Lingua Mundi：オープンな語彙データから築く言語非依存の意味の地図

あらゆる言語に通じる一つの考えが、一つの星の上にある。

プロジェクトの歴史と技術報告 · AI 生成による暫定草稿 · RHLS studio · 2026年9月7日

RHLS ストア · Lingua Mundi · ブログ · 英語音声 · English · Español · Français · Deutsch · Italiano · Português · 日本語 · 한국어 · 简体中文 · 繁體中文 · 廣東話 · हिन्दी · العربية

---

注意——AI 生成による暫定草稿。 本稿は、プロジェクトの著者である Raciel Hernández Hernández の指示のもと、人工知能による研究エージェント（RHLS studio の「DeepSeek Harness」ツールチェーン内で動作する）によって草稿が作成された ものである。本稿は最終的な刊行物ではない。権威ある人間執筆の論文は、 現在もエルナンデス氏によって執筆中である。本草稿の事実・数値・引用はすべて、 日付入りの一次資料（ChatGPT、Claude、DeepSeek との会話ログ、プロジェクト日誌 とセッション・ログ、ソフトウェアリポジトリとそのドキュメント、実働中の データベースとアプリケーション・プログラミング・インターフェースへの直接測定） に遡ることができ、その出典は付録に列挙されている。検証できなかった記述は 明示的に標示されている。本草稿のいかなる主張も、査読済みのものとしても、 最終的な文章としても扱うべきではない。

本稿の読み方。 本稿は、計算言語学者でもプログラマーでもない人々を対象に 書かれている。技術用語が初めて登場する箇所には点線の下線が付されており、 ホバー（またはタップ）すると平易な定義が表示され、クリックすると完全な用語集 （付録 B）へ移動できる。引用と、名前が挙げられているツールやデータソースは すべて、その一次資料または公式ドキュメントにリンクされている。ストーリーだけを 読みたい読者は第 1〜3 節と第 10 節を読めばよく、中盤の節はエンジニアリングの 詳細を記録している。

著者および貢献に関する声明。 Lingua Mundi は、メキシコのタバスコ州を拠点と する独立研究者・翻訳者である Raciel Hernández Hernández によって構想され、 設計され、現在も構築されている。開発は、商用の大規模言語モデル——OpenAI の ChatGPT、Anthropic の Claude、DeepSeek のチャットモデルおよび推論モデル—— との人間主導の協働として行われており、著者はこれらのモデルをプログラミングの パートナー、レビュアー、ドキュメント作成の補助として用いている。本稿自体も 著者の指示のもと AI エージェントが執筆したものであり、スタジオの検証規約に 従っている：[H] は日付入りの出典・測定・コードに対して検証された事実を、 [O] は帰属付きの解釈または意見を、[NV] は検証できなかった記述を示す。 公開用の文章は、スタジオの規約に従い、著者の私的な声ではなくスタジオの声で 書かれている。

[H] スタジオの声のルール（セッション・ログ、2026年9月7日）：「外部向け・ ピッチ用の文章はすべてスタジオ／PR の声で書く——決して Rex 個人の声では 書かない。」 [H] 誠実性のルール：「嘘はつかない／偽りの自信を持たない」 （スタジオ規約、2026年9月）。

要旨

人間の辞書やワードネットは言語ごとに編成されている。スペイン語の語ファイル、 英語の語ファイル、日本語の語ファイルという具合である。だが「飼い猫（domestic cat）」のような意味は、スペイン語でも英語でも日本語でもない——すべての言語に 共有されており、各言語は異なる表面形式（gato、cat、chat、Katze、猫） でその意味を指し示しているにすぎない。Lingua Mundi（「世界の言語」）は、 従来の編成を反転させようと試みる、オープンで無料の言語非依存の語彙ナレッジ ベースである。すなわち、言語ごとの辞書の代わりに概念（意味）を一度だけ 格納し、あらゆる言語の語をその共有された意味に結び付ける。その際、オープン データコミュニティの多言語ワードネットを整列（アライメント）の鍵として用いる。 本プロジェクトは一人の人間が開発しており、予算はゼロ、用いるのはオープンな語彙 データのみである。開発は 2014 年製のラップトップ一台（4 コアの Intel Pentium 級プロセッサ、RAM 8 GB、5400 rpm のハードディスク、低速のインターネット回線 ——実働システムをホストしているのはこの機械であり、本稿のために直接取得した。 第 9.1 節参照）で行われている。2025 年 12 月から 2026 年 9 月までの間に、 プロジェクトはダウンロードした辞書ファイルのフォルダから、稼働中の PostgreSQL データベース——概念 96,434 件、 語形（語彙素）1,238,383 件、語義 1,608,018 件、意味関係 171,672 件 を六つの稼働言語（英語、スペイン語、フランス語、ドイツ語、ポルトガル語、 日本語）にわたって保持するデータベース——、ミリ秒単位で応答するクエリ API、 そして「意味の地図」として装われたウェブインターフェース（一つの星が cat · gato · 猫 · chat · Katze を同時に表す、探索可能な星図）へと成長させた。本稿は、 このプロジェクトの知的起源（綴りではなく意味こそが多言語言語データの自然な 単位であるという直観）、設計の言語学的・数学的原理（言語非依存のエンティティ モデル、シノセットに基づく概念整列、型付き関係の分類体系、ジップ的順位付け、 そしてデータベース実践から借用した「焼いて再導出するな」（bake, don't re-derive）というマテリアライズド・ビュー方式）、オープンデータの出典とその ライセンス、構築に用いたツールと人間・AI ワークフロー、ユーザーインターフェース とその教育学的デザイン、道中で発見されたインフラ障害——英語の語 cat を 一時的に自身の概念から見えなくした静かな切り詰めバグ（その修復チェーンは 2026年9月7日に開始され、2026年9月8日に検証完了）——、プロジェクトの現状、 そして計画を記録する。本稿はまた、暗黙のうちに、一人の決意ある人間がオープン データと無料のツール、借り受けた計算資源だけで何を築けるのか——そして、 測定し、日付を記し、ラベルを付け、未検証であることを認めるといった工学的習慣が、 小さなプロジェクトを、やがて大きなプロジェクトへと育つに足る正直なプロジェクト にするのか——を示すケーススタディでもある。

本要旨の数値と統計は 2026年9月6〜7日に測定された。正確なクエリ、日付、出典に ついては付録 A を参照。

96,434概念 · 意味

1,238,383語形 · 語彙素

1,608,018語義

171,672意味関係

6稼働中の言語

0.25 s既定の空 · ウォーム時

1 · 直観：辞書はなぜ間違った形をしているのか

言語を学んだことのある人間なら誰でも、あの摩擦を経験したことがある。英西辞書で cat を引くと gato が見つかる。西日辞書で gato を引くと 猫 が見つかる。 三冊目の辞書を引いたころには、すでに自分が抱いていた疑い——喉を鳴らす小さな飼い ならされた肉食動物という同じ考え——が、三つの別々のファイルの中で、三つの異なる 組織によって、三つの異なる識別子を使って三回記述されており、互いに結び付けられる ことは一度もない、ということを確かめるために丸一日を費やしていることになる。

Lingua Mundi の背後にある直観は、これが言語データとして間違った形だということだ。 意味は一度しか存在しない。語は何度も存在する。意味を第一級のオブジェクトとして 格納し、語を、各言語がそれらの意味に貼り付けるラベルとして扱うデータベースが あれば、人間（またはプログラム）は一つの共有された地図を通して、どの言語からどの 言語へでも移動できるようになる——そして学習者は、cat、gato、chat、Katze、猫 が暗記すべき五つの事実ではなく、五つの上着を着た一つの事実であることを、ひと目で 見て取れるようになる。

この直観は稲妻のように突然訪れたわけではない。およそ一年をかけて、ある一人の 人間の日々の仕事から育ってきた——そして、その最も初期の記録的な痕跡は、 驚くほど素朴なものである。

1.1 最初のメッセージ

2025年12月3日、著者は ChatGPT との会話を開始し、次のように入力した （逐語的に引用。この会話は四か月半にわたって開かれたままであり、最後に編集された のは 2026年4月21日である）[H]：

「私は、以下の言語について JMDICT や Kanjidict2 に似た無料の辞書を探している。 スペイン語、英語、フランス語、イタリア語、ポルトガル語、中国語、韓国語、 ベトナム語だ。私の意図は、様々な目的に使える統合された多言語データベースを 作ることにある。また、自由にアクセスできる同様のデータベースが、メキシコの 先住民言語にも存在するかどうかを知りたい。」

（セッション・ログ、ChatGPT、会話「Free multilingual dictionaries」、 2025-12-03、出典ファイルは付録 A に記載。）

その短いメッセージの中の三つの点が、プロジェクトが後に辿るすべての道筋を 先取りしている。第一に、挙げられた言語——スペイン語、英語、フランス語、 イタリア語、ポルトガル語、そして後に日本語——は、翻訳者・語学教師として著者が 話し、仕事に使う言語（後に彼が「Core 6」として定式化する言語群）と正確に一致し、 さらに中国語、韓国語、ベトナム語——次に追加する予定だった言語——も挙げられて いる。第二に、「統合された多言語データベース」という言葉がすでに目標を名指し ている。六つの辞書ではなく、すべてを一緒に保持する一つのデータベースという目標を。 第三に、著者は最初の日からメキシコの先住民言語について考えていた——これは 繰り返し立ち戻ってくる糸である（Lingua Mundi へのマヤ語統合は 2026年8月に検討 された [H]。また、マヤ諸語のリソースは彼の研究ノートの至る所に登場する）。

そのメッセージを取り巻く文脈も重要である。著者は訓練を受けた計算機科学者では ない。彼は翻訳者であり語学教師であり、当時は日本語を本格的に学びながら、その 学習を容易にする小さなツールを構築していた：漢字・仮名学習ゲームや、日本語辞書 パイプライン（日本語電子書籍用のふりがなエディタは、2026 年に Shikibu アプリへと成長するプロジェクトとして、後にこのツールボックスに加わることになる）。 2025 年後半の彼のホームディレクトリには、その学習の考古学が見て取れる： KANJIDIC2 漢字辞書ファイルのコピー（2025年11月11日ダウンロード）、 12月の常用漢字リスト、そして——12月3日のあの会話に促されて——12月5日に ダウンロードされた Open Multilingual Wordnet データ [H] （ファイルのタイムスタンプ、/home/rex/、付録 A 参照）。言い換えれば、12月3日の ChatGPT との会話こそが分岐点である。「自分のツールに日本語データが必要だ」という 思いが、「自分の国の言語を含む多くの言語のために、無料で、統合された多言語 データベースを構築したい」という思いへと広がった瞬間である。

1.2 辞書から意味へ：2025年12月のパイプライン

著者が次にしたことは、彼が作成したファイルの中に見て取れる。2025年12月5日から 12月16日にかけて、彼は ChatGPT をプログラミング・パートナーとして、一連の小さな Python スクリプト——extract_omw.py、 merge_dicts.py、unified_dictionary_pipeline.py、 crossref_deterministic.py——からなるパイプラインを書き、複数のオープンソースの 語彙データをダウンロードし、解析し、統合して、次第に構造化された形式へと変換 した [H]（スクリプトと日付は /home/rex/ にあり）。この時期の最も重要な設計 上の決定は、ファイルそのものの中に記録されている：12月16日付のパイプライン最終 段階は、すべてのエントリを四種類のオブジェクト——concept（概念）、 sense（語義）、lexeme（語彙素）、grapheme（書記素。漢字のような文字のこと）——に 分割し、JSON Lines ドキュメントとしてディスクに書き出す。このスキーマは雄弁に 語っている：sense は特定の辞書における特定の語の特定の意味であり、concept は複数の言語にまたがる複数の語義がすべて指し示す共有された考えであり、そして sense の concept_id フィールドは空のままにできる——つまり「この語義はまだ 共有概念にリンクされていない」ことを意味する。そのコード中の著者のメモは、この 手法を「ゼロ・ヒューリスティクス」(zero heuristics) と表現している：二つの語が 同じ意味だとするあいまいな推測も統計的類似性トリックも使わず、明示的で文書化 されたリンクのみを用いる、と [H]（パイプラインのコードと注釈、/home/rex/、 2025年12月、詳細は付録 A）。

あの 12月16日のスキーマは、後に Lingua Mundi と呼ばれることになるプロジェクトの アーキテクチャ全体を縮図として含んでいる：語は言語の中に生き、意味は共有された 空間に生き、そして「どの言語のどの語がどの概念を意味するのか」という困難で正直な 問題は決して偽装されない。概念にリンクされていない語義は、黙って推測で埋められる のではなく、リンクされていないことが見える状態でデータベースに保持される。十か月 後、インポート・パイプラインのバグが英語の語 cat をその概念から見えなくした とき、著者はその原理をまさにこう言い表した：孤児を見せる方が、隠すよりましだ、と （[H]、第 7 節参照）。

1.3 空白期間と、その広がり

その後、記録はおよそ五か月間途絶える——2025年12月中旬から 2026年5月下旬まで、 入手可能なログには辞書パイプラインの作業が一切含まれていない [NV]。生徒を 教える翻訳者にとっては珍しいことではないが、ここで率直に述べておく価値がある： プロジェクトの成長は連続的ではなかった。それは突発的に進み、数週間から数か月の 他の仕事によって隔てられていた——このリズムは 2026 年を通じて続くことになる。

