、「似た言語のグループごとに専門家を置く」方法が提案された。COLM 2026採択論文は2026年7月27日、MoLGE（Mixture of Language Group Experts）をarXivで公開した。

一般的な多言語モデルは全言語で同じ大きな計算部分を共有するため、学習データの少ない言語や性質の違う言語で性能が落ちやすい。一方、言語ごとに専門部品を置くと部品数が増えすぎる。MoLGEは似た言語をまとめて専用モジュールを割り当て、音の特徴と文字・言語の特徴を分けた自己教師あり音声モデルへ、階層的なLoRAを組み込む。

研究チームは、言語学的な近さとデータから求めた近さの両方でグループ分けを比較し、495言語を含むベンチマークで評価した。その結果、学習するパラメータをわずかに増やすだけで、全体を共有する密な多言語モデルを一貫して上回り、発音面と表記面の両方が改善したと報告する。自分に関係するのは、主要言語だけでなく、データの少ない言語でも文字起こしや音声操作を広げる設計の手がかりになる点だ。

ただし抄録は言語別の具体的な誤り率を示しておらず、日本語でどれだけ良くなるかは断定できない。数値と公平性は本文や公開コードの追試で確かめる必要がある。