会長室のおもちゃ箱
日々気になったことを書き留めています。
小林龍生

一般社団法人 文字情報技術促進協議会
会長
小林 龍生

特別講演会:日本のITと行政との接面での《外字とは何か》

例年、当協議会の総会を機に開催している特別セミナーの記録映像と発表資料が公開された。
[https://moji.or.jp/seminar/]
前半は、当協議会副会長の山本太郎さんによる、『文字サイズの標準化の歴史をたどる』というちょっとディープなお話。文字の大きさを指定するポイントの歴史を辿りながら、その話題自体が、活版印刷からDTPをへて、現在のデジタル出版に至る印刷技術史を俯瞰するものになっていて、秀逸。
後半は、『日本のITと行政との接面での《外字》とは何か』と題したパネル。
パネリストには、今、MJ+の議論でチョー話題となっているデジタル庁の前田みゆきさん、地方自治体の行政現場を知悉している一般財団法人全国地域情報化推進協(APPLIC) 企画部担当部長の吉本明平さん、そして、実装実務を担うベンダー代表みたいな感じで、当協議会事務局長で、日本マイクロソフトのNTO(National Technology Officer)のご存じ田丸健三郎さん。田丸さんは、デジ庁職員でもある。
ぼくも、モデレータとして登壇した。けれど、司会をしていて後悔した。自分で言いたいことが、山と出て来て、冷静に司会なんてやっていられなくなってしまった。まあ、反省と言えば反省だけれど、それだけ議論が熱かったってことかな。
委細は、記録映像をご覧いただくこととして、ぼく的には、このパネルを通して、感じたこと、考えたことを書いておこうと思う。

外字とは何か

前田さん、吉本さん、田丸さん、それぞれが、ポジショントークで述べてくれたことを、一言でまとめると。
前田さん:MJ文字情報一覧表に同定できない文字が外字。
吉本さん:複数のシステム(自治体)で、相互運用性がとれない文字が外字。
田丸さん:国際標準で標準化さんれていない文字が外字。
それぞれの立ち位置がはっきり表れていて、これだけでも面白いね。
で、ぼく的には、当然と言えば、当然だけれど、田丸さんに一票。
というか、前田さんのMJ+プロジェクトについては、ぼくも、有識者検討会の末席に加えていただいているので、もはや当事者の一人になってしまっているわけで。で、この有識者検討会には、将来の国際標準化に向けたアドバイスをする、みたいな役割分担を仰せつかっている。この有識者検討会で、ぼくが申し上げたことは、一言で言えば、MJ+プロジェクトのゴールは、現在のMJ文字情報一覧表からこぼれ落ちる文字を、国際標準(IVDを含めて)と紐付けることですよ、紐付けられないものの新規符号化提案も含めて、ということになる。検討会の時に、つい、口をすべらせて「国際標準との整合性がゴールで、まあ、MJとの関係なんてどうでもいいんです」などと、文字情報技術促進協議会会長としては、いささか問題発言もしてしまったけれど。
で、田丸さんの「国際標準で標準化されていない文字が外字」という立場について、もう少し敷衍すると(田丸さん自身が記録映像で話していることだけれど)、現今の情報システムでは、広い意味での国際標準に準拠していないシステムは事実上、開発出来ない、ということになる。事実上、というのは、コストの面とWTO/TBT的な意味での非関税障壁という両方の意味を持っている。
逆に言えば、国際標準になってしまえば、前田さん的な意味での、MJとの整合性も担保できる(文字情報基盤としてMJ+への拡張を行わないという選択肢はない!)し、吉本さん的な意味での、相互互換性も担保できる。