糸が再びつながるころには、野心は広がっていた。2026年5月1日、著者は「OMW v2.0 data coverage」（Open Multilingual Wordnet リリースのデータカバレッジ）を調査して いる [H]（会話のタイトルと内容、ChatGPT、2026-05-01）。2026年5月27日、 彼は「Open Source Language Resources」というタイトルの会話を開き、実質的に、 多言語ナレッジベースに供給できるすべての無料の語彙・文法・意味リソースの体系的 な地図を求めている [H]（ChatGPT、2026-05-27）。この時点でプロジェクトには 名前と形があり、その両方の証拠は次の章に登場する。

1.4 一人のプロジェクトの枠を超えて、これがなぜ重要なのか

読者は、なぜ本稿が個人プロジェクトの直観をこれほど長く記録するのか不思議に思う かもしれない。答えは、その直観こそが貢献だからだ。綴りではなく意味が多言語 データの自然な単位であるという考えには長い学術的系譜がある（機械翻訳の「中間言語」 (interlingua) の伝統における最も古い夢であり、Princeton WordNet のシノセットを 組織する原理でもある。第 2 節参照）。しかし、それを予算ゼロで公共財として一個人が 実行に移すことはめったにない。この原理に従う多言語リソースのほとんど——Open Multilingual Wordnet、BabelNet、Universal Dependencies プロジェクト——は、助成金を得た 大学コンソーシアムによって維持されている。Lingua Mundi は、一人の独立研究者が、 オープンデータと無料のツールだけを使って、そのインフラの一片を自分の翻訳・教育 の仕事のために自ら構築し、それを無償で公開しようとする試みである。その試みが 成功するかどうかは、読者が本稿の残りの証拠から判断できる——そして著者自身の 日誌を見れば、彼がずっと同じ問いを同じ誠実さで問い続けていたことがわかる （第 4.3 節参照）。

2 · 背景：「意味の地図」が何を意味するのか

Lingua Mundi が何を築こうとしているのか、そしてその何が真に新しいのかを理解する には、三つの先行研究の流れが重要である：意味は綴りから分離できるという言語学的 考え、そのような意味をデータとして格納し、言語をまたいでリンクできるという 計算的な考え、そして、構造化された意味の地図はニューラル言語モデルを補完する ものであって競合するものではないという現代的な観察である。

2.1 記号とその二つの顔

現代言語学は、一見すると単純な観察から始まる。通常、フェルディナン・ド・ソシュール の二十世紀初頭の講義に帰せられる観察だが：語とは、音声／形態（「シニフィアン」 signifier）と概念（「シニフィエ」signified）のペアである （de Saussure, 1916/1983）。この見方では、二つの言語は、たまたま翻訳 可能な二組の語ではなく、共有されたシニフィエの空間の上で部分的に重なり合う 二組のシニフィアンである。英語のシニフィアン cat とスペイン語のシニフィアン gato は、同じシニフィエを持つ異なる形である。機械がシニフィエを一度だけ格納し、 シニフィアンをそれに結び付けることができれば、翻訳は共有された中間領域を通した ルックアップになる——機械翻訳では中間言語（interlingua）方式として知られる 考えである：英語→スペイン語を直接翻訳する代わりに、英語→意味→スペイン語と 翻訳する。

中間言語の夢は機械翻訳研究において長い歴史を持ち、完全な一般性では繰り返し 難しすぎることが証明されてきた（言語は意味を同一の断片に切り分けるわけではなく、 翻訳者なら誰でも、動物としての cat とジャズミュージシャンとしての cat が、 一つのシニフィアンをまとった異なるシニフィエであることを知っている）。だが、 その夢は決して死ななかった。それは単に、構築可能な何か——言語の中で、安定した 共有された意味に最もよく写像される部分、すなわち語彙——へと狭められただけだ。

2.2 WordNet とシノセット

決定的な狭めは、心理学と辞書学からもたらされた。1980 年代から 1990 年代にかけて、 ジョージ・ミラーらプリンストンの研究者たちは、アルファベット順ではなく意味的に 編成された英語の語彙データベース WordNet を構築した （Miller, 1995；Fellbaum, 1998）。WordNet の核となる発明は シノセット（synset、「シノニム集合」synonym set の短縮形）である：ある文脈で 同じ意味を表しうる語のグループ。シノセット {cat, true cat, Felis catus, domestic cat} は一つの意味であり、シノセット {cat, kat, guy, hombre}——「若者や男を 指す非公式な語」を意味する——は、たまたまシニフィアン cat を共有する、もう一つの まったく異なる意味である。WordNet はまた、シノセット間の関係も記録する—— 最も重要なのは is-a 階層（上位関係 hypernymy：飼い猫 は ネコ科動物の一種、 ネコ科動物 は 肉食動物の一種、肉食動物 は 哺乳類の一種*……）である—— これにより辞書はグラフとなり、意味がノード、型付きの関係がエッジとなる。

WordNet が Lingua Mundi にとって重要なのは三つの理由による。第一に、意味によって 編成された機械可読の語彙が実現可能であり、極めて有用であることを証明した—— 現代の検索エンジン、スペルチェッカー、自然言語ライブラリは今なおそれに依存して いる。第二に、意味のための安定した識別子体系を世界に与えた：Princeton WordNet はシノセットに番号を振っているので、02121620-n は曖昧さなく「飼い猫」を 意味し、データベースをまたいで引用できる。第三に、それは多言語プロジェクトの 錨となった：Open Multilingual Wordnet（OMW） である。

2.3 Open Multilingual Wordnet：一つの意味、多くの言語

フランシス・ボンドとライアン・フォスターが立ち上げた OMW（Bond & Foster, 2013）は、 多くの言語で構築されたワードネットを収集し、それらをプリンストンの英語 ワードネットに整列させる：参加各言語のシノセットは、対応する英語シノセットへの ポインタを保持する。その結果は、Lingua Mundi を可能にしたリソースである：すなわち、 「スペイン語の gato（語義 1）は英語の飼い猫シノセット 02121620-n と同じ意味に 属する」という形式の、明示的で人手によるキュレーションを経た言明の集合である。 Lingua Mundi の著者が 2026年7月のエンジニアリング仕様書に、プロジェクトは 「シノセット中心」(synset-centric) であり、OMW を通じて言語を整列させると書いた とき [H]（仕様書、2026年7月24日）、彼はボンドとフォスターの肩の上に立って いた——彼の 2025年12月のパイプライン・スクリプトが OMW のデータファイルを直接 解析していたように、すでにそうだったのである。

2.4 ワードネットを取り巻くオープンデータのエコシステム

OMW は、個人が合法的かつ技術的に組み合わせることのできる、オープンライセンスの 大規模なエコシステムの中の一つのノードである：

• Wiktionary ——ウィキメディア財団が運営する共同編集型辞書——は、

定義、翻訳、屈折、発音を含む、数百言語に及ぶ非常に広い語彙カバレッジを、 シェアアライク（継承）ライセンスの下で提供する（Wikimedia Foundation； 専門家構築辞書のライバルとしての価値については Meyer & Gurevych, 2012 も参照）。

• Wikidata ——ウィキメディアの構造化ナレッジベース——は、

機械可読な識別子を持つ言明を格納し、CC0（パブリックドメイン）で公開されている （Vrandečić & Krötzsch, 2014）。

• Universal Dependencies（UD） ——百以上の言語で統語注釈付きの文ツリーバンクを

オープンライセンスで公開するコミュニティプロジェクト（Nivre et al., 2020）。UD は 実際の文と品詞情報——語が実際にどう使われるかの証拠——を提供する。

• [JMdict と KANJIDIC2](https://www.edrdg.org/jmdict/j_jmdict.html) ——ジム・ブリーンの EDRDG プロジェクトが維持する

日本語辞書・漢字ファイルであり、日本語を広範にカバーし、複数の言語への翻訳を 備える（Breen, 2004）。これらは著者の出発点だった （彼の最初の辞書ファイルは 2025年11月にダウンロードされた KANJIDIC2 である [H]）。

• UniMorph ——屈折形態論の多言語リポジトリ（run/ran/running のような語形を

文法的特徴ごとに整理したもの）（Kirov et al., 2018；McCarthy et al., 2020）。

• OPUS ——ウェブと映画字幕から抽出された対訳（翻訳済み）文の大規模な

コレクション。オープンライセンス（Tiedemann, 2012）。

• 語頻度リスト ——[wordfreq](https://github.com/rspeer/wordfreq)（Speer, 2022）のように、

実際のコーパスにおける語の一般的度合いによって語を順位付けするもの。

• ISO 639-3 規格 ——すべての人間の言語に安定した三文字コードを割り当てる

（例：スペイン語は spa、日本語は jpn）。SIL International が維持しており、 Lingua Mundi データベースはこのコードを language テーブルのキーとして用いて いる [H]。

このエコシステムの二つの性質は、プロジェクト全体を構造化するため、強調に値する。 第一に、ライセンスは本当にオープンである——許容的（permissive）またはシェア アライク——したがって、帰属表示とライセンス条件を尊重する限り、それらを組み合わせて 派生データベースを作ることは合法である（Lingua Mundi は、インポートしたすべての データセットの出典とライセンスを自身の source テーブルに記録する。第 6 節参照）。 第二に、エコシステムは相補的である：Wiktionary は広いが浅く、ワードネットは 深いが狭く、UD は用法について、UniMorph は語形について、頻度リストは顕著性に ついてのものである。Lingua Mundi の工学的問題は「データを見つけること」ではなく、 「統合されるように設計されたことのないデータを、結合について嘘をつかずに統合する こと」である。

2.5 大規模モデルの時代に、意味の地図が依然として重要な理由

正当な反論を率直に述べなければならない：大規模言語モデルがすでに語の翻訳も定義も 推論もできるのなら、そもそもなぜ構造化された語彙を構築するのか？ Lingua Mundi の 著者の答えは、2026年6月の研究論文（第 3 節）で展開され、夏を通じて洗練されたもの だが、三つの部分からなる。第一に、検証可能性：構造化されたデータベースは自分の 仕事を示すことができる——すべてのリンクが出典とライセンスと日付を持つ——のに対し、 モデルの知識は監査も修正も引用もできない不透明な統計的混合物である。第二に、 コストとアクセス：ローカルデータベースへのクエリは無料であり、オフラインでも 機能するのに対し、モデルへのクエリはエネルギーか金銭か、あるいはその両方を消費 する。著者の恒常的な設計ルールは「ゼロトークン調査クエリ」——ローカル API こそが 調査の窓口である——である [H]（プロジェクト・ノート、2026年8月29日）。第三に、 相補性：2026年6月の論文は、仮説として——三つのモデルの監査が同じ判定に収束 したうえで——生のトークンではなく概念識別子の上で動作するコンパクトなモデルは、 概念地図がネットワークの外側で意味的な仕事を行うからこそ、はるかに効率的になりうる と論じた（第 3 節参照）。その仮説が実験を生き残るかどうかは別として、地図自体は モデルにとって有用なままである：再学習なしで照会・更新・引用できる外部メモリとして。

Lingua Mundi の知的系譜は、こうして一行で要約できる：それは、WordNet によって 語彙へと狭められ、OMW によって多言語化され、オープンデータ運動によって合法化 され、そして意味——言語ではなく——を収納されるべきものとして扱う辞書を必要とする 一人の翻訳者によって個人化された、中間言語の夢である。

3 · 名前、テーゼ、そして七グラフ・アーキテクチャ（2026年5〜6月）

3.1 命名

2026年5月下旬までに、著者のノートと仕様は「Multilingual Lexical Platform」という 仮題を使っていた [H]（2026年5月23日付のマークダウン仕様マスター、 /home/rex/Descargas/Phone backup/Download/）。Lingua Mundi という名前—— ラテン語で「世界の言語」——が入手可能な記録に初めて現れるのは 2026年6月1日、 研究原稿の題名としてである（後述）[H]（会話ログ、2026年6月1日、著者の アーカイブにおける検証済みの最古の出現）。この名前は適切である：このプロジェクトの 主張は、多くの言語を内包するということではなく、それらの言語が共有する一つの 意味の空間についてのものであるということだからだ。

3.2 研究テーゼ：トークンではなく意味

およそ 2026年3月から 6月にかけて、著者は——ChatGPT、Claude、DeepSeek との会話を 通じて——なぜ概念レベルの言語地図が言語技術を抜本的に効率的で利用しやすいものに しうるのかについての研究テーゼを練り上げた。著者が会話に持ち込んだ作業用の枠組み によるテーゼは次の通りである（彼がレビューのために説明文を貼り付けた 2026年7月18日 の実現可能性の依頼から逐語的に引用）[H]：

「人間の言語の多言語・オープン・機械可読な地図を作れ。それを 1. 意味（Meaning） · 2. 形式（Form）· 3. 構造（Structure）· 4. 歴史（History）· 5. 用法（Usage）—— に分離し、相互運用可能なグラフにする。長期的な目標は、言語をトークンレベル ではなく概念レベルで計算可能にすることである。[…] 現代の NLP はほとんど token → token をモデル化している。Lingua Mundi は concept ↔ language を モデル化する。」

