ネットに眠る図表を、AIが「読める」データに変換

SVG形式って、画像ファイルとは何が違うの？見た目は同じに見えるのに、なぜコンピュータには『読めない』の？

SVG はデータの「設計図」で、PNG や JPG は「完成写真」だと言えます。 PNG や JPG は、「ピクセル（色のついた小さな点）を、この場所にこの色で置く」という最終形を記録してるだけです。人間の目には美しく見えますが、コンピュータは「ここに赤い点がある」という位置情報しか持たない。「それが何を意味するのか」は分かりません。 一方 SVG は、「ここに長さ200の赤い線を引く」「この円の中心は座標（100, 50）」みたいに、図形の「性質」を記述しています。だから、同じデータから異なるサイズで印刷できたり、プログラムで色を変えたり、要素を動かしたりできるわけです。 でも、ウェブの図表に使われる SVG は、その利点を十分に活かされていない。軸ラベル、データ点、凡例といった「意味的な役割」の情報が書き込まれていないんです。単に「ここに黒い線と、テキストを重ねる」という見た目の命令だけになってる。コンピュータにとっては、それは装飾の羅列でしかなく、グラフの中身を理解できない状態と言えそうです。

ネットで見かける折れ線グラフや円グラフって、このままだと視覚障害者は内容を知りようがなかったってこと？

実際のところ、視覚障害者がウェブ上の図表にアクセスする方法は、いまかなり限定的なんですよね。 見た目だけの画像として貼られているグラフなら、スクリーンリーダーには何も読み上げられません。サイト運営者が良心的に「2023年の売上は前年比15%増」みたいにテキストで説明文をつけていれば読めますが、そうしたサイトばかりではない。手作業で説明を書き足すのはコストもかかるので、多くの図表は実質的に「視覚障害者には閉じられた情報」になっていたわけです。 この研究が面白いのは、そうした手作業の説明文なしに、コンピュータが自動的に図表の構造を読み取る道を開いたこと。82～86%の精度というのは完璧ではありませんが、スクリーンリーダーで「軸はX年、Y売上、データポイントは…」と読み上げられれば、ウェブ全体がずっと開かれた場所に近づいていく。ネット上の情報アクセスの不平等を、技術側から埋める試みと言えそうです。

図表がSVGで保存されてきたのは元々、人間が見るためだけに設計されたからなの？それとも、データ構造を保存する技術がなかったから？

SVGが登場した1990年代後半から2000年代初期を見ると、当時のウェブ設計思想は「人間が見る」ことが第一だったんですよね。HTMLもCSSも、ブラウザで表示する見た目を優先していた時代。データ構造を厳密に保存する技術は存在していましたが、ウェブ文書では「視覚的に正確に伝わること」と「機械が読める構造」を両立させるのが、まだ難しい課題だったのかもしれません。 さらに実用的な理由もあります。図表を作る立場からすると、見た目を完成させてから「さらにコンピュータが読める構造情報も別途用意する」のは二度手間。データベースやスプレッドシートの形で元データを持っていても、ウェブに載せるときは「綺麗なビジュアルに変換する」のが目的だから、その過程で構造情報を意図的に捨ててしまった側面もありそうです。 つまり、技術がなかったというより、ウェブ時代の効率重視で「見えることで十分」という判断が定着してしまった、というのが実情に近いのかもしれません。

要するに『見た目と意味が分離している』ものって、図表以外にもいっぱいあるんじゃないの？そうした問題を解く共通の方法ってあるの？

あなたの指摘の通り、この問題は図表に限った話ではないんですよね。写真に映る商品の値札、手書き書類のスタンプ、デザインされた文字…どれも「人間には読める、でもコンピュータには構造がわからない」という同じ構図です。 実は共通の解法として浮かぶのは「見た目から意味を推論する」というアプローチ。OCR（光学文字認識）も、物体検出も、この記事の CSL も、本質は同じです。視覚情報を入力として、内部構造や意味を復元する。ただし、図表の場合は「何が軸で何がデータか」という関係性の認識が必要だから、単なるパターン認識では足りない。だからこの研究は AI と規則性を組み合わせたわけです。 言い換えると、問題ごとに「意味と見た目の分離の仕方」が違うから、共通の万能解法は難しい。図表なら「グループ化と規則性の両立」、書類なら「レイアウト認識」といった具合に、工夫が必要になるかもしれません。ただこの研究のやり方—複雑さを削ぎ落としながら複数の手法を組み合わせる—は、ほかの「読めない情報」にも応用できる道筋を示してるように見えます。

この技術が進むと、ウェブ上のグラフを勝手に抽出されて、元の出典者の意図と違う使われ方をされるリスクもあるってこと？

ウェブの図表って、実は著作権と引用の微妙な中間地帯にあるんですよね。データ自体に著作権はないけど、図表の「創作性」（デザイン、軸の設定、色選び）には著作権がある。だからこの技術で図表から数値を自動抽出されると、元の著作権者の許可なく「データだけ」を新しい文脈で使われるリスクが生じます。 ただ実際のところ、引用や二次利用って「元データが何か」を示していれば、かなり広く認められている側面もあります。統計データなどはもともと再利用を前提に公開されていることも多い。CSL の技術が進むことで、むしろ「この図表のデータはどこから来た」という出所追跡が自動化される可能性もあって、それは著作権者や出典元にとって利点にもなるかもしれません。 心配なのは、むしろ科学論文の図表や企業の内部資料など、文脈が重要な図表が無断で分解されることより、生成 AI 学習データとしてスクレイピングされる方が現実的なリスクな気がします。