符号化文字集合屋がやるべきこと

一つ前のブログ(水平拡張提案の公開レビュー)にも書いたことだが、国際標準は、専門家(コンテンツエキスパートとプロシージャエキスパート)が少人数で原案を作り、それに対するコメントを広く求めて、練り上げていく、というやり方が一番高品質なものを短時間で作ることが出来る(とぼくは信じている)。MJ+について言えば、文字の検討については、すでに、早稲田大学の笹原宏之を筆頭に、当協議会の仲間である京都大学の安岡孝一さんや国立国語研究所の高田智和さんも係わってきておられるみたいだし、プロシージャに関しては、JSC2のメンバーの多くが当協議会のメンバーとも重なっているので、こちらの方も役者はそろっている。敢えて難があるとすると、みなさん、いい人過ぎるんだよな。
村田真ではないが、国際標準化活動には、ある種の悪巧み、というか、手練手管が必要な場面がないわけではない。
今回のMJ+について言えば、スピード最優先。
標準屋の一部には、というか、多くは、ぼく自身も含めて、ある種の美意識を持っている。標準(Standard)というよりも規格(Specification)としての側面。全体として一貫性と整合性があり、不必要な文言がない簡潔で十分な記述、みたいな。
しかし、この辺りを追求していくと、結構時間と手間がかかる。特に、符号化文字集合は、相手が言語や文字であるだけに、そもそも、体系そのものに矛盾や不整合満載。特に、CJKパートは、東アジア漢字文化圏全体(チュノムを用いるヴェトナムも含む)に係わっているため、台湾や香港を含む中国語の地域差や、歴史的変遷もあり、もうしっちゃかめっちゃか状態。
そうした中で、日本の現代社会における人名・地名を表すために用いられる漢字を、情報システムで扱うために必要最小限の整合性(文字集合として、その構成要素が固有名(符号列)と排他的に結びついていること)を担保しつつ、可及的速やかに国際標準化することが必要になる。
この文字集合としての整合性を担保することが困難だという問題は、じつは、今に始まったことではなく、潜在的にはUCSがCJK統合漢字というモデルを採用したときからあった問題で、ぼくが故樋浦秀樹さんらとともに提案したVS(variation selector)というメカニズムも、統合規則と国や地域によって異なる字体の弁別粒度との折り合いを付けるためのものだったりする。
もう一つのキーは、UCSのAnnex A(部分集合用図形文字の組)というヤツ。
ここには、Unicodeの過去のversionに対応する部分集合から、日本の常用漢字に対応する部分集合にいたるまで、さまざまなレベル、さまざまな性格の部分集合が収められている。部分集合といっても、単に、UCSの符号位置(と符号位置の列)を列挙しただけのものなのだが、UCSの一部の符号位置だけを使って、UCSへの準拠性を主張するときには、とても便利。このAnnex Aの規定がないと、使いたいUCSの符号位置をぜ〜んぶ列挙しなければならない。ヤレヤレ。
JSC2では、ここ数年にわたって、このAnnex Aに、JISの漢字集合を中心に、日本の現在の社会で必要だと思われる部分集合を積極的に提案している。この動きは、ある意味では、JISの漢字集合の記述内容を、JISを用いずにUCSだけで閉じた形で記述することでもある。JIS意外にも、常用漢字字体表など、じつは、Annex Aのコレクションとして記載されるまで、国内規格も含め、公的な標準規格情報としては、UCSの符号位置との対応関係の記述は存在していなかった。(ちょっとややこしい話だが、JIS X 0213には、ある面区点位置が常用漢字に含まれるという情報はあるが、それが常用漢字表のどの字であるかは、印刷された例示字形をヒントにして、結びつけるしかない。しかも、その例示字形は、参考情報であって規格本文ではない! とはいえ、現在の常用漢字表はMJ明朝体を用いて作成されているので、実質的には文字情報基盤文字情報一覧表の常用漢字についての記載内容で、UCSと常用漢字の対応関係は明確なのだけれど。)
一方、JISとUCSとの関係を見ていくと、ところどころ、包摂規準と統合規則のズレを中心に、矛盾する個所がある。
卑近な例を二つばかり挙げると、吉(U+5409, 1-21-40)と𠮷(U+20BB7,1-21-40)、髙(U+9AD8,1-25-66)と髙(U+9AD9,1-25-66)。括弧内の前の方がUCSの符号位置で、後の方がJIS X 0213の面区点位置。それぞれ、「土ヨシ」「はしごダカ」といった言い方で、姓などで区別して使われることが多いが、JIS X 0213では同一面区点位置に包摂されている。現状のJIS規格では、これらを区別して扱うことは事実上出来ないわけだ。
𠮷にしても、髙にしても、UCSに入っているのは、日本以外の国や地域から提案された結果であり、あくまでも日本の工業標準としては、吉と𠮷、高と髙の区別をしていない。(規格としての美しさ、という点では、これらの区別は、JIS X 0213の例示字形をベースキャラクターとして、VSで区別するのが理想的なのだけれど、今改めて文字情報一覧表を確認してみたら、現状ではIVDを用いずに、UCSの別符号位置を充てている。)
いずれにしても、今後のこととして、JIS X 0213では包摂されていて、IVDのコレクションで区別をしている字体が、他の国や地域から提案されて、別符号位置が付与される可能性は大いにありうることだ。このことは、日本の行政や社会生活上の漢字使用にとっては、大きな混乱の種となりうることだ。
パネルの際、吉本さんが強調しておられた相互運用性にとって、符号化文字集合に限って言えば、その文字集合が閉じている(集合論で言えばcompact setになっている)ことが、とても重要なことなのだ。
ところが、自然言語における文字は、変幻自在、国や地域、時代によって、さまざまに変化する。
そんなわけで、吉本さんと前田さんの立場の違いというのは、相互運用性のための文字集合としての厳密さを採るか、住民感情まで配慮した例外をも(ある程度)容認するか、といったところにあったのではないか。まあ、ぼくなりの偏見的独断かもしれないけれど。
現状のユニコードというのは、どちらかというと、前田さんの立場に近い。「だって、欲しいと言っている人がいるのだから入れてしまおうよ」みたいな。

随分と、些末、オタク的議論にはまり込んでしまったが。
上に挙げたような、地域や国、使用目的の違いによる、字体分別粒度の差異と、それに起因する文字集合としての破綻を最小限に留めるためには、できるだけ使用目的に則した部分集合を定めて、使用範囲をその部分集合に限定するのが手っ取り早い。
ぼくが、Annex Aにこだわっているのは、まさに、そのためなのだ。
このアーティクルの前の方に、MJ+の最終目的は、国際標準としてのUCSとの整合性を取ることだ、と書いた。しかし、もうお分かりのように、ゴールはもう一つある。Annex AにMJ+コレクションを追加すること。こうすることによって、中国をはじめとする他の東アジア漢字圏からの(日本の社会的要請とは衝突する)提案の影響を受けずに、相互運用性を担保することが可能となる。

日本の文字符号屋にも、まだまだやることがあるなあ。

UCS水平拡張提案公開レビュー

文字情報基盤文字情報一覧表の全ての文字名と例示字形を、UCSの日本ソース欄に記載する提案文書が、ISO/IEC JTC1/SC2に提出された。
同時に、というか、ちょっと遅くなってしまったが、情報処理学会情報規格調査会SC2専門委員会(以下、JSC2)と当社団との共宰での公開レビューが始まった。
多くの方に、提案内容を精査していただき、積極的にコメントをお寄せいただくことによって、国際標準の策定作業に直接かかわっていただくこととを願っている。

提案の背景の背景

この水平拡張提案のそもそものきっかけは、IRGで積極的に活動している中国のHenry Chenさんが、MJ文字図形名とUCS符号位置の現在の対応関係について疑義を呈する複数のコメントを寄せてくださったことに始まる。
このコメントの委細は、すでにこのブログに書いたけれど。

UCS水平拡張とパブリックレビュー

ざっと復習すると。
このChenさんからのコメントがきっかけになって、協議会の文字情報基盤委員会では、都合2回の内部レビューを行い、結果的には、40個所ほどの修正が必要と思われる対応関係と、さらに30個所ほどの「う〜ん、迷うなあ、結論はIRGに委ねよう」という対応関係を洗い出した。