6月の原稿で述べられた根底にある議論は、言語モデルがその能力のほとんどを表層の 変異に費やしている——「dog」、「perro」、「犬」を、三つの上着をまとった一つの ものなのに、無関係な三つのものとして扱う——というものである [H]（原稿 V4、 2026年6月1日の監査会話に全文引用）。もしモデルが代わりに概念列を読み書きできた なら——概念地図がネットワークの外側で多言語の仕事を行うとして——モデルはより 小さく、より安く、一般のコンピュータでも実行可能になるだろう。

3.3 一つの朝に七つの版：敵対的協働方式

Lingua Mundi: A Semantic Infrastructure for Concept-Grounded Language Models と 題された原稿は、七層アーキテクチャを提案していた：概念グラフ（言語に依存 しない意味。目標規模は十億ノード）、シノセット・グラフ（あらゆる言語の語を概念に 写像する）、そして形態論・派生・語源・言語間対応・用法のためのグラフ——すべて 共通の識別子体系で結合される——に加え、概念に基づくモデルアーキテクチャ （概念識別子を読み取る Mamba 型系列モデル）、概念グラフのための双曲的 （ポアンカレ円板）埋め込み、事実の明示的なグラフ検索、そして全体が一般の ラップトップに収まることを示す監査済みの予算 [H]（原稿、2026年6月1日）。

このエピソードが方法論として注目に値し、かつ異常なまでに記録が整っているのは、 著者が原稿を一人で書かなかったからである。2026年6月1日の朝、彼は草稿を 三十分足らずで七回の連続改訂（V1〜V7）にかけ、二つのモデルを敵対的に用いた： DeepSeek が各改訂版の草稿を作成し、ChatGPT が各草稿を敵意ある査読者の厳しさで 監査した [H]（会話ログ、DeepSeek「Revisión y corrección del proyecto Lingua Mundi」および ChatGPT「Audit Feedback Lingua Mundi」、いずれも 2026年6月1日）。 監査の書き起こしは逐語的に保存されており、各ラウンドで何が修正されたかについて 異常なまでに率直である：

• INT8 埋め込みストレージの算術が修正された（ストレージ予算における 2 倍の

計算違いの誤り）；

• 捏造された実証的主張（「経験的に、我々は……と見出す」）が削除され、先行研究に

基づく明示的にラベル付けされた仮説に置き換えられた；

• 架空の将来モデルとの比較が、実在のモデル（DeepSeek-V3）との比較に置き換え

られた；

• 要旨の性能主張が段階的に縮小された；
• 根拠のないスケーリング主張が、未解決の研究課題としてラベル付けし直された；
• そして原稿は、V7 までに、実証的主張から正直なポジションペーパー——明示的な

反証可能な評価計画（語義曖昧性解消の頑健性、アブレーション、ベースライン）を 備えた研究アジェンダ——へと組み替えられた。

ログに保存されている監査の最終判定は、原稿のヴィジョンを高く評価しつつ、 実証的裏付けを一貫して低く評価するものであり——そして最後の監査の締めくくりの 勧告は率直そのものだった [H]：

「もし私がこのプロジェクトの助言者なら、今すぐ論文執筆から実装へ軸足を移すだろう。 次の価値ある成果物は V8 ではない。Lingua Mundi Prototype 0.1 だ……内容は： 10万〜100万の概念、英語のみ、概念トークナイザ、概念再構成、TinyStories での 学習実行、token-Mamba との直接比較。その実験が中心的な問いに答えるだろう： 意味的圧縮は、そのボトルネックを正当化するに足る情報を保存するか？」

著者はその助言に従った。このエピソードに関する三つの観察は、その後に続くすべてを 理解するうえで重要である。第一に、アイデアは決してボトルネックではなかった—— 著者は、監査が A− と評価したヴィジョンを自分の言葉で持っていた。ボトルネックは 証拠であり、監査はそれを七回言った。第二に、著者の作業方法——複数の AI モデルを 敵対的協働者として用い、すべての草稿とすべての監査を保存し、自信過剰な誇張より 正直な限定を選ぶ——はスタジオの恒久的な基準となり、本稿の [H]/[O]/[NV] 検証規約 に見えるのと同じ方法である（付録 A）。第三に、あの 6月の原稿の七層アーキテクチャ は、著者が実装へ軸足を移したときに消え去ったのではなく、プロジェクトのロードマップ になった。今日（2026年9月）存在する Lingua Mundi は、概念グラフ、シノセット・ グラフ、形態論のインポート、コーパス層、そして API を実装している。派生・語源・ 対応・用法の各層は、同じ計画の明示的に待機中の段階である（第 5〜6 節、10.3 節） [H]（プロジェクト・ロードマップ、2026年8月29日）。

4 · プラットフォームが形になる（2026年7〜8月）

4.1 実現可能性：「これはオープンソースの部品でできるのか？」

2026年7月18日、著者は ChatGPT に率直に尋ねた。そのヴィジョンが既存の無料 コンポーネントから構築できるかどうか、そしてそれを開発するために何が必要かを [H]（会話「Lingua Mundi Project Feasibility」、2026-07-18、00:44 UTC——著者の タイムゾーン（中部標準時）では 7月17日の夜）。この会話——そして続く数週間——は、 研究論文からエンジニアリング計画への転換を記録している。プロジェクトは、彼が レビューのためにその会話に貼り付けた正式なミッションステートメント（第 3.2 節に 引用）を採用し、著者は実際のコードの足場を組み始めた：データモデルのスキーマ ファイルが 2026年7月17日付でディスク上に存在する [H]（コードスナップショット、 2026年7月、付録 A 参照）。

4.2 エンジニアリング仕様書（2026年7月24日）

2026年7月24日、著者は設計を 104 ページのエンジニアリング仕様書 Multilingual Lexical Platform — Engineering Specification（バージョン 2.0、 「Revised & Production-Ready」という副題付き）にまとめた [H]（PDF、/home/rex/、 2026年7月24日、本稿のためにテキスト抽出済み）。この仕様書はプロジェクトの憲法で あり、その内容が後に構築されたものの大部分を説明している：

• シノセット中心の原理。 文書は、すべての語彙オブジェクトが究極的には

シノセット（意味）に結び付かなければならず、データベースは綴りではなく意味を 中心に編成されると述べている。その具体的な例は bank という語である。bank は、 いくつかの明確に区別されるシノセット（「川岸」「金融機関」「何かを当てにする」） を持つ一つの表面形式でなければならず、決して未分化な意味の一塊であってはなら ない [H]。

• 言語の階層（ティア）。 仕様書は言語を二つの階層に分けて計画した：立ち上げ

時のティア 1——英語、スペイン語、フランス語、ポルトガル語、日本語、そして中国語 （簡体字・繁体字）——と、ティア 2——イタリア語、韓国語、ベトナム語 [H]。 （実際にデータベースに搭載された言語群は、二つの興味深い点で異なっている。 第 10 節に記録されている通りだ：実働の六言語は英語、スペイン語、フランス語、 ドイツ語、ポルトガル語、日本語であり——中国語とイタリア語はなく、ドイツ語が ある。この置き換えは現存する記録のどこにも説明されていない [NV]。これは 未解決の来歴の問題を率直に認めたものである。）

• データモデル。 仕様書の第 5 章はスキーマを大まかに素描しており、リポジトリの

最初のマイグレーションで実際に搭載されたモデルは、2025年12月のプロトタイプの 四エンティティ直観を、いまや定式化した形で受け継ぐ十一テーブル構成の中核である： languages（言語）、lexemes（語彙素）、senses（語義）、concepts（概念、シノセット）、 relations（関係）、sources（出典）、synsets（シノセット）、そして補助テーブル群 （第 5 節参照）。

• 五段階の整列階層。 語と概念の自動リンクと手動リンクは信頼性が異なるため、

仕様書は、明示的な出典明記リンク（例：OMW の写像）からヒューリスティックな推測 に至るまでの五段階の整列信頼度を提案し、格納される各リンクはその信頼度を保持 するという規則を定めた。これは 2025年12月の「ゼロ・ヒューリスティクス」規則の 成熟した形態である：自動リンクをしないのではなく、ラベル付けされ、正直な リンクをするのだ [H]。

• ゲート付きの段階ロードマップ。 フェーズ 0〜5。それぞれに出口基準があり、

スキーマと ETL から API、アプリケーションへと進む。

• リスク台帳 ——語源層と CJKV／Unihan 層を提案し、日本語と中国語の

「フォールスフレンド」（例：日本語の 娘 は「むすめ＝娘」を意味するのに対し、 中国語では「母」を意味しうる。日本語の 手紙 は「手紙」だが、中国語では 「トイレットペーパー」を意味する）について警告する自己批判付録を含む [H]。

仕様書はまた、プロジェクトが後に簡素化することになる技術スタックも固定した： FastAPI、PostgreSQL、検索エンジン（仕様書では Meilisearch）、ウェブフロントエンド（Next.js）。注目すべきは、8月13日までに 著者がすでにそのスタック自体に疑問を抱いていたことだ（第 4.4 節）。

4.3 7月の日誌：意味的オペレーティングシステムについて考える

ほぼ同じ時期、著者の私的な日誌（knowledge project.txt、85 KB。本稿のために 全文を読了。ファイルのタイムスタンプは 2026年7月18日、一回の作業セッション）には、 それに関連し、より個人的な糸が記録されている：彼が「普遍的な意味グラフ」—— プログラミング言語、音楽理論、化学、自然言語を横断して機能する、表記に依存しない 意味の表現方法（彼が USG と呼ぶ別のプロジェクト）——を考え抜こうとした試みである [H]（日誌、2026年7月）。日誌の中で Lingua Mundi に最も関連する一節（行 2563〜 2587）は、一つの意味的オブジェクトを三つの言語で同時に表現することの意味を 巡る彼の考察である——cat · gato · 猫 と同じ直観であり、言語についてではなく インターフェースについて考える練習として書かれたものだ [H]。示唆的なことに、 日誌自身が「説明されるべき言語」の具体例として挙げているのは、Lingua Mundi コードベースの LanguageCreate スキーマである——7月中旬までに、二つの糸 （研究ヴィジョンと実際のコード）がすでに彼の頭の中で織り合わされていた証拠だ [H]。

4.4 8月：スキーマから動くシステムへ

2026年8月、Lingua Mundi はシステムになった。現存するログは密度の高い一連の 決定を示しており、それぞれが痕跡を残している：

• 8月1〜8日。 著者はグラフと知識表現の選択肢を探索し（「JSON as a Graph」、

7月29日、API 収益化のアイデア、8月7〜12日）——そして、最終的なアーキテクチャ にとって決定的だったのは——API が「本当に」重いスタックを必要とするのかと 尋ねた（第 4.5 節）[H]。

• 8月11日。 彼は Lingua Mundi へのマヤ諸語の統合を探索した（「Lingua

Mundi Maya integration」）。これは 2025年12月のメッセージで初めて表明された メキシコ先住民言語への関心の継続である [H]。

• 8月13日。 二つの設計会話がプロダクトの形を決めた：「Linguistic API Tech

Stack」（4.5 参照）と「Semantic Interaction Layer」——知識層とアプリケーション の間の将来のインターフェースを素描したもの [H]。

• 8月19〜25日。 彼は日本語デモを構築した：日本語辞書データを同梱した

コンパクトなオフライン・データベース（SQLite）で、概念指向の設計に触れ、 照会し、他人に見せられるようにするためのもの（「Build Japanese Demo」、 結果としてできた lingua-mundi-jpn.sqlite ファイル群はディスク上に保存されて いる）[H]。このスプリントには具体的な締切と聴衆があった：国際交流基金 （The Japan Foundation）の担当者が翌週に彼の大学を訪れる予定であり、デモは （同じ時期に Shikibu へと改名されつつあったふりがなエディタとともに） その訪問用の置き土産プロダクト資料として用意された [H]（会話ログ、 2026年8月19〜25日）。

• 8月23日。 概念の一段落の説明を求められ、彼が聞いた要約は、ログが彼の構築を

示している内容と一致していた：「人間の言語のための機械可読な言語学的インフラ ストラクチャ……単なる日本語辞書や翻訳アプリであることを超えて、Lingua Mundi は一般的な言語的インテリジェンス層になることを意図している」[H] ——そして 同じ会話の中で、当時計画されていたスタック（PostgreSQL、グラフクエリ用の Apache AGE、検索用の OpenSearch、API としての FastAPI）を名指しする技術的な 記述も得ており、翌月の測定がその必要性を消し去ることになる（第 4.5 節、 第 6 節）[H]。

• 8月24日以降。 コードベースは正式なリポジトリ（「LinguaMundi」）として恒久的

な居場所に移り、日次の GitHub バックアップ・スナップショットの連続が 8月27日から始まった [H]（リポジトリ・スナップショット、付録 A 参照）。

4.5 すべてを形作ったリーン・スタック決定

8月の最も影響力の大きい技術決定は逐語的に保存されている。2026年8月13日、 著者は自分が計画していた技術スタック——FastAPI、Polars、DuckDB、PostgreSQL、 Apache AGE（グラフ拡張）、OpenSearch、Redis、Celery、React、Docker—— を貼り付け、「すでに postgres で動いているのなら、言語学 API は本当にこの スタックを必要とするのか？」と尋ねた [H]（会話「Linguistic API Tech Stack」、 2026年8月13日）。