その過程で、どうもMJ文字図形名とUCS符号位置との対応関係が、UCSの規格票に記載されていないのは、ちょっと(というか、かなり)まずいのではないか、という考えに傾いてきた。
先般行われた協議会総会の機に毎年開催される特別セミナーのパネルセッションで、協議会の事務局長で日本マイクロソフト社のNTO(National Technology Officer)でもある田丸健三郎さんも強調していたが、現今の情報通信産業では、広い意味での国際標準に準拠しない実装は、コスト面でもWTO/TBT的な意味での非関税障壁という面でも事実上不可能となっている。
一方、文字情報基盤は、現在はデジタル庁が所管しているベーシックレジストリの一つに指定されていて、いわば今後の行政の全面的なデジタル化に向けての公的な側面を持っている。
ところが、先にも記したように、文字情報一覧表に記載されているMJ文字図形の内、過半数の約3万文字については、現在、UCSの側には何の記載もない。MJ文字図形名とUCS符号位置の対応関係は、いわば、文字情報基盤の策定責任者(かつては独立行政法人情報処理推進機構、現在は、当協議会)が勝手に定めているだけなのだ。
ぼくも、文字情報基盤整備事業には、その立ち上げの時から、かなりディープに係わってきたこともあって、その全般的な品質(信頼性)を疑うものではないが、これほどの大規模文字集合になると、誤謬(バグ)の露見は、どうしても避けられない。UCSにしてもCJKパートにはいまだにバグが残っていて、それが、忘れたころに発覚したりしている。
Chenさんのコメントを契機として発覚したバグは、いわば、出るべくして出て来たバグだ、とも言えるわけだ。もちろん、当事者の一人として、忸怩たる思いはあるけれど。
しかし、この問題の本当の問題は、MJ文字図形名とUCS符号位置の対応関係にバグがあった、ということではなく、そのバグの処理方法にある。国際標準、特に、符号化文字集合規格では、一般に、バグが発覚しても、それを変更することは、原則として行わない。なぜなら、バグを含む既存実装にどのような副作用を及ぼすか予想がつかないから。だから、バグはバグとして残したままで、何らかの対応方法を検討する、というのが一般的な原則となっている。
しかし、今般のMJとUCSとの間のバグは、それを修正してもUCS本体には何のインパクトも与えない。その上、幸か不幸か、発覚したバグのほとんどは、日本の現代社会における人名や地名にはまず使用されることがないと思われる中国の古典籍に典拠をもつものだということも分かっている。そんなわけで、今回発覚したバグについては、文字情報一覧表そのものを修正しても、副作用はまずないと思われる。
とは言え、先に書いた田丸さんの言ではないけれど、いまや日本のデジタル行政の根幹の一つとなった文字情報基盤が、国際規格との関係を恣意的に変更することが許されるような現状は、(広い意味での)システムの安定性という点で、決して望ましいことではない。
この際だから、UCS本体にMJ文字図形名とMJ明朝体のグリフを記載してしまい、MJ文字図形一覧表全体を、UCSの側から規定できるようにしてしまおう、というのが今回の水平拡張提案の狙いなのだ。
いそいで付け加えておくが、MJ明朝体の現在の実装(誤謬と思われるUCS符号位置での実装)は、まさに後方互換性のために残しておくことになると思う。

公開レビューの背景の背景

提案は提案として、今回、JSC2と共宰で、提案内容そのものについて、公開レビューを行うことが出来たのは、ぼく的には、ものすごく嬉しいことなのだ。
小著「ユニコード戦記」(東京電機大学出版局刊)の前書きにも書いたことだけれど、標準規格は、天から降ってくる所与のものではなくって、規格策定に係わる生身の人間が、その激しく対立する利害関係も含めて、議論に議論を重ねて作り上げていくものなわけだ。もちろん、UCSだってその例に漏れない。現在では、UCSとほとんど同じと言っていい、ユニコードにしても、UCTが主体となって策定している部分(CJKパート以外のほとんどすべて)についてはもちろん、IRGでの議論を踏まえて策定されるCJKパートについても、UCSとしての国際投票の前に、部分的な提案も含め、ユニコードとして、公開レビューの機会を設けている。ユニコードが登録窓口となっていて、UCSとしては、その結果を追認するだけとなっているIVDについても、登録を受け付けてから、一定期間の公開レビューを経た上で、正式に登録公開する手順を踏んでいる。このあたり、公平性、公開性、といった点で、なかなかやるよなあ。
一方、ISO/IEC JTC1傘下のSCの中には、極端に言うと、国際規格を私物化して、まさに恣意的に規格の策定、変更を行っている例もないとは言えない。
もちろん、当協議会副会長の村田真の言ではないけれど、衆議一決、根回し万全みたいな日本的合意形成を待っていたら、国際標準化活動のスピードについて行けるわけがない、というのも事実。まあ、このあたりは、村田真の名/迷論文「だからわたしは嫌われる」(仮称)を読んでいただくこととして。
[https://www.jstage.jst.go.jp/article/johokanri/55/1/55_1_13/_article/-char/ja/]
多分、理想的なのは、その規格の本質的な部分についての専門家(コンテンツエキスパート)と規格策定の手続きを含めた専門家(プロシージャエキスパート)が少人数で協力してドラフトを開発し、それに対するコメントを広く受け入れる、といったやり方なのだろう。
今回の水平拡張提案のきっかけはChenさんという中国の専門家からのものだった。このこと自体、ものすごく、嬉しく、かつ、意義深いことではあるのだけれど、日本の人たちにも、文字情報基盤やUCSについて、もっと自分事として関心を持ってもらいたいなあ、という思いも、またホンネ。
ちょっと、というか、かなり大きなファイルではあるけれど、ダウンロードしていただいた上で、へえ、こんなことやっているのだ、こんな字もUCSには入っているのだ、といった関心だけでも持っていただければ幸い。そして、このデカいファイルの背後には、日々、文字と格闘しているエンジニアや研究者がいることに、チラリとでも思いを馳せていただければ、もっと幸い。

木田泰夫さんがJSC29へのリエイゾンに決定

情報処理学会情報規格調査会SC29専門委員会(以下、JSC29)に対する本協議会からのリエイゾンとして、木田泰夫さんが参加してくれることが、正式に決定した。

JSC29は、主としてJpegやMpegなどの静止画や動画に係わる国際規格を担当しているが、なぜか、Open Font Format(ISO/IEC 14496-22)というフォントに係わる規格も担当している。しかし、仄聞するところだとJCS29にはフォント技術のエキスパートはおいでにならない、とのこと。そりゃそうだ。動画関係の技術とフォント技術では、だいぶ事情が異なるからね。

一方、ほとんどのベンダーが、当協議会のメンバーになっているフォント業界は、従来からOpenTypeの規格内容を実質的に仕切っているMicrosoft社やAdobe社から提供される技術情報を直接用いてフォント開発を行っており、国際標準化活動という意味での関与は行ってこなかった。

しかし、えらそうなことを言うようだが、国際規格というのは、天から降りてくる神の声のようなものではなく、その技術に係わる当事者たちが、グローバルな公共性、公平性を維持しながらも、それぞれの利害をぶつけ合って作り上げていくものなのだ。とまあ、こういう偉そうなことも、ぼく自身がSC2(UCS、ISO/IEC 10646)やUTC(Unicode Technical Comittee)の活動を通して学んできたことなのだけれど。

というわけで、協議会の会長としては、フォントベンダー各社にも特に若いエキスパートに、与えられた規格を唯々諾々としてうけいれるだけではなく、規格の問題点を積極的に指摘し、出来れば、特に日本語の表記に係わる新たな提案をしてもらいたいなあ、と日ごろから思っていた次第。

そんな折、例の村田真が、アクセシビリティの方から、Open Font Formatにも興味を持ち始めて、現在のJSC29の状況にも気付いた、というわけ。

公的国際規格策定の場でも、日本のフォントベンダーの意見を反映できるパスを通せないか、とJSC29の関係者ともいろいろ相談した結果が、木田泰夫さんにリエイゾンとしてJSC29に参加してもらう、という妙手だった。

フォントベンダー各社が、独自に情報規格調査会の会員になって意見を言えばいいではないか、という考え方もあるにはあるが。ここには、日本の公的技術標準への関与のしかたそのものの大きな問題がよこたわっている。

情報規格調査会は、経産省からの補助金も得ているが、基本的には、会員各社が負担する会費でまかなわれている。これが、結構高額なので。従来は、それこそ、日立製作所や富士通、日本電気、MicrosoftやIBMといった大企業が金も出す、人も出す、という形で係わってきたが、フォントベンダーはごく一部を除いて、ほとんどが小規模で、とてもではないが、金の面でも人の面でも、日立や富士通の向こうを張るような芸当は出来ない。もちろん、CITPCにも、独自の予算で情報規格調査会の会員になるなどとは、夢のまた夢。

一方、SC2についても言えることだが、文字符号やフォントは、単なる《技術標準》では解決できない文化的、社会的要件が深く関わってくる。価値中立的な技術的議論だけでは、いかんともしがたいのだ。

木田さんのJSC29へのリエイゾン参加というのは、このような閉塞的な状況を打破する可能性のある、妙手というか、ちょっとしたクリーンヒットなのではないか、と自賛する次第。

言い忘れていたけれど、リエイゾンというのは、元々は軍隊用語で、連絡将校のこと。標準化活動の世界では、利害が関係する団体やグループ間調整役のような位置づけになる。オブザーバーとは、わけが違うのだ。

木田泰夫さんのこと

ぼくが書きたかったのは、こんなややこしい国際標準化の現場の話ではなくって、木田さんご自身のこと。というか、木田さんとは、村田真ともども、もう長いお付き合いだしね。

木田泰夫さんの知遇を得たのは、ずいぶん以前のことだ。といっても、あまり以前のことで、記憶も定かではない。

「ユニコード戦記」にも木田さんは登場していて、UTCに対して、Variation Selectorの提案をしたころ、ルビタグも問題になっていて、ルビタグが理解できない処理系がルビタグを読み飛ばしてしまって、結果的に平文になった場合、意味が真逆になる絶妙な例をひねり出してくれたのが木田さんだった。樋浦秀樹さんも含め、三人でほぼ徹夜で二つの寄書を書き上げたことを、昨日のように覚えている。「ユニコード戦記」の記述では、1998年2月のこと。

同じ1998年には、東京でInternational Unicode Conferenceが開催されていて、このカンファレンスの後、樋浦さん、村田さん、檜山正幸さんと、確か「Unicodeは怖くない」といったタイトルで月刊ASCII誌上で放談会みたいなものをした記憶がある。

この月刊ASCII誌上での放談会は、檜山さんが、当時ASCIIの編集部にいた西村賢さんを引きずり込んで企画してくれたもので、何度か行われた。この一連の集まりに、木田さんも参加したことがあったように記憶している。そのころって、まだ木田さんはクパチーノの本社ではなく、日本のオフィスを拠点にしていたように記憶している。

いずれにしても、このころ木田さんの知遇を得たことは間違いない。

その後、木田さんは拠点をクパチーノのアップル本社に移して、仮名漢字変換機能の実装や日本語フォントの調達だけではなく、Macを初めとするアップルの諸製品の日本語関連を含む国際化の中核を担っていくことになる。

UTCやSC2のために西海岸に出張した折に、樋浦さんと共にミーティングに参加したり、一緒に食事したり。ベイエリアにはいろいろな日本食屋があり、徳島ラーメンの店もある。だけど、ぼく的には、そのころはジャストシステムの社員だったし、ジャストシステムの本社は徳島だし、いくら木田さんが旨い旨いと言っても、ちょっとなあ、という気分で、樋浦さんともども、お二人に本場の徳島ラーメンをご馳走するために、ジャストシステムの招待したこともあった。

あと、忘れられない思い出は、2010年の10月に台北で開かれたEPUB関連の会議の折、村田さんも含めて、3人で鼎泰豊で、この年の4月に急逝した樋浦さんの思い出を語り合ったこと。

このころの木田さんは、EPUBの日本語機能の前提となった「W3C技術ノート日本語組版処理の要件」とオープンソースとして開発されていたWebKitの実装とすりあわせの場面で、大活躍をしてくれていた。

国際標準を含め、一連の要件を策定するとき、策定する側があまり実装局面での制約や既存のシステムのことを忖度することは、好ましいことではない。旧来の方式の問題点を引きずってしまったり、システム全体としての整合性や効率を毀損してしまうことが多々ある。かといって、机上の空論ではだれも実装してくれない。