彼が受け取り、採用した答えは、そのほとんどはまだ必要ないというものだった： PostgreSQL だけでも、リレーショナルな辞書データ、漢字、読み、活用、翻訳、全文 検索、さらにはグラフ的な再帰クエリまで提供でき、正しい規則は「PostgreSQL の 制限 → 技術を追加する」であって、「フェーズ 3 がグラフデータベースと言うから → グラフデータベースをインストールする」ではない、と [H]（同じ会話）。その助言は こう締めくくられた：「あなたの API の競争優位はインフラではない。データの上に 築いた言語学的データモデルと変換だ」[H]。

この決定——一つのリレーショナルデータベースと一つの API フレームワーク、そして 測定された必要性が生じるまで他は何も持たない——は、第 6〜7 節で説明される 性能アーキテクチャの直接の祖先である。2026年9月、データベースが 160 万の語義に 成長し、素朴なクエリが数分にまで遅くなったとき、著者はグラフデータベースや検索 エンジンに手を伸ばさなかった：PostgreSQL のマテリアライズド・ビュー—— 「焼いて再導出するな」(bake, don't re-derive) 方式——に手を伸ばし、最も遅い クエリを 2014 年製ハードウェア上で 1 分超から約 1 秒へと縮めた（第 7 節）。 リーンに留まるという 8月の決定こそが、その 9月の最適化を必然かつ可能にしたのだ。

4.6 人間と AI の開発方法、その実践

この歴史の読者は、ほとんどすべての節目に会話ログが伴っていることに気づいただろう。 著者は対話の中で考える。2026年8月までに、彼の方法は記録から正確に記述できるもの へと安定していた：

1. 人間が方向性を定め、データを所有する。 ログ中のすべての依頼は著者自身の

ものであり、すべてのファイルは彼のマシン上にあり、すべての決定——リーン・ スタック問題のような撤回を含む——は彼のものである。

1. AI モデルは専門化された協働者として使われる。 ChatGPT は研究、アーキテクチャ

批判、監査に多用された。DeepSeek は草稿と改訂サイクルに、そして（後に）スタジオ 自身の自動化の基盤として。Claude は長い時間軸の記憶とプロジェクトの文脈に （スタジオのナレッジベースは Claude のメモリエクスポートとして始まった）。

1. 記録は保存される。 会話はエクスポートされ（著者のアーカイブには数千件が

ある）、コードはスナップショットされ、そして——2026年8月26日から——すべての 作業セッションが、フロントマター、日付、検証状態を備えた Obsidian ナレッジ ベースに記録される（第 9 節）。本稿が可能なのは、ひとえにその記録習慣の おかげである。

1. 敵対的レビューが組み込まれている。 6月の原稿の V1〜V7 監査ループ

（第 3.3 節）は恒常的な実践となった：草稿はそれを書いたモデルとは別のモデルに よって監査され、監査はファイルに保存される。

これを「バイブコーディング」と呼ぼうと、「AI 支援開発」と呼ぼうと、単に「ツールの 活用」と呼ぼうと、正直なラベルは記録のために重要である：Lingua Mundi は、 AI アシスタントとの意図的で文書化された協働によって築かれた人間執筆のプロジェクト であり、本稿（それ自体、前付けの注意書きの通り、著者の指示のもとで AI が生成 した草稿である）は同じ方法の産物である。

5 · 設計：モデルの言語学的・数学的原理

この節では、Lingua Mundi が言語をどのように格納するかを決める考えを平易な言葉で 説明する。歴史を読みたい読者は第 6 節へ進んでよい。数式とスキーマを読みたい 読者は、ここと付録 A にそれらを見いだせる。

5.1 四種類のオブジェクト、一つの意味の空間

データモデルは、2025年12月のパイプラインの四エンティティ型（第 1.2 節）と、 2026年7月の仕様書の十一テーブル（[H]）から直接派生している。成熟した形では、 五種類の核となるものを格納する（実働スキーマに対して検証済み、2026年9月 [H]）：

• Language（言語） ——人間の言語ごとに一行。ISO 639-3 の三文字コード

（eng、spa、jpn、……）をキーとし、その名称、自称名（話者自身が使う名前）、 語族、文字体系を保持する。システム全体に言語を追加することは、設計上、 一行とデータセット群を追加することに等しい。どこにも言語別のテーブルは存在 しない [H]（コードとプロジェクト・ノート、2026年8月29日）。この 「言語非依存」という性質こそ、中間言語の考え（第 2.1 節）のスキーマレベルでの 表現である。

• Lexeme（語彙素） ——特定の言語における語形。文字列 cat、文字列 gato、

文字列 猫。語彙素はちょうど一つの言語に属し、品詞を保持する。

• Sense（語義） ——一つの辞書が記録する、一つの語彙素の一つの意味：

WordNet による「猫」という動物の語義、WordNet による「ジャズミュージシャン」の cat の語義、Wiktionary による「クリスマス用丸太」の cat の語義。語彙素は 典型的には多くの語義を持つ——これが、モデルが多義性（一つの語、多くの意味）を、 意味を決して混同することなく表現する方法である。語義は概念にリンクされている 場合もされていない場合もある。リンクは concept_id フィールドであり、 設計上ヌル許容である——リンクされていない語義は、推測で所定の位置に埋め られるのではなく、孤児として保持され表示される [H]（スキーマ、パイプライン の注釈、2025年12月）。

• Concept（概念） ——言語をまたいで共有される意味：Princeton WordNet の

シノセット URI princeton-wordnet:02121620-n によって識別される「飼い猫」の 概念 [H]（実働データベース）。概念こそ多言語整列が起こる場所である： スペイン語の gato（その語義の一つ）、英語の cat、フランス語の chat、 ドイツ語の Katze、日本語の 猫 はすべて同じ概念を指し示すことができる—— それらは多くの名前を持つ「一つの星」である（第 8 節）。概念テーブルはシステムの 心臓部であり、現在のデータベースでは 96,434 行を保持する [H]（測定、 2026年9月6〜7日）。

• Relation（関係） ——二つの概念の間の型付き・有向の接続。例：飼い猫 IS_A

ネコ科動物、ネコ科動物 IS_A 肉食動物。関係は述語、信頼度、出典を保持する。 現在のデータベースは 171,672 件を保持する [H]（測定、2026年9月6〜7日）。

この五つの周囲には来歴（provenance）の仕組みが位置する——各データセットの出所、 ライセンス、URL を記録する source（出典） テーブル（データベース内のいかなる 主張も無帰属のままにならないように）、OMW 形式への橋渡しをするシノセット・ テーブル、そして漢字と読みのための補助テーブル [H]（スキーマ、2026年9月）。

5.2 整列問題、そしてなぜそれが偽装されないのか

多言語の意味の地図の中心的な知的問題は整列（アライメント）である：この 言語のこの語のこの語義が、あの言語のあの語のあの語義と同じ意味だと 判定すること。OMW の設計から受け継いだ Lingua Mundi の答えは、それを新規に判定 しないことである：OMW はすでに、言語ごとに、どのシノセットが Princeton WordNet のシノセットに対応するかを述べており、データベースはそれらの明示的な 写像を主要な整列層としてインポートする [H]（Bond & Foster, 2013、インポート コード）。明示的な写像が存在しない場合、システムは（2026年7月の仕様書からの） 五段階の信頼度階層を適用する：明示的な出典明記リンクが最上位にランクされ、 推論によるリンクは最下位にランクされ、その段階とともに格納される——決して 黙って「事実」に昇格させられることはない [H]（仕様書、2026年7月24日）。 これは、著者がパイプラインのコードに走り書きした 12月の規則「ゼロ・ヒューリス ティクス」の成熟した形態である。システムが決して推測しないということではない。 推測は推測としてラベル付けされる——それこそがデータベースを成長するに足る 正直なものにする所以である：推測と印された誤った推測は見つけて修正できるが、 事実として格納された誤った推測は、下流のすべてを汚染する。

同じ哲学が言語の粒度も支配する。ISO 639-3 は、政治的境界や文字体系の変種では なく、実在の言語を区別する。著者は将来のための真に難しい事例を一つ挙げている： 韓国語。その単一の ISO コード kor は、大韓民国の標準語と朝鮮民主主義人民共和国 の標準語の両方を覆う。現存する記録は、これが未解決のモデリング上の決定として 挙げられていることを示す [H]（セッション・ログ、2026年9月7日）——スキーマが ロケールではなく言語を格納するという原理の例であり、現実世界の言語データが 「一言語一行」というきれいな箱を拒むことの思い出である。

5.3 グラフ：分類体系、近傍、ロングテール

語義が概念に整列し、関係が概念をつなぐようになると、データベースはグラフになる： 96,434 個の意味ノードが 171,672 本の型付きエッジで結ばれ、最大の連結成分は WordNet から受け継いだ is-a 分類体系（哺乳類 → 肉食動物 → ネコ科動物 → 飼い猫） であり、instance-of、part-of、言語間の関係によって豊かになっている [H] （測定、2026年9月、スキーマ）。この種のグラフに関する三つの数学的事実が、 ユーザーインターフェースとエンジニアリングを形作る：

1. 分類体系は意味の木である。 すべての概念の親が既知であるため、システムは

「これは何の一種か？」（上る）と「これの一種には何があるか？」（下る）に答え られる——インターフェースの分類体系レンズ（第 8 節）の背後にある操作である。

1. 次数分布はジップ的である。 実在の言語グラフはスケールフリーに近い：

「動物」「人」「物」のような少数の概念は巨大な近傍を持つ一方、ほとんどの概念は 手のひらに乗るほどの少数の隣人しか持たない。この「ロングテール」は、ジップが 語頻度において有名に測定したのと同じ統計的形状である（Zipf, 1949）：少数の語が 使用の大部分を占める。設計上の二つの帰結が続く：順位付けが存在しなければならず （一つのクエリに 30,000 の意味を表示することはできない）、そしてその順位付けは 意味のあるものでなければならない——そこでインターフェースは、概念がどれほど 「重要」であるか、どれほどよく接続されているかの代理指標である空の明るさ （sky brightness）によって概念を順位付けする（第 5.5 節）。

1. 最短経路が自然な翻訳ルートである。 二つの概念が与えられれば、グラフを

つなぐ経路を探索できる——インターフェースの六分儀ツール（第 8.4 節）の背後に ある操作であり、分類体系上の有界な双方向幅優先探索（≤ 10 ホップ、ノードあたり 25 近傍、ミリ秒で応答）として実装されている [H]（コード、実働測定、 2026年9月）。

5.4 ジップと辞書の形

ジップの法則は、性能アーキテクチャ全体を静かに説明するため、一度は明示的に言及 する価値がある。語頻度がべき乗則に従うなら、どんな辞書も、共通語の短いヘッドと、 稀少語の天文学的な長さのテールに支配される。2026年6月の原稿は、概念語彙のための ジップに基づくカバレッジ計算まで導出していた [H]（原稿 V7 の監査、 2026年6月1日）。データベースにとって、ロングテールは次のことを意味する： ほとんどの行は稀少語であり、ほとんどのクエリは共通語に当たり、そして テーブル全体——すべての稀少語を含む——を走査しなければならないクエリは、 事前計算された順位付けから始められるクエリよりも壊滅的に遅い。第 7 節の マテリアライズド・ビュー方式は、突き詰めれば、ジップの法則を性能上の敵から設計 ツールへと転換する方法である：ヘッド（順位付け、概念ごとの上位語）を一度 焼き込み、テールは、それを本当に必要とする稀少なルックアップのために、 リレーショナルテーブルの中に置いたままにする。

5.5 空の明るさ：地図を支配する一つの順位付け

インターフェースの組織的なメタファーは星図（第 8 節）であり、そのメタファーは 実際の計算に裏打ちされている。各概念には明るさ——空を整列するのに使われる数値の 等級——が割り当てられ、それは多言語グラフの中での位置から導出される：何言語の語が 結び付いているか、それらの語集合がどれほど豊かか、概念が分類体系の中でどれほど 顕著か。データベースはこれを concept_sky_rank、すなわち 96,000 超すべての概念の 事前計算された順序として実体化し、「空を見せてくれ」という要求がリクエスト時に 百万行のソートを決して必要としないようにする [H]（スクリプトと測定、 2026年9月6日）。二つの付随ビュー——concept_lang_rank（言語ごとの順位付け）と concept_word_rank（言語ごと・概念ごとの上位四語。「焼き込み」済みで、星をその 語で飾るのは 160 万語義にわたる結合ではなくルックアップになる）——が順位付け システムを完成させる [H]（スクリプト、2026年9月6日、行数は付録 A）。