W3Cでは、このような状況を避けるために、最終的なrecommendationとする前に、最低限二つは実際に動く実装が存在することを求めている。

EPUBのときも、仕様制定と並行して、WebKitにおけるCSS縦書き実装が進んでいた。この実装がなければEPUBとHTMLの縦書きはどうなっていたか分からない。縦書きの電子書籍はなくなっていた可能性もある。

そんなわけで、村田真も木田さんには頭が上がらないわけよ。

そんな木田さんが、日本の高校に進学したお嬢さんの弁当作りのために、出身地の京都に戻ってきた。「EPUB戦記」によると、2015年9月に、帰国準備のために一時来日していた木田さんを含めて、会食をしている。

そして、2017年。講談社、小学館、集英社、KADOKAWAの出版大手4社と電子出版のメディアドゥがスポンサーとなって、慶應義塾大学藤沢キャンパスに、Advanced Publishing Laboratory(以下、APL)が設立される。

このラボの大きな目的の一つに、SFCにあるW3Cホストを通して、日本の出版界からの要望をW3Cの関連ワーキンググループのインプットすることがあった。

ぼくは、「日本語書記技術」のワーキンググループの座長を引き受け、村田真とも語らって、木田さんにもメンバーに加わってもらった。

このワーキンググループは、二つの側面を持っていて、一つは、「日本語組版処理の要件」の批判的継承、もう一つは、旧来の紙の出版物が500年余りにわたって担っていた社会的役割を継承する未来のドキュメンテーションの在り方の模索。

あたりまえのことだけれど、後者の議論は、既存の出版界の(したがって、スポンサー各社の)在り方に対して、批判的にならざるを得ない。というか、ぼく自身は、かつての電子書籍コンソーシアム時代やEPUB戦争時代のことも含め、 日本の出版社の電子出版に対する取り組み方には、常々批判的だったわけだけれど。

そんなわけで、日本語書記技術WGは長くは続かなかった。

で、前者の「日本語組版処理の要件」の批判的継承の方は、出版業界のみならず、まさにデジタル通信技術時代の日本語の在り方全般に係わる重大な問題でもあるし、日本語のみならずグローバルなW3Cのアクティビティの中でも、JLreqのアプローチはある種のロールモデルみたいになってしまってもいたので、APLの活動とは切り離して、W3Cの正式なTask Forceとして仕切り直すことになった。

ここでだ。ついに揚げ幕がチャリンと鳴って、花道から木田泰夫議長が登場。「いよ〜、竹屋あ〜」

※木田さんの京都のお住まいは、竹屋町に接しているのでね。

せっかく、アップルを退社して、ハッピーアーリーリタイアメントのつもりだったようだけれど、へへへ、またも舞台に引きずり出してやった。

で、このTask Forceについては、昨年実施されたJEPAのセミナーがなかなかよかったので、このヴィデオを見ていただくことにして。

フォント規格の闇

ぼくは、昔からフォントがらみの話題が苦手だ。内輪話めくが、文字符号屋とフォント屋は、どうも人種が違うような気がする。ぼくは、たぶん文字符号屋なのだが、フォント屋の典型はたぶん副会長をお願いしているアドビの山本太郎さん。太郎さんとの付き合いも長くって、彼がまだモリサワにいた30年以上も前からの知り合い。ぼくがジャストシステムに入って、大地という当時最先端のDTPシステムの製品企画を担当していたころから。

いずれにしても、フォントというのはある種の美的素養が係わっていて、美しいとか美しくないとかいったレベルの議論が大きな割合を占めるようだ。で、ぼく的には、ここらあたりの議論がどうにも苦手なわけ。フォント屋さんというのは、美意識とも係わりがあるのだろうが、文字の一点一画への拘りがまた半端ではない。例えば、文字情報基盤の文字情報一覧表では、ぼくの名前の一部でもある《龍》の字の最初の一画が、縦棒になっているのと横棒になっているのとに、それぞれ別の文字図形名が付けられているが、本人が言うのも何だが、まあ、どっちでもいい、と思っている。ぼくも昔編集者の端くれだったが、編集者の中には、縦棒の《龍》は品がないから使わない、とかのたまう現役の編集者もいたりして。

閑話休題。フォントの議論になると、どうしてもどのように符号化するか、ということよりも、どのような字形にするか、ということに重きが置かれるような。

そのせいかどうか、フォントフォーマットについては、今まで、規格としての美しさというか整合性の議論があまりなされてこなかったように見受けられる。このあたりからは、文字符号屋から見てもこれまた異人種であるゴリゴリの規格屋である村田真からの耳学問が多くなる。

昔から、フォントフォーマットにはWindows系とMac系の二つの大きな潮流があって、それぞれ独自の進化を遂げてきた。それが、あるときから、相互に使われるようになって、今の国際標準となっているOpen Font Format も、このWindows系とMac系のフォーマットを呉越同舟のような形で一緒くたにしてしまったために、ある視覚的な機能を実現する方法が二つならずいくつも存在する、といった状況になっている。カラーフォントにいたっては、三方式が併存しているとか。

まあ、中身については、おおむねMicrosoftの専門家とAdbeの専門家が話し合って決めているのだが、公的標準としてのOpen Font Formatは、SC29という本来はJpegやMpegなどの静止画・動画フォーマット周辺の規格を担当するSCが担当していて、SCとしての議論もほとんどないままにラバースタンプを押す、といった状況になっているらしい。書き足すなら、Microsoftは、Open Font Formatと同じものを、OpenTypeとして出版し続けている。

まあ、ぼくの主戦場である文字符号の世界でも、あまり偉そうなことは言えず、特に、利用者が非常に少ない言語に係わる文字(minority script)や、歴史的な文字(histric script)については、日本国内の専門家へのアプローチもままならないままに、UTCのエキスパートにおんぶにだっこのままで、ほとんど無批判に賛成票を投じているような現実もあるのだけれど。

背景説明が長くなったが、やっと木田さんの話に戻れそう。

JSC2にフォントにもわがCITPCから標準化活動にも通暁した専門家を送り込もう、と考えたとき、もうぼくたちの頭の中には、木田さん以外の名前は浮かんでこなかった。