5.6 有界な作業量：データベースに応用されたゲームデザイナーの規律

最後の設計原理はビデオゲームから借用したものである。ゲームは、世界がどれほど 大きくても、フレームを 16 ミリ秒で描画する：フレームごとの作業量に予算を割り 当てるのだ。Lingua Mundi も同じ規律——無制限のデータ空間における、クエリごとの 有界な作業量——を適用する。なぜなら、そのハードウェア（2014 年製ラップトップ。 第 9 節）がそれを要求するからである。いかなる要求もコーパス全体を走査してはなら ず、すべての要求はインデックスか焼き込まれたビューから始めなければならず、 インターフェースはユーザーが何かしたときだけ描画し（アイドル時の CPU ≈ 0%）、 結果は安定したウィンドウでページングされる。第 6 節と第 7 節は、この規律がぶつ かった三つの性能の壁と、それぞれが同じ方式——焼いて再導出するな——でどのよう に解決されたかを示す。

6 · アーキテクチャ：世界をインポートし、地図を提供する

6.1 パイプライン：一つのレジストリ、二十超のインポーター

すべてのデータセットはインポーター（importer）——一つの外部形式を読み取り、 正規スキーマに書き込む方法を知るプログラム——を通じて Lingua Mundi に入る。 インポーターの単一の権威あるリストは一つのファイル、インポーター・レジストリに 存在し、2026年9月の時点で、以下をカバーする二十超の登録済みプラグインを含んで いた： Princeton WordNet と英語 WordNet、Open Multilingual Wordnet（OMW）、Wiktionary とその機械可読派生版 kaikki、Wikidata、UniMorph と J-UniMorph（形態論）、 Universal Dependencies ツリーバンク（UD）、OpenThesaurus（ドイツ語シノニム）、 CMU 発音辞書、IDS 漢字構成部品分解、 CLICS 言語横断データ、語頻度リスト、そして日本語ファミリー——JMdict、 EJDict、KANJIDIC2 [H]（インポーター・レジストリとプロジェクト・ノート、 2026年9月6〜7日アクセス）。（正確を期すための注意書きが一つある：OPUS 対訳 コーパス用のフォルダがインポーター・ディレクトリに存在するが、それは空で未登録の スタブであり、ロードマップの文レイヤーを待っている——ここに挙げたのは、出荷済みの ソースとしてではなく、正直さのためである [H]（コードの棚卸し、2026年9月6〜7日）。） 各インポーターは、対象言語を同じ ISO コードに対して登録する。これこそが、スキーマを 理論上だけでなく実際にも言語非依存に保つ仕組みである [H]（コード）。

インポートは、各ソースを実行し、インポートジョブを記録し——そして第 7 節にとって 決定的なのだが——成功を報告するパイプラインによって監督される。各インポートの後、 パイプラインは順位付けビュー（第 5.5 節）を更新し、「空」が常に最新のデータを反映 するようにする [H]（スクリプト、2026年9月）。

6.2 今日のコーパス（測定値）

2026年9月6日 23:02（中部標準時）の実働データベースへの直接 SQL 測定。 2026年9月7日に再検証済み（両方のカウントは同一）[H]：

言語別の語彙の重み（充実度監査、2026年9月6日 [H]）：

これらの数字のそばには、正直な注意書きが二つある。第一に、言語別の数字は概算で ある（監査結果からの丸め）。テーブルレベルの SQL カウントは、測定時点では正確 である。第二に、コーパスは層状である：一部のデータセット（kaikki Wiktionary と語頻度リスト）は意図的にインポート実行ごとに 50,000 行に上限が設けられ、 より深いカバレッジは他のソースが供給しており、その上限は隠されるのではなく 文書化されている [H]（監査、2026年9月6日）。第 7 節は、同種の上限がリスク として文書化されなかったときに何が起きたかを示す。

6.3 API サーフェス

システムは、意図的に凍結された小さな HTTP API（FastAPI）を公開しており、その フェーズ 0 のサーフェスは、新しいフェーズが来ても決して壊れないものとして文書化 されている [H]（プロジェクト・ノート、2026年8月29日）。2026年9月に実働 検証されたエンドポイント [H]：

• /languages — 実働言語とそのメタデータを一覧する；
• /lexemes と /concepts — ページング付き一覧クエリ（8〜9月の監査で無制限と

判明した後、1 ページあたり 1,000 に上限設定）；

• /analyze — 語の形態論的／語彙的分析；
• /kanji と /lookup — 日本語の漢字・辞書ルックアップ；
• /graph/sky — 星図フィード：空の明るさで順位付けされた概念。検索（query、

lang）、深さ（skip／ティア）、メンバー語を付けるかどうか（words）、そして 与えられた概念から is-a 木を登る／下る分類体系レンズ（anchor、 lens=up|down）のパラメータを持つ；

• /graph/star/{id} — 一つの星を完全に：言語ごとのメンバー語と隣接概念。いずれも

ページングされる；

• /graph/path — 二つの概念の間の有界グラフ探索（第 5.3 節）；
• /graph/word — 「語レンズ」：語と言語が与えられると、その語義が現在リンクして

いる概念を返す。

すべてのレスポンスは圧縮され（gzip）、すべてのクエリはインデックスかマテリアライズ ド・ビューから実行されるように設計されている——第 5.6 節の「有界な作業量」の規則 [H]（コードと実働ヘッダー、2026年9月）。

6.4 なぜ設計が紙の上だけでなくデータベースの中でも言語非依存なのか

読者は今や、ループ全体を見ることができる。新しい言語は、一つの language 行 （たとえば中国語、コード cmn）と、登録済みのデータセット（OMW 中国語ワード ネット、UD 中国語ツリーバンク）として到着する。インポーターがその語彙素・語義、 そして——OMW や他の明示的な写像が存在する場合——その語義→概念リンクを書き込む。 順位付けビューが再計算され、空に新しい言語が加わり、テーブルは変わらず、 マイグレーションも API の特別扱いもない。この正確な経路に沿って計画されている 次のファミリー——中国語（官話）、広東語、韓国語、ベトナム語——は第 10.3 節で 記述され、そこにはそのスケジュールを決めるデータ可用性の偵察が記録されている [H]（セッション・ログ、2026年9月7日）。「言語を無制限に追加できる」という 設計の約束は、したがってマーケティングではない：それはスキーマの直接の帰結なのだ。

7 · 二つのインフラ教訓：「焼いて再導出するな」と「大きな音で失敗する」

どんなデータベースプロジェクトも、いつかは性能の壁にぶつかる。Lingua Mundi は 一週間のうちに三つの壁にぶつかった——そして、最も興味深い問題は速度ではなく 沈黙であることを発見した。この節は両方の物語を語る。なぜなら、それらを合わせると、 このプロジェクトの最も移転可能な工学的教訓になるからだ。

7.1 方式：焼いて、再導出しない

三つの性能の壁すべてを解決した規則は、一文で言えるほど単純である：多くのクエリが 同じ高価な計算を必要とするときは、それを一度計算し、結果を格納し、新鮮な状態に保て ——クエリごとに再計算するな。 データベース用語では、Lingua Mundi は PostgreSQL のマテリアライズド・ビュー——答えで満たされたインデックスのように振る舞う事前 計算テーブル——を使う。

• 壁 1——空の順位付け。 もともと、デフォルトの星図を要求すると、データベースは

リクエストごとにコーパス全体を再順位付けすることを強いられた：プロジェクトの 2014 年製ラップトップでは毎回約 8.6 秒かかった。修正は、順位付けを concept_sky_rank と concept_lang_rank（94,498 行と 218,120 行の事前計算）に 焼き込むことだった。その結果、デフォルトの空は約 0.25 秒で応答し、より深い要求は 数十ミリ秒で応答するようになった [H]（測定、2026年9月6日）。

• 壁 2——星への命名。 語を付けた空（言語ごと・概念ごとの上位語）を要求するには、

リクエストごとに 160 万語義をまたいで結合する必要があり、星 1,000 個ではクエリに 1 分超かかった——病的なケースである。修正は語そのものを焼き込むことだった： concept_word_rank は言語ごと・概念ごとの上位四語を事前計算し（作成時 338,378 行）、1 分超の結合を約 1.1 秒のルックアップへ、デフォルトビューを約 0.25 秒へと 変えた [H]（測定、2026年9月6日）。

• 壁 3——階層とページング。 分類体系を登り下りする（レンズ up/down）ことと、

星の安定したウィンドウをページングすることは、グラフデータベースではなく、正規の 述語、インデックス順序、安定したページングウィンドウ（DISTINCT ON 風クエリ）で 解決された——8月の「リーン・スタック」決定（第 4.5 節）の成果である [H] （コードと測定、2026年9月6日）。

各インポートの後、ビューは自動的に更新されるので、「焼き込み済み」が「古い」を 意味することは決してない [H]（スクリプト）。この方式全体は、ゲーム開発者が バジェッティング（予算配分）と呼ぶもののデータベースネイティブな実例である： 高価な作業は一度だけ、クリティカルパスの外で行われ、ユーザーのリクエストは 事前計算された答えを読むだけだ。

7.2 cat を隠した静かな切り詰め

2026年8月下旬、コーパスの英語層が、誰も上限になるつもりなどなかった行上限付きで インポートされた。監督するインポートスクリプトは、英語の Open Multilingual Wordnet インポートを候補 50,000 件に制限した——そして成功を報告した [H] （セッション・ログ、2026年9月6日、根本原因の記録）。英語の cat は、ファイルの アルファベット順で候補第 52,195 番である。それは切り捨てられた。英語の シノセット 117,659 件のうち、およそ21,830 件が決して作成されなかった。それら の意味について、英語の語義は生の辞書エントリとして存在したが、概念には決して リンクされなかった。cat という語はデータベースから欠落していたのではなく、 地図から見えなくなっていた：その意味の検索はそれを見つけられなかった。なぜなら、 その語義が指し示すはずだった意味ノードが構築されていなかったからである [H] （同じ出典）。

およそ六日間、誰も知らなかった。著者が気にかけていたデモ——一つの星の上の cat · gato · 猫——はスペイン語と日本語では機能したが、英語では空の結果を返し、その空の 結果はデータの欠落のように見えた——まるで英語にその語がないかのように。（記録から のタイミングの注記：多言語の空そのものが現れたのは、integrate_core6.py が 8月〜9月のインポート実行の終盤近くでインポート済み言語のリンクを完了したときで あり——それ以前のフォールバックの空は小さな単一言語ビューだった——だからこそ、 英語の穴が、共有概念ビューが実際に稼働した 9月上旬になって初めて表面化したのだ [H]（セッション・ログ、2026年9月6日）。）セッション・ログに記録された著者 自身の主張は、これは「データの欠落ではない——インフラの問題だ」というものだった [H]（セッション・ログ、2026年9月6日）。彼は正しかった。失敗はデータではなく、 パイプラインの正直さにあった：切り詰められたインポートが成功を報告し、システムの 何ものも、50,000 行の上限付きの「成功」が候補 52,195 にとっては失敗を意味することに 気づくよう設計されていなかった。

7.3 修正：上限なしの冪等な修復チェーン

修正——2026年9月6〜7日に設計・開始され、2026年9月8日に検証完了（第 10.1 節参照）—— は、データも信頼も失わずにデータパイプラインを修復する方法のお手本である [H]（スクリプトとセッション・ログ、2026年9月6〜7日）：

1. 上限なしで英語 WordNet を再インポートする——冪等に。途中で中断された実行も、

行を重複させることなく単純に再起動できるように；

1. 新しく作成されたシノセットについて、シノセット間の関係を再実行する；
2. 統合する：新しいシノセットを概念に昇格させ、メンバー語義の concept_id

フィールドをリンクし、概念関係を表現し直す；

1. マテリアライズド・ビューを更新する——地図が修復されたコーパスを反映する

ように；

1. エンドツーエンドで検証する——データベースから、実働 API を通して、英語の

cat が、多言語のメンバー——gato、chat、Katze、猫——とともに飼い猫 概念 princeton-wordnet:02121620-n に到達し、その概念が分類体系上の親を 持つことを証明する受入検査スクリプトで。この受入検査は、いつでも再実行でき、 大きな PASS か FAIL で終了するように設計されている。

すべてのステップが冪等（get-or-create、skip-if-exists）になるよう書かれていたため、 修復途中のマシンクラッシュは時間以外の何も失わせない：チェーンは再起動でき、仕事を 完了する。同じ性質が、実働データベースを部分的な状態から守る。

7.4 教訓：大きな音で失敗する vs. 静かに失敗する

cat のエピソードは、すべてのデータエンジニアが恐れる問題——静かに失敗して成功を 報告するパイプライン——の教科書的な事例である。方法論上の教訓——行上限は成功基準 ではなく、インポーターは完了だけでなく完全性を検証しなければならない——は、データ セットが保証なしに届き、パイプラインが手作業で組み立てられるオープンデータ・ インフラのための一般的な原理として述べる価値がある。Lingua Mundi の対応は二つの形で 制度として定着した：将来のどのインポートチェーンも実行できる受入検査スクリプトと、 未検証の主張は未検証とラベル付けするというスタジオの恒常的規則——データベースに おいて（孤児語義を可視に保ち、リンクに信頼度レベルを付ける）も、すべての書面記録に おいて（本稿の [H]/[O]/[NV] 規約、付録 A）も。孤児を見せられるシステムは、その隙間を 見つけられるシステムである。孤児を隠すシステムは、その隙間が——結局は、最悪の 人物によって——見つけられるシステムである。すなわち、cat を探しているユーザーに よって。