木田さんは、どうも、規格屋でも文字符号屋でもフォント屋でも、なさそうなのだ。

あえていえば、「竹屋あ〜」。

アップルにももちろん、規格屋もいれば、文字符号屋もフォント屋もいるわけで、木田さんは、そんな一癖も二癖もあるエキスパートたちをうまくコントロールして、現在のMacやiPhoneの日本語関連機能を、アクセシビリティをも含むグローバル、ユニバーサルな機能の中で、調和的に実現してきたわけだ。

そんな木田さんを、リエイゾンとしてJSC2に送り込むことが出来るCITPCって、なかなかなもんだなあ、とまたも自画自賛で今回はチョンチョンチョンチョン。

2022年から2023年へ

いささか遅蒔きながら。謹賀新年。
事務局長の田丸健三郎さんとの約束もあるし、この機会に昨年の協議会活動の振り返りと、今年の抱負というか課題を纏めておこうと思う。

2022年の振り返り

特別講演での諸橋漢和をめぐる講演

毎年の恒例となっている理事会・総会の折の特別講演。今回は、写研の杏橋達麿(OB)さん、そして、大修館書店の池澤正晃さん(OB)と山口隆志さん。山口さんとは面識があったが、杏橋さんと池澤さんは初対面。委細は以前のブログでも触れたので割愛するが、日本の出版印刷史の上でも、文字情報技術の流れの中でも、まさに時代を画した記念碑的出版物について、内容面技術面双方からの貴重なお話をうかがえたことは、協議会の若いメンバーにとっても、得がたい経験だったと思う。

浦山毅さんの講演

浦山さんの講演もまた記憶に残るものだった。
まあ、個人的には、ぼくの「ユニコード戦記」(東京電機大学出版局)と「EPUB戦記」(慶應義塾大学出版会)の編集者だったこともあり、いささか手前味噌とはなるが、安岡さんや三上さんの著書や「インターネット時代の文字コード」(bit最後の別冊)も含め、浦山さんがいなければ、日本の文字情報技術に係わる記録が出版物として残されることもなかっただろう。
浦山さんの講演が契機となって、今は新潟の開志専門職大学で副学長を務めておられる協議会元会長で現在も理事を務めてくださっている三上喜貴さんを含め、三人で(おっと、同大学の教授で、前SC2国際議長の田代秀一さんも含めて四人で)新潟での清談の機会を得たことも嬉しかった。

全国地域情報化推進協会(APPLIC)主催セミナー

APPLIC主催のセミナーに招かれて、事務局長の田丸健三郎さん、理事の袴田博之さん、同じく理事の田原恭二さんが講演をしてくれた。
[https://moji.or.jp/seminar/]
このような機会を与えてくださったAPPLICの関係者の方々には感謝の思いしかないのだが、望外の喜びは、このセミナーを契機として複数の組織が協議会に参加してくださったこと。今後も、文字情報技術と協議会活動についての競技化以外での衆知活動はより積極的に行っていかなければならない、と肝に銘じた次第。

フォントのメインテナンス体制

凸版印刷の田原恭二さんとフォントワークスの津田昭さんが中心となって、MJ明朝体のメインテナンス体制についての詳細な検討をしてくださった。技術的な裏付けと、作業手数の規模がおおむね把握できたことで、今後の事業計画への見通しが格段とよくなった。現場でビジネスとして係わっている専門家を擁する協議会の強みというかありがたみを改めて感じた。

文字情報基盤委員会の正式発足とUCS水平拡張のためのレビュー

2020年に独立行政法人情報処理推進機構との信託譲渡契約に基づき、文字情報基盤整備事業の成果物全般についての権利と義務を引き継いだことをうけて準備をすすめてきた、委員会が正式に発足した。関係府省庁の担当者や協議会外の専門家もオブザーバーとして招き、公開性と公共性にも配慮しながら審議を進めていきたいと考えている。
この委員会としての最初の大仕事が、UCSの符号位置に対応するすべてのMJ文字名を典拠として追加する提案。きっかけは、IRGのアクティヴメンバーの一人であるHenry Chenさんからの、MJ文字図形名とUCS符号位置の対応関係についての複数のコメントだった。この件の経緯についてはこのブログでも何度か触れている。
2022年の大きな到達点は、文字情報基盤委員会のメンバーによる内部レビューが終了したこと。このことで、修正必要個所(約40個所)の規模感が把握でき、今後の情報処理学会情報規格調査会SC2専門委員会と共同で主宰する国内レビューと、ISO/IEC JTC1/SC2への正式な提案へのかなり明確な見通しがたった。

2023年に向けて

以下、2022年の成果を踏まえてのランダムなToDoリスト。

UCS水平拡張のためのパブリックレビューの実施

情報処理学会情報規格調査会SC2専門委員会と共同で実施することになっている。ユニコードコンソーシアムは、UCSに対して提案を提出する前でも、積極的にパブリックレビューを実施し、広くコメントを求めているが、日本から国際規格への提案を行う際に、事前のパブリックレビューを行ったことは寡聞にして聞いたことがない。結構画期的なことだと思っている。

APLICと協働でのデジタル庁に対する文字情報技術に関する提言

デジタル庁では、さまざまな面から、自治体のIT化に向けたガイドラインなどを策定してくれている。文字情報基盤が数少ない民間管理の情報としてベースレジストリに採用されていることもあり、協議会としても、その動向に無関心というわけにもいかない。
手前木曽ながら、協議会には、文字情報技術についての、真の専門家がそろっているので、細かなことも含め、いろいろと気になることが出てくる。これらのことがらを取りまとめて、APLICさんとも協力して、提言として提出する準備をすすめている。

文字情報基盤準拠フォントの確保

上記でも触れたが、デジタル庁の自治体IT化への指針では、MJ明朝体フォントの使用が前提となっていると仄聞している。
しかし、IPA時代の関係者の考えは、何が何でもMJ明朝体フォントでなければならない、というものではなかった。むしろ、事業の性格上、一つだけは無償で利用できる明朝体フォントは必須だが、それが民業を圧迫することなく、願わくばゴシック体などの別書体フォントも含め、複数の文字情報基盤準拠書体が開発・市販されることを期待して、具体的な使用許諾契約の作成や、さまざまな施策を行ってきた。
正直なところ、IPAとの信託譲渡契約で、MJ明朝体フォントについても、その権利と責任を引き継いではみたものの、その保守には、それなりの予算投入が必要であり、まだまだ発足まもなく、予算規模も限られている協議会としては、保守費用の捻出が頭痛の種。
一方で、協議会会員のなかには、開発中のものも含め、文字情報基盤に準拠したフォントを持っておられる会員が複数在るとも仄聞している。
このような会員会社が保有されている文字情報基盤準拠フォントに対して、協議会としてのおおやけに承認する制度の検討も焦眉の急だと思われる。
運営委員会で話し合った結果、文字の知識部会(田原恭二主査)が中心となり、文字技術支援部会の協力も得て、この認証制度に特化したタスクフォースを結成して、準備作業を加速することにしている。

文字情報技術チュートリアルビデオ

これは、昨年運営委員会でアイディアを提案して、大方の賛同は得たものの、ぼく自身、動画での情報提供については、ずぶの素人なものだから、具体的に手が付けられないままで、年を越してしまったもの。
個人的には、ぼくも齢70を越えて、自分が手がけてきたことについては、そろそろラップアップというか手仕舞いのフェイズに入りたいなと思っている。で、協議会会長としての最後のお務めは、ぼく自身(と同世代の仲間が)先達から受け継いできたことどもを次の、そして、次の次の世代に、きちんと申し送りすることかな、などと。チュートリアルビデオの開発の背後のは、このような思いもある。
協議会は、国立国語研究所の高田智和さん、京都大学の安岡孝一さんという、文字情報技術に関してはまさに日本の第一人者、第二人者(ま、どっちが上と言うこともないのだけれど)を擁している。このお二人に、協議会副会長で日本タイポグラフィ学会会長の山本太郎さん(アドビ)を加えれば、フォントや組版周りまでカバーした鉄壁の布陣となる。このお三方に不肖小林(ユニコードに関してはね)が加わって、編集委員会みたいなものを立ち上げ、技術面についてと具体的な事柄に関しては適宜若手会員の協力を仰ぐような形で、進めて行ければいいなあ、と思っている。
当面は、コンテンツ面を、高田さん、安岡さん、山本さん、小林が、技術面を、下川さん(イースト)、水野さん(イワタ)が、全体の進行管理を宮田さん(大日本印刷)が担当して、いくつかのパイロットビデオを制作してみようと話し合っている。
仮のタイトルが「村田真にも分かる文字情報技術のすべて」(笑)

大漢和辞典の関連字

しばらく間が空いてしまって。事務局長の田丸さんから、会長ブログを毎月更新するよう厳命を受け、やっかいなことに、副会長の村田真さんがその場にいたものだから。。。
言い訳じみたことになるが、ここのところ、大漢和辞典の関連字情報の整理に取り組んでいる。かなりやっかいな大仕事だ。とは言え、今やっておかなければ、という危機感というか使命感もある。
こんな気持ちになったのには、それなりの経緯がある。
ことは、ぼくがIPAに専門委員として係わっていたころに遡る。2010年、そのころIPAにいた田代秀一さんに慫慂されて、経済産業省から受託した文字情報基盤整備事業にかかわることになった。文字情報基盤事業の前身となる、汎用電子情報交換環境整備プログラムが、何だか腰砕けというか成果が店ざらしのようになっていて、やるせない思いもあったので、手伝うことにした。
この事業は、IPAの独自予算で継続され、2017年になって、ISO/IEC 10646第5版の発行で、整備してきた約6万字の国際整合性が取れたことで、一応の終結を見た。
この事業の二つの大きな成果物が、文字情報一覧表とMJ明朝体フォントであることは言を俟たないが、実は、この文字情報一覧表を開発する過程で、一覧表には明示的には含まれておらず、一般には公開もしていないいくつかの情報が開発された。当協議会は、これらの一般には公開していない情報も含めて信託譲渡を受けたわけだが、これらの情報の扱い方については、現時点では、協議会内で議論しているところ。
で、これらの一般には公開していない情報の中に、大漢和辞典のぼくたちが内々に関連字情報と呼んでいる一連の情報がある。要は、正字と俗字や古字の関係、譌字や籀文と呼ばれる、誤り字の情報など。
ところが、大漢和辞典は、その編纂作業が実質的には先の太平洋戦争以前に遡ることもあってか、これらの関連字情報の記述が、現代的な意味では正規化されていない。ある意味で、味のある表現ではあるのだけれど。
例えば、文字情報基盤事業で調査の対象とした大型漢字辞典の中でも、最も新しく編纂された新潮社の日本語漢字辞典では、

新潮社「日本語漢字辞典」

といった塩梅で、常用漢字体を見出し字として掲げ、旧字、正字などを整理して、親字の下にまとめて掲げている。
それに対して、大漢和辞典では、

大修館書店「大漢和辞典」(1)

とか、

大修館書店「大漢和辞典」(2)

とか、

大修館書店「大漢和辞典」(3)

とか、いわば、バラバラに記載されている。さらに、記載方法も多岐にわたっていて、「〜の俗字」という書き方だけではなく、「俗に〜に作る」とか、「〜に作り、通じて〜に作る」とか、まあ、百花繚乱といったところ。それぞれの記述方法の間に、どのような差があるのかは、調査の目処がたったら、ぜひとも、高田さんや笹原さんにうかがってみたいと思っている。
というわでけ、この大漢和辞典の関連字調査は、相当な大仕事(ほとんど全巻をなめるように調査しなければならない)なので、調査を受託した某社との打ち合わせの際、ぼくはついつい、「見出し字の下に記載してある情報だけでいいですよ」と口走ってしまったのだ。慚愧の極みなのだけれど、そのころのぼくは、まだ、大漢和辞典の実物を手元に持っていたわけではなく、必要に応じて、近場の図書館で調べてみる、という程度で、上に掲げたような大漢和辞典の実態について、よく理解してはいなかったのだ。
その後、一念発起して、全巻を(ネット上の古書店で)入手し、えいやで自炊してみて初めて「しまった」と思い知った次第。
「しまった」と思い知ってからも、作業の膨大さに尻込みして、調査を始めることはなかった。
時は移り、近ごろになって、協議会が文字情報基盤事業の成果物をIPAから信託譲渡され、文字一覧表が政府のベースレジストリに取り上げられ、府省庁などから縮退情報についての問い合わせなどが来るようになって、さすがに、このままではちょっとやばいなあ、と思い始めた次第。何しろ、各大型辞典の関連字情報は、これも、協議会として公開している、MJ文字からJISX0213への縮退マップ情報の、基礎資料として使われているのだから。
いずれにしても、近ごろのぼくは、Python上で、PIL(Python上の代表的なイメージ処理のライブラリー)やら、OpenCV(元々はインテルが開発したオープンソースのグラフィックライブラリー)やら、Tessoract(グーグルが開発しているオープンソースのOCRライブラリー)やらのお世話になりながら、自炊した大漢和辞典のイメージデータからの関連字情報の抽出に没頭していて、会長ブログの更新がおろそかになっていた次第。
田丸事務局長、ゴメンナサイ。