8 · インターフェース：意味の星図

データだけではプロダクトにならない。Lingua Mundi のインターフェースを形作った問いは 単純だった：意味の地図を見るということは、どのように感じられるべきか？ 2026年9月 の最初の一週間に練り上げられた著者の答えは、空を見るように感じられるべきだという ものだった——具体的には、架空の宝の惑星の海図のように：それぞれの星が一つの考えで あり、言語はそれを覗き込むために選ぶ望遠鏡である、航行可能な宇宙の紙の地図 [H]（セッション・ログ、2026年9月1〜7日）。この節は、その結果できたインター フェースを記述する：その教育学的メタファー、その視覚言語、その計器、そして、 それらすべてを 2014 年製ラップトップで動かせるようにする工学的規律を。

8.1 辞書ページから空へ：プロダクトの命名

インターフェースは二週間で三つの姿を経て、その名前がプロダクトの進化を追跡して いる [H]（セッション・ログ、2026年8月31日〜9月6日）。それは普通の辞書ページ （「/gui/」、8月31日に Observatory〈天文台〉と呼ばれた）として始まり、9月1日に データインポートが完了して星野ビジュアライゼーションが現れるとPlanetarium （プラネタリウム）となり、そして——著者が結果を見て、星は「足場であってプロダクト ではない」と言い放った後——9月6日の夜に意味グラフエクスプローラへと転換した： 同じ空ではあるが、いまや要点は意味であり、有効化した言語でラベル付けされた概念 ノード、関係ファミリーごとに色分けされたエッジ、そして語義を曖昧性解消する検索を 備える。古い空ビューは保存されたがリンクされず、エクスプローラが Lingua Mundi の デフォルトの顔になった [H]（セッション・ログ、2026年9月6日）。

8.2 教育学的メタファー：ダッシュボードではなく計器

インターフェースのすべての要素は、天文学と、言語プロジェクト自身の概念に一対一で 対応している——意図的な教育学的設計である（メタファー表はプロダクトの内部 ドキュメントである）[H]（セッション・ログ、2026年9月6〜7日）：

これのどれも飾りではない。ツールに対する著者の設計趣旨は記録に引用されており、 繰り返す価値がある：インターフェースは「本物の発見ツールであって、おもちゃでは ない」——学習者や研究者が真に探索できるすべての言語の地図——であり、その出典は ダッシュボードではなく航行可能な紙の地図のように振る舞うべきだ [H]（セッション・ ログ、2026年9月6日）。同じ精神で、計器パネルは意図的にスキューモーフィック （現実の器物を模した外観）である：真鍮のノブの露出ダイヤル、六分儀の測定、海図に 描かれた航路、エポック・スタンプ——古い天文台の美学であり、メニューのラベルでは なく手触りで教えるために選ばれた。

8.3 画面にあるもの

2026年9月にエンドツーエンドで検証されたエクスプローラ [H] は、以下を提供する：

• 語義の曖昧性解消を備えた検索。 スペイン語の gato と入力すると意味の星が

返る。各結果は、どの言語のどの語がその意味を共有しているかを示せる——飼い猫の星の パネルは、その多言語シノセットのメンバー、例えば英語の cat と grimalkin、 ドイツ語の Katze、日本語の 猫 を表示する（第 8.5 節）。

• 移動（トラベル）。 星をクリック（または shift クリック／測定キーを押す）すると、

それが焦点になり、空はその星を中心に再配置され、その近傍が現れる。

• 星パネル。 焦点の星の言語別メンバー、その定義、そしてその近傍——大きな近傍に

はページング付き。

• 分類体系レンズ。 星の親へ登る（「これは何の一種か？」）か、子へ下る

（「これの一種には何があるか？」）ことを、正規の is-a ファミリー述語に沿って 行う。

• 計器群（すべて実働・検証済み）：露出ダイヤルは焦点の星の視野を段階的に

広げ（90 → 180 → 360 → 720 → 1,000 星）、再移動なしでより広い空を併合する； 六分儀は二つの星の間の有界なグラフ経路を測定し（第 5.3 節の /graph/path 探索）、空を破線の金色の航路で描き、各航程を記録する；スカイマークは星を ピン留めする（ローカルに永続化されるので、自分だけの小さな星座はリロード後も 生き残る）；ワードコンパスは焦点の星の周りを語チップで取り巻く——有効な言語 ごとに一つ、クリックして検索言語を切り替えられる；そしてコースログ、ホーム 方位、エポック・スタンプ、レチクルが方向感覚を保つ [H]（セッション・ログ、 2026年9月7日）。

• 支援のアフォーダンス。 「✦ support」コントロールが寄付モーダルを開く

（第 10 節）。

8.4 2014年製ハードウェアで空をエンジニアリングする

インターフェースの美しさは、一つの厳しい制約に従属する：2014 年世代のプロセッサ、 8 GB の RAM、回転ディスクを持つマシン——データベースをホストしているのと同じ マシン——で滑らかに動かなければならない。これを可能にするエンジニアリングは、第 7 節 と同じ有界な作業量の規律をピクセルに適用したものだから、記録する価値がある [H]（監査とセッション・ログ、2026年9月6〜7日）：

• ページは入力があったときだけ描画される。 アイドル時の CPU 使用率は約 0% で、

ユーザーが何かしない限り何もアニメーションしない。恒久的なアニメーションは ない——「ポテト予算」（第 9 節）の下での意図的な選択である。

• 星雲は焼き込まれる。 装飾的な背景（紫／青緑／ローズの光彩と塵）はリサイズの

たびに一度だけ描画され、その後キャッシュされ、再描画時にはカメラのパララックス を伴う——フレームごとに再計算される代わりに。

• ラベルは割り当てられる。 フレームごとに約 24 個の星ラベルだけが描画される——

ラベル予算——再描画を安価に保ち、テキストを判読可能に保つ [H]（インターフェース のコードは配置を MAX_LABELS = 24 で制限している；gui/planetarium-v1.html）。

• リクエストは保護される。 古いレスポンストークンと中止コントロールが、ユーザーが

先へ進んだときに進行中のクエリをキャンセルする。ダブルクリックはシングルクリックの アクションを遅延させ、無駄なフェッチが発火しないようにする。リサイズはデバウンス され、キャンバスのピクセル比は上限付き（1080p でリサイズのメモリを約 24 MB から 約 11 MB に縮小）である。

• アクセシビリティは明示的である： キャンバスのロールと aria ラベル、モーション

低減（reduced-motion）のサポート、キーボード移動が、視覚的な磨きと同じパスで 追加された [H]（セッション・ログ、2026年9月7日）。

8.5 すべてを結び付けるデモ

プロジェクトの稼働デモは、語 cat——というより、それが属する概念——である。エクス プローラでスペイン語の gato を検索し、その星へ移動すると、パネルはシノセット princeton-wordnet:02121620-n と、実働言語を横断するそのメンバーを表示する。 2026年9月6〜7日のヘッドレス検査で実際にエンドツーエンド検証された部分集合はテスト ログに記録されている——英語の cat、grimalkin、felis silvestris catus （WordNet が格納する学名）、ドイツ語の Katze、スペイン語の gato、日本語の 猫——そして、データベースがそのシノセットについて格納しているより広いメンバー リスト（例：英語の housecat, mouser, puss, tomcat、フランス語の chat, chatte、 ドイツ語の Kater、日本語の ネコ、ポルトガル語の gato, bichano）は、エンド ツーエンドのログではなくインポートされたワードネットのメンバーシップに由来する。 完全な現在の列挙を知りたい読者は、第 7.3 節の受入検査クエリを再実行できる [H（未検証の尾部は [NV]）]（ヘッドレス E2E ログと実働データベース、2026年9月 6〜7日）。一つの星、六つの言語、一つの意味：2025年12月の直観が、画面の上に 見えている。このデモの英語側こそ、第 7.2 節のバグが一時的に壊したものだ： スペイン語起点の gato 検索はずっと星に到達していた一方、英語起点の cat 検索は カバレッジ修復後にしか機能せず、第 7.3 節の受入検査スクリプトは、まさに cat · gato · 猫 が星を共有していることを、要求に応じて証明するために存在する。

9 · ワークベンチ：ツール、ワークフロー、そして「ポテト」マシン

プロジェクト史は、それが構築されたワークベンチなしには不完全である。Lingua Mundi の ワークベンチは異例であり、それが課した制約は、本稿のほとんどすべての工学的決定を 形作った。

9.1 ポテト

データベース、API、インターフェース、開発環境をホストするマシンは、一台のコンシュー マ向けラップトップである：ASUS X751MA、Intel Pentium N3540（Bay-Trail、 四コア、AVX2 なし）、RAM 8 GB（使用可能 7.6 GiB）、5400 rpm ハード ディスク、そしておよそ47 KB/s のインターネット上り回線——2026年9月7日に本稿の ためにライブで取得した（[H]、マシン自身での lscpu／/proc/meminfo）。 プロジェクトのノートはこの同じマシンを、Atom Z36xx/Z37xx または Pentium N3540 と 様々に記述している——異なる名前の下の同じ Bay-Trail シリコン・ファミリーである [O]。2026 年初期のチャット記録はまた別のプロファイル（Intel Jasper Lake 「N5105」マシン）にも言及しており、第 10.2 節はこれを未解決のハードウェア記録の 矛盾として挙げている。スタジオはこの実働マシンを、愛情を込めて「ポテト」(the potato)と呼ぶ——そしてそれは記録の至る所に現れる規則を定めた：一度に一つの重い 操作、メモリガード付きラッパー、恒久的なアニメーションなし、時期尚早のインフラ なし（第 4.5 節）、そしてすべての重いジョブは、ポーリングされるのではなく完了時に 自己通知するデタッチド・スクリプトとして実行される [H]（セッション・ログと ツーリング、2026年9月）。「焼いて再導出するな」方式（第 7 節）、入力時のみ描画の インターフェース（第 8.4 節）、ゼロ LLM コストの調査サーフェス（第 9.4 節）は、 突き詰めればすべてポテトの帰結である——きつい予算が制限ではなく設計上の美徳になり うることの証明だ。

9.2 ソフトウェアスタック

実働システム（2026年9月にライブ検証済み [H]）：唯一のデータストアとしての PostgreSQL 16（第 4.5 節）、API 層としての FastAPI（Python）、モデルと マイグレーションのための SQLAlchemy + Alembic、インポーターと マテリアライズド・ビュー管理のための Python スクリプト、そして同じオリジンから 配信される依存関係ゼロの小さなウェブインターフェース（HTML/CSS/JavaScript）。 補助的な仕組みには、API とメモリ／温度ガードを生かしておく systemd ユーザー サービス（第 9.5 節）、コードベースの日次 GitHub バックアップ、プロジェクト記憶 としての Obsidian ナレッジベース（第 9.3 節）、インターフェースのためのヘッドレス Chromium エンドツーエンド検査、そして自己通知型バックグラウンドジョブの ためのスタジオの detach-run + notify ツーリングが含まれる [H]（サービスと ツーリングの棚卸し、2026年9月）。

9.3 ナレッジベース：監査可能なプロジェクト記憶

2026年8月26日以降、著者と彼のエージェントは構造化ナレッジベース（Obsidian ボールト） を維持しており、そこではすべての作業セッションが記録される：行った作業、下した 決定、次のアクション、各事実の出所となったファイル——フロントマターが来歴を記録し、 verified: true/false フラグを保持する [H]（ボールト規約、2026年8〜9月）。 このボールトこそ、本稿が日付と引用を引用できる理由である：「セッション・ログ、 2026年9月6日」と本稿が書くとき、それは存在し、その日に書かれ、自身の出典ノートを 持つファイルを指しているのだ。方法として言及に値するボールトの規約が二つある： すべての主張はその出典を述べることになっており、歴史は決して捏造されない—— 未確認の資料は保持されるが、未検証とフラグ付けされる [H]（ボールト規約）。 それらの規約は、本稿の規約でもある（付録 A）。

9.4 ゼロトークン調査とローカル・ファースト規則

著者の恒常的な規則——2026年8月29日のプロジェクト・ノートに見える——は、ローカル API こそが調査サーフェスであるというものだ：/lexemes、/concepts、/analyze は、 LLM トークンをゼロ消費でコーパスについての問いに答える [H]。同じローカル・ ファーストの本能が、データ（すべて自己ホスト、ベンダーに依存するものは何もない）、 金銭（無料ティアとオープンデータのみ。第 10 節）、プライバシー（秘密は決してマシンの 外に出ない。ナレッジベースは非公開）を支配する [H]（セッション・ログ、 2026年9月）。

9.5 脆弱なマシンの上のガードレール

ポテトには余裕がないため、スタジオはそれ自体がエンジニアリングの物語の一部である ガードレールを構築した：利用可能メモリが 900 MiB を下回るか温度が 80 °C を 超えると警告し、500 MiB または 88 °C を下回ると任意のバックグラウンドユニット を切り離すメモリ／温度ガード（tools/mem-manager.sh、v2、2026年9月7日稼働）に 加え、システムレベルのアーリー OOM キラー（earlyoom -m 8 -s 5、すなわち空き メモリが 8% を下回って崩壊したときに動作し、5 秒周期）[H]（実働設定： mem-manager.sh の閾値と /etc/default/earlyoom、2026年9月7日読取）。スタジオの 運用規則は、それらのガードレールが働く必要をなくす：一度に一つの重い操作、 メモリガード付きラッパー、そして長時間実行されるすべてのものに対する自己通知型 デタッチドジョブ。長い修復は冪等（get-or-create、skip-if-exists）になるよう 書かれ、再起動、停電、ガードの発動といったどんな中断も時間以外の何も失わせない： 修復は単純に再起動すれば仕事を完了する（第 7.3 節）。同じ規律は、並行性そのものを メモリやディスクと同様に予算化されるべき資源として扱う。

9.6 ガバナンス：ライセンス、帰属、そして「永久無料」決定

Lingua Mundi のすべてのデータセットは、そのライセンスを記録されて入った（リポジトリ の docs/DATA_LICENSES.md 棚卸し、実働データベースの source テーブル）[H]： WordNet（許容的）、Open Multilingual Wordnet（言語ごとのライセンス。大部分は CC BY-SA と CC BY）、Wiktionary と kaikki（CC BY-SA、GFDL の従来条項付き）、Wikidata （CC0）、UniMorph（CC BY-SA 3.0）、Universal Dependencies（CC BY-SA 4.0）、 JMdict／KANJIDIC2 と EDRDG ファミリー（許容的、帰属表示付き）、OPUS（データセット ごと）、CLICS と語頻度リスト（出典ごと）、などなど [H]（ライセンス棚卸し、 2026年9月アクセス）。プロジェクトもそれに応える：自身の出力も無料にする計画である。

資金モデルは 2026年8月下旬から 9月上旬にかけての九日間で公開の場で進化し、 記録は各ステップを示している [H]（セッション・ログとカレンダー、2026年8月29日〜 9月7日）：8月29日にはオフラインの Core 6 辞書アプリ（Texupan、$29 または 月額 $9）を売る初期計画。9月1日までに store hub に決済リンク付きのストア リスティング。そして——9月7日までに——Lingua Mundi を、任意の寄付によって賄われる 永久無料にする決定。 Stripe のプロダクトは文字通り "Lingua Mundi — keep it free forever" と名付けられ、一回払い €5/€15/€50、月額 €3/€9/€25、そしてインフラと次の言語のデータ作業を賄う正直な年間目標 €2,400 [H]（セッション・ログ、2026年9月7日）。アカウントは意図的に休眠状態で設定 された——著者が決済プロバイダの本人確認を完了するまで寄付は無効——そのため 「永久無料」は、著者の枠組みでは、スローガンではなく検証可能な主張である [H]（セッション・ログ、2026年9月7日）。 本人確認は2026年9月8日に完了し、六つの決済リンクは同日朝に稼働した。それらはストアの資金調達セクションに公開されている [H]（Stripe アカウントの記録と決済リンクの履歴、2026年9月8日）。公開向けの文章は、スタジオの声の規則 （前付け）と正直なコピーの規則に従う：誇大広告なし、過剰主張なし——データベースと 本稿を支配するのと同じ規律である。

10 · プロジェクトの現状（2026年9月7日）、その正直な限界、そして今後の道

10.1 システムの現在の状態

2026年9月6〜7日に実働システムに対して直接測定した [H]（正確なクエリについて は付録 A 参照）：

• コーパス（修復前スナップショット、2026年9月6〜7日）： 概念 96,434 · 語彙素

1,238,383 · 語義 1,608,018 · 関係 171,672——六つの実働言語（英語、スペイン語、 フランス語、ドイツ語、ポルトガル語、日本語）で、SQL カウントは二つの測定日で 同一に再現された。

• コーパス（修復後、2026年9月8日）： 修復レポート（lm-en-coverage-REPORT-2026-09-08.txt、

RESULT: PASS）に記録された通り、125980 concepts / 125980 synsets / 352333 English lexemes。cat の星 princeton-wordnet:02121620-n の多言語メンバーは、 英語、スペイン語、日本語、ドイツ語、ポルトガル語に及ぶ（cat, gato, 猫, Katze, Gato doméstico）。

• 順位付けビュー： concept_sky_rank 94,498 行、concept_lang_rank 218,120

行、concept_word_rank 作成時 338,378 行（ライブ再カウントは標準データベース ロールに拒否された。[NV] と標示）。

• 性能： デフォルトの空 ≈ 0.25 秒（ウォーム。順位付けビューの前は 8.6 秒）、

語付きの深い 1,000 星クエリ ≈ 1.1 秒（語ビューの前は 60 秒超）、グラフ経路探索は ミリ秒、検索 ≈ 0.5 秒（ウォーム）／ハードディスクのページキャッシュ上で ≈ 10 秒 （コールド）。

• インターフェース： 意味グラフエクスプローラが API のウェブオリジンで稼働中。

すべての計器（露出ダイヤル、六分儀、スカイマーク、ワードコンパス、コースログ、 エポック・スタンプ）は、2026年9月6〜7日のヘッドレスブラウザによるエンドツー エンド検査 23/23 件で検証済み。

• 英語カバレッジ修復： 上限なしの英語 WordNet 再インポート、関係、統合、ビュー

更新、エンドツーエンド検証のチェーン（第 7.3 節）は 2026年9月7日の朝に開始され、 2026年9月8日 22:19（2026-09-08 22:19:12）に完了まで実行された。その受入ゲートは 合格した：チェーン自身のレポート（lm-en-coverage-REPORT-2026-09-08.txt、 RESULT: PASS）は、概念にリンクされた英語の cat 語義が princeton-wordnet:02121620-n 上にあり、その多言語メンバーに cat、gato、猫、 Katze、Gato doméstico が含まれることを記録している [H]（レポート、 2026年9月8日）。

• ガバナンス： 寄付チャネルは稼働中 — 本人確認は2026年9月8日に完了し、六つの決済リンクをストアで公開。コードベースは日次バックアップ済み。ナレッジベースは最新。

10.2 正直に言って未知のこと、そして未解決のこと

スタジオの検証規約は、本稿に、検証できなかったことを率直に述べ、出典間の矛盾を 記録することを要求する。重要なもの：

1. 「Core 6」の不一致。 著者の個人的な言語セット（2026年8月29日記録）は、

スペイン語、英語、日本語、フランス語、イタリア語、ポルトガル語である。 実働データベースの六言語は、英語、スペイン語、フランス語、ドイツ語、 ポルトガル語、日本語である。ドイツ語は、残存する書面による説明なしにデータベース 内でイタリア語を置き換えた。イタリア語の言語行とイタリア語データセットは以前に 登録されていたが、実働テーブルはドイツ語を保持している [H]。その理由は [NV]（仕様書のティア——中国語とイタリア語を含みドイツ語を含まない——について は第 4.2 節も参照。三か月の間に三つの異なる公開言語セットが発表された）。

1. 単日内のコーパスカウントのずれ。 2026年9月6日に書かれた技術ドシエは

語彙素 1,146,066 ／ 語義 1,595,537 を報告する一方、同じ夜の直接 SQL は 1,238,383 ／ 1,608,018 を報告する（概念と関係は同一：96,434 ／ 171,672）。 同じ夜のセッション・ログは第三の中間的な数字（語彙素約 115 万）を保持しており、 これはその日のうちにインポートがまだ着地していたことと整合する。言語別の合計は SQL の数字と一致するので、ドシエの数字は別の時点または別のフィルタによるものと 見える。この不一致は記録に説明がない [H]、その整合は [O]。本稿は SQL の 数字をその日付とともに引用する。

1. ハードウェア記録の矛盾。 2026年9月に実働システムをホストしていたマシンは、

本稿のために Intel Pentium N3540（Bay-Trail）、RAM 8 GB を備えた ASUS X751MA として直接取得された（第 9.1 節）[H]。書面による記録はより雑然として いる：プロジェクト・ノートはこのマシンを Intel Atom Bay-Trail（Z36xx/Z37xx）と 記述し、Pentium N3540 とも記述する——二つのマーケティング名の下の同じシリコン 世代である [O]——一方、2026 年初期の会話記録は別のマシン、Intel Jasper Lake「N5105」（RAM 12 GB、2026年1月）、その後「Jasper Lake 4 チップ」 （2026年5月）、「Intel Jasper Lake N5105、4 GB」（2026年中期のメモリファイル）に 言及する。Jasper Lake は Bay-Trail シリコンではないため、記録は一年の間に二つの 異なるマシンを記述しているか、アシスタントの誤ラベル付けのどちらかであり、 現存する証拠はどちらかを決められない。この点は、糊塗されることなく、ここで 標示される [H]、その整合は [NV]（セッション・ログと AI 会話記録、 2026年1〜9月）。

1. 9月の監査によるデータ品質の警告： コーパスには、重複レンマ（見出し語）ペア

178,576 件、語義を持たない語彙素 124,790 件、定義が空の 33.9%、そして（英語の 修復前）概念にまだリンクされていない語義 71.7% が含まれる。同じ監査は、参照整合性 が全体を通じて保たれていることを見出した（合計は正確、データベースレベルで ダングリング／孤児行ゼロ）：71.7% という数字はまだ概念にリンクされていない語義、 すなわち設計された可視の孤児状態を記述するものであり、壊れた参照ではない—— 整列作業が続く間、プロジェクトが意図的に可視に保つ正直な区別である [H] （監査、2026年9月5〜6日）。

1. 未測定または保留中： ポテト以外のハードウェアでの性能は一度も測定されて

いない。プロジェクトにはまだ公的なユーザーがいないので、実際の利用指標はない。 スタジオの法的構造は記録に文書化されていない。「両朝鮮」のモデリング問題、広東語 データの希少性、台湾ワードネットのライセンス審査は未解決である（第 10.3 節）。

10.3 今後の道

2026年8月29日にユーザー承認されたロードマップは、6月の原稿の七つのグラフの成熟した 形態である [H]（プロジェクト・ノート）：音声学／音韻論、形態論（インポート済み）、 統語論（インポート済み）、意味論（インポート済み）、辞書学（インポート済み）、コーパス （インポート済み）、そして——待機中として——談話、語源、対応層と用法層、さらに将来の 公開ウェブインターフェース。近い将来については、文書化された計画は次の通りである [H]（セッション・ログ、2026年9月7日）：

• CJKV ファミリー。 次にスキーマへ計画されている言語は、中国語（官話、cmn）、

広東語（yue）、韓国語（kor）、ベトナム語（vie）である。それらのスケジュールは、 オープンデータの状況が何を提供するかに正直なデータ可用性の偵察に依存する： OMW Wiktionary ワードネットは、中国語（官話）19,079 行、広東語 527 行、韓国語 9,268 行、ベトナム語 5,498 行に存在する。UD ツリーバンクは、中国語（官話）123k トークン、広東語 14k、韓国語 80k（GSD）＋ 350k（Kaist）、ベトナム語 58k。 広東語が希少なものだ——大きなワードネットがなく、ツリーバンクも小さい——そして 台湾ワードネットのライセンスは審査中である [H]（セッション・ログとデータ棚卸し、 2026年9月7日）。本草稿の時点で CJKV データセットは実働コーパスにまだ一つも インポートされていない。このファミリーの時期は、その審査を待つ未解決の決定である。

• research-v1 インターフェース・ペイン（語レンズ、系統の登攀、フィールドカード、

ノートブック、比較テーブル）は 2026年9月6日に設計されバックエンド承認され、計器 の構築の後ろに待機中である [H]。

• 出版。 本稿は予備的な AI 生成草稿であり、人間執筆の刊行物は開発中である

（前付け）。

• 果てしない言語。 スキーマの約束——言語を一行プラスデータセットとして追加する——は、

プロジェクトの明言された長期的目標であり、寄付の売り文句はそれを率直に言う： Lingua Mundi は六つの言語で始まり、無制限に追加できるよう構築されている [H]（セッション・ログ、2026年9月7日）。

10.4 結論

2025年12月3日に無料の辞書ファイルを求める依頼として始まったものは、いまや、一人の 人間が無料のツールと 2014 年製ラップトップでオープンデータの上に築いた、稼働中で 照会可能な六言語の意味の地図である。それを支えた考え——意味が多言語データの自然な 単位であること、整列は明示的でラベル付けされ、決して黙って推測されてはならないこと、 高価な計算は一度焼き込んで何度も読むべきこと、予算の制約は設計ツールであること、 データベースであれ論文であれ、すべての主張はその出典と日付を保持すべきこと——は 新しいものではないが、真実であり、プロジェクトは一人の人間がそれらに従って行動 できることを実証している。その最も価値ある成果物は、ひょっとするとデータベース そのものではなく、一人の独立研究者が公衆の面前で正直なインフラを築けることの実証 かもしれない：自分が測定するものを測定し、自分が日付を記すものに日付を記し、 自分の孤児を見せ、自分の約束を守る——一つの星、六つの言語、そしてまだ見ぬ空全体を 前にして。

参考文献

APA 第 7 版。書誌事項は 2026年9月7日に出版社のページと DOI（デジタルオブジェクト 識別子）レジストリに対して検証した。ソフトウェアとデータの出典は、APA のソフト ウェア／データセット形式に従って引用する。（本文で引用したもののみを列挙する。）

Bond, F., & Foster, R. (2013). Linking and extending an open multilingual wordnet. In Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (pp. 1352–1362). Association for Computational Linguistics. https://aclanthology.org/P13-1133/

Braille Institute of America. (2019). Atkinson Hyperlegible [Computer font]. https://brailleinstitute.org/freefont

Breen, J. W. (2004). JMdict: A Japanese-multilingual dictionary. In Proceedings of the Workshop on Multilingual Linguistic Resources (COLING 2004) (pp. 65–72). COLING. https://aclanthology.org/W04-2209/

Electronic Dictionary Research and Development Group. (n.d.). JMdict / EDICT Japanese–English dictionary project [Data files and documentation]. Retrieved September 7, 2026, from https://www.edrdg.org/jmdict/edict_doc.html

Fellbaum, C. (Ed.). (1998). WordNet: An electronic lexical database. MIT Press. https://mitpress.mit.edu/9780262561167/wordnet/

Gaia Collaboration, Brown, A. G. A., Vallenari, A., Prusti, T., de Bruijne, J. H. J., Babusiaux, C., … Zwitter, T. (2018). Gaia Data Release 2: Summary of the contents and survey properties. Astronomy & Astrophysics, 616, Article A1. https://doi.org/10.1051/0004-6361/201833051

Hernández, R. (2026, June 1). Lingua Mundi: A semantic infrastructure for concept-grounded language models (Versions 1–7) [Unpublished manuscript; revision and audit records preserved in the author's conversation-log archive].