ユニコードとの許諾契約

大漢和辞典を巡る特別講演

2022年5月25日、2年ぶりに対面での(ネットミーティング併用)理事会、総会が、新宿のイースト株式会社の素敵なカンファレンスルームをお借りして開催された。
その後開催された懇親会も、感染症対策には十分留意しながらも、楽しく有意義なものだった。
しかし、それよりも何よりも、総会と懇親会の間に開催された特別講演会が、素晴らしかった。
講師は、元写研の杏橋達麿さんと、元大修館書店の池澤正晃さん、そして、同じく大修館書店の山口隆志さん。お三方から、大漢和辞典の誕生と成長に係わる貴重なお話を伺えた。なかでも、杏橋さんと池澤さんのお話の双方からは、石井明朝体の字体設計理念といわゆる康煕字典体との関係が浮かび上がり、興味は尽きなかった。
今でも、当協議会会員のフォントベンダー各社には、必ず大漢和辞典が(おそらくは一セットならず)置かれているに相違ないが、大漢和辞典が、日本だけではなく東アジア漢字圏全体でも高い評価を維持している理由を垣間見た気がした。

ユニコードコンソーシアムとの契約

講演会が終わって幾日もしないうちに、Ken Lundeからのメールが届いた。このメールには、当コンソーシアムの副会長をお願いしているアドビの山本太郎さんがKenとともに骨をおってくださった”License Agreement For use of the MJ Character Information List”に、Unicode ConsortiumのPresidentであるMark Davisのサインが入った正式の契約書が添付されていた。
当協議会から会員にお送りしたお知らせを読んでいただければ、この契約の概略がお分かりいただけると思う。

お知らせ
2022年5月30日に一般社団法人文字情報技術促進協議会は、The Unicode Consortium(正式名称:Unicode Inc.)とのあいだで、『「MJ文字情報一覧表」の利用許諾契約』(License Agreement For use of the MJ Character Information List)を締結しました。
この契約は、The Unicode Consortiumが、『MJ文字情報一覧表』に含まれる情報の一部をThe Unicode Consortiumが開発し、管理しているthe Unicode Han Databaseの属性情報に取り込むことを許諾するものです。それによってthe Unicode Han Databaseの内容の改善が可能になります。具体的には、The Unicode Consortiumでは、『MJ文字情報一覧表』に含まれる一部情報を用いて、the Unicode Han DatabaseのCJK統合漢字の属性情報の追加・修正を行うことを予定しています。このことは、UnicodeにおけるCJK統合漢字の維持・管理・拡張のために用いられる情報の品質と一貫性を向上することに資するものであり、今後のUnicodeの普及促進にも寄与すると考えます。
本件は、文字情報技術促進協議会とThe Unicode Consortiumとのリエゾン関係の締結と並行して、2020年から両者のあいだで協議されてきましたが、このたび、その正式な締結に至りましたのでお知らせいたします。
文字技術促進協議会

当協議会とUnicode Consortiumは、正式なリエイゾン関係を結んでいる。
リエイゾンというのは、元々は軍隊の連絡将校のこと(正確にはliaison officer)。標準化の世界では、関係のある委員会やコンソーシアムなどの間で、情報共有を図るために相互に技術者を派遣する。
Unicodeと当協議会でも、Unicode側がKen Lunde、協議会側が山本太郎さん、ということになる。
当協議会が、一般社団法人格を取得した直後、Unicode側からリエイゾン関係の申し入れがあり、もちろん、喜んでお受けした。というか、CITPCも世界のUnicodeとリエイゾン関係を結べるようになったのだ、とある種の感慨を覚えたものだ。

大漢和漢和とUCSとの対応テーブル

じつは、Unicode ConsortiumがCITPCにリエイゾンの申し入れをしてきたのには、わけがある。ずばり、UCSと大漢和辞典との対応テーブル。
Unicodeは、漢字関連のさまざまな情報を集めた、Unihan Databaseという巨大な情報群を持っている。
詳細は、Unicode.orgご本家のホームページを参照していただくこととして。
[https://unicode.org/charts/unihan.html]
ところが、ここに含まれている大漢和辞典とUCSとのマッピングテーブルは十全なものではない。カバーしている範囲がかなり少ないのだ。そこで、文字情報基盤の情報の出番ということになる。
文字情報基盤の文字情報一覧表には、それぞれのMJ文字図形に対応するUCSの符号位置とともに、日本の代表的な大型漢字辞典の検字番号との対応表が記載されている。もちろん、諸橋徹次の大漢和辞典の検字番号も記載されている。ということは、MJ文字図形名を媒介としてUCSと大漢和辞典の対応関係が取れる、ということだ。ユニコードコンソーシアムが欲しがっているのは、まさに、この対応テーブルというわけ。
ところが、以前の会長ブログでも触れたことだが、文字情報基盤の文字情報一覧表には、MJ文字図形名とUCS符号位置の対応関係には、すでにいくつか改訂すべき個所が見つかっている。当然、大漢和辞典の検字番号とMJ文字図形名との対応関係もきちんと見直さなければならない。
それよりも何よりも、MJ文字図形が大漢和辞典のすべての見出し字をカバーしているわけではない。
そんなわけで、Unicode Consortiumとの契約は締結されたというものの、この契約を実施に移すには、まだまだやるべきことが山積というわけ。やれやれ。

上部へスクロール