Hernández, R. (2026, July 24). Multilingual Lexical Platform — Engineering specification (Version 2.0) [Unpublished specification document; text extraction on file].

Kirov, C., Cotterell, R., Sylak-Glassman, J., Walther, G., Vylomova, E., Xia, P., Faruqui, M., Mielke, S. J., McCarthy, A., Kübler, S., Yarowsky, D., Eisner, J., & Hulden, M. (2018). UniMorph 2.0: Universal morphology. In Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC 2018). European Language Resources Association. https://aclanthology.org/L18-1293/

McCarthy, A. D., Kirov, C., Grella, M., Nidhi, A., Xia, P., Gorman, K., Vylomova, E., Mielke, S. J., Nicolai, G., Silfverberg, M., Arkhangelskiy, T., Krizhanovsky, N., Krizhanovsky, A., Klyachko, E., Sorokin, A., Mansfield, J., Ernštreits, V., Pinter, Y., Jacobs, C. L., … Yarowsky, D. (2020). UniMorph 3.0: Universal morphology. In Proceedings of the Twelfth International Conference on Language Resources and Evaluation (LREC 2020) (pp. 3922–3931). European Language Resources Association. https://aclanthology.org/2020.lrec-1.483/

Meyer, C. M., & Gurevych, I. (2012). Wiktionary: A new rival for expert-built lexicons? Exploring the possibilities of collaborative lexicography. In S. Granger & M. Paquot (Eds.), Electronic lexicography (pp. 259–292). Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199654864.003.0013

Miller, G. A. (1995). WordNet: A lexical database for English. Communications of the ACM, 38(11), 39–41. https://doi.org/10.1145/219717.219748

Nivre, J., de Marneffe, M.-C., Ginter, F., Hajič, J., Manning, C. D., Pyysalo, S., Schuster, S., Tyers, F., & Zeman, D. (2020). Universal Dependencies v2: An evergrowing multilingual treebank collection. In Proceedings of the Twelfth International Conference on Language Resources and Evaluation (LREC 2020) (pp. 4034–4043). European Language Resources Association. https://aclanthology.org/2020.lrec-1.497/

Princeton University. (n.d.). About WordNet. WordNet. Retrieved September 7, 2026, from https://wordnet.princeton.edu/

SIL International. (n.d.). ISO 639-3. Retrieved September 7, 2026, from https://iso639-3.sil.org/

de Saussure, F. (1983). Course in general linguistics (C. Bally, A. Sechehaye, & A. Riedlinger, Eds.; R. Harris, Trans.). Duckworth. https://www.bloomsbury.com/us/course-in-general-linguistics-9781472508829/ (Original work published 1916)

Speer, R. (2022). wordfreq: A database of word frequencies in many languages (Version 3.0) [Computer software]. GitHub. https://github.com/rspeer/wordfreq

Tiedemann, J. (2012). Parallel data, tools and interfaces in OPUS. In Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC 2012) (pp. 2214–2218). European Language Resources Association. https://aclanthology.org/L12-1246/

Vrandečić, D., & Krötzsch, M. (2014). Wikidata: A free collaborative knowledgebase. Communications of the ACM, 57(10), 78–85. https://doi.org/10.1145/2629489

Wikimedia Foundation. (n.d.). Wiktionary: The free dictionary. Retrieved September 7, 2026, from https://www.wiktionary.org/

Zipf, G. K. (1949). Human behavior and the principle of least effort. Addison-Wesley Press. https://archive.org/details/humanbehaviorpri0000zipf

付録 A · 出典、方法、検証

A.1 注釈の規約

スタジオの厳密性基準（その調査業務から受け継がれたもの）に従い、本稿の主張は、 読者がその認識論的な地位を知る必要がある箇所でタグ付けされる：[H] = 検証済みの 事実——本稿のために参照した測定、コード、または日付入りの出典。[O] = 帰属付きの 解釈または意見。[NV] = 未検証／未特定。要旨と本文のすべての数字は、日付付きの [H] 測定であるか、ラベル付けされている。

A.2 参照した出典ファミリー（アクセス：2026年9月6〜7日）

代表的な検証クエリ（2026年9月7日実行、ロール lingua）： SELECT count(*) FROM concept|lexeme|sense|relation → 96,434 / 1,238,383 / 1,608,018 / 171,672。SELECT code FROM language → deu, eng, fra, jpn, por, spa。シノセット 02121620-n の言語別メンバーシップ（第 8.5 節）。プロジェクト自身の 受入検査スクリプト verify-lm-cat-demo.sh（第 7 節）。

A.3 日付付きの主要な数字（圧縮された年表）

A.4 矛盾と未解決の項目

第 10.2 節に文書化された通り：イタリア語／ドイツ語の Core 6 不一致。同日中のコーパス カウントのずれ（ドシエの語彙素 1,146,066 対 SQL の 1,238,383。同じ夜のセッション・ ログには第三の中間的な数字があり、言語別に SQL の数字と一致する）。ハードウェア記録 の矛盾（Atom Bay-Trail 対 Pentium N3540 対、2026 年初期の記録にある Jasper Lake N5105——第 10.2 節の項目 3）。71.7% の未リンク語義とその他のデータ品質警告。そして 未検証／未文書化の項目：8月26日より前の正確なリポジトリ設立日、言語セット変更の理由、 6月1日の監査テキストのモデル来歴（監査は著者の ChatGPT 会話にユーザー側から現存 するが、どのアシスタントモデルがどの監査ラウンドを書いたかはエクスポートの中で独立に 証明されていない——第 3.3 節参照）、concept_word_rank のライブ再カウント （権限拒否）、そしてスタジオの法的構造。

A.5 方法論の注記

• 試験対象のシステムは本番システムである。ウォーム測定は ±0.3 秒のハードディスク

ノイズを含む。日付と時刻は記録自身のタイムゾーンで示される（注記がない限り中部 標準時。DeepSeek のログは +08:00 を使用しており、変換済み）。

• 引用は、引用元のログ／ファイルからの逐語引用である。省略は省略記号で示される。

本文中で使われるスペイン語の引用には、英語のグロスが付されている。

• 本稿自体が AI 生成の草稿である（前付けの注意書き）。著者の指示のもと、上記の出典

から執筆され、査読を受けていない。検証ツーリング：直接 SQL、HTTP クエリ、ヘッド レスブラウザ検査、出典ファイルの読み取り。出典が存在する場合、記憶から埋められた 主張はない。

付録 B · 用語集 — 本稿で用いる平易な用語

この用語集の使い方：本稿で技術用語が初めて登場するとき、その用語には点線の下線が 付される——ホバー（またはタップ）すると簡単な定義が表示され、クリックするとここへ 移動する。このリストはアルファベット順である。

• Alignment — ある言語のある語が、別の言語のある語と同じことを意味すると判定すること。
• API — あるプログラムが別のプログラムにデータを要求することを可能にするインターフェース（例：辞書アプリが Lingua Mundi データベースに語を問い合わせる）。
• Autonym — その言語の話者自身がその言語を呼ぶ名前（スペイン語話者はスペイン語を español と呼ぶ）。
• Bake — 高価な答えを一度計算して格納し、何度も読み出すことを指すプロジェクト用語（作業規則は「焼いて再導出するな」bake, don't re-derive）。
• Breadth-first search — 石から広がる波紋のようにグラフを層状に外へ探索し、二点間の最短経路を見つける方法。
• CJKV — 中国語・日本語・韓国語・ベトナム語に及ぶ文字体系ファミリーの略称（各文字は文字体系名の頭文字）。
• Concept — 言語をまたいで共有される意味（特定の語ではなく「飼い猫という考え」）。
• Corpus — 証拠として用いられる言語データ（テキストや辞書エントリ）の大規模な集まり。
• Dataset — 一つの出典からの、独自の形式とライセンスを持つ、パッケージ化されたデータの集まり。
• Derivation / etymology — 派生（derivation）は既存の語から新しい語が作られる仕組み（run → runner）。語源（etymology）は時間と言語を横断する語の歴史。
• ETL — 抽出・変換・格納（extract-transform-load）：外部出典からデータを読み取り、整形し、データベースに格納するプロセス。
• FastAPI — このプロジェクトが提供する種類のインターフェース（API）を構築するための、無料のオープンソース Python フレームワーク。
• Full-text search — 正確な識別子ではなく、格納されたテキスト内の語の一致によってデータベースを検索すること。
• Grapheme — 書記素：アルファベットの文字、音節文字、または漢字のような書き言葉の文字。
• Graph — 本稿では、型付きの関係（エッジ）で結ばれた意味（ノード）の集合。
• Gzip — ファイルがインターネットを移動する前に小さくする標準的な圧縮方法。
• HTTP — ウェブブラウザと API がインターネット上でデータを要求し受信するために使うプロトコル。
• Hypernym / taxonomy — 上位語＝「〜の一種」：feline（ネコ科の動物）は domestic cat（飼い猫）の上位語である。タクソノミー（分類体系）は、その結果できる「種」の木。
• Importer — 一つの外部データセットを読み取り、Lingua Mundi 自身のスキーマに書き込む方法を知るプログラム。
• Index — 本の索引のように、すべてのページを読む代わりにクエリが行を速く見つけられるようにするデータベース構造。
• Inflection / morphology — 屈折は文法のために語の形を変えること（run → ran）。形態論はそれらの形を研究する分野。
• Instance-of / part-of — グラフ内の二つの関係タイプ：「これはあれの一例である」（猫は哺乳類の一種の一例）と「これはあれの一部である」（前足は猫の一部）。
• Interlingua — 言語間の共有中間表現：スペイン語→英語を直接翻訳する代わりに、スペイン語→意味→英語と進む。
• ISO 639-3 — すべての人間の言語に固有の三文字コードを割り当てる国際規格（spa = スペイン語、jpn = 日本語）。
• JMdict / KANJIDIC2 — JMdict は大規模な日本語・多言語辞書。KANJIDIC2 はその姉妹ファイルで、読みと意味を持つ漢字（日本語で使われる中国起源の文字）のファイル。
• JSON Lines — 各行が一つのデータレコードである単純なテキスト形式。プロジェクトの初期のパイプラインファイルに使われた。
• Kaikki — Wiktionary データの機械可読な抽出物。元のページよりもプログラムが読みやすい。
• Kanji — 日本語の文章で使われる、中国起源の文字。
• Lemma — 語の辞書形（引くときに使う形：cat であって cats ではない。run であって ran ではない）。
• Lexeme — 特定の言語における語形（文字列 cat）。
• License — データをどのように使用・共有できるかを定める法的条件。「オープン」ライセンスは帰属表示付きの再利用を許す（例：CC BY-SA）。
• Long tail — ジップ的分布の遠い端にある、大量の稀少項目（ジップの法則を参照）。
• Materialized view — 格納された事前計算のクエリ結果。定期的に更新されるので、繰り返される質問が作業をやり直さない（「焼き込み」方式）。
• Morphology — 語形と、文法のために語形がどう変わるかの研究（屈折を参照）。
• Natural language — プログラミング言語と対比される、人々が実際に話し書く人間の言語。
• Node / edge — グラフにおいて、ノードは一つの項目（ここでは一つの概念）、エッジは二つの項目の間の接続（ここでは型付きの関係）。
• OMW / Open Multilingual Wordnet — 英語 WordNet に整列されたワードネットの集合。
• OPUS — ウェブと映画字幕から集められた翻訳文の大規模なコレクション。
• Orphan sense — まだ共有概念にリンクされていない辞書の意味。隠されず、可視のまま保持される。
• Pagination — 長い結果リストを、一度にすべて送る代わりに番号付きページに分割すること。
• Part of speech — 語の文法的クラス：名詞、動詞、形容詞など。
• Pipeline — 生の出典からクリーニング段階を経て最終的な居場所へデータを運ぶプログラムの連鎖。
• Plugin / registry — プラグインは一つのデータセットのための小さな追加プログラム。レジストリはそれらの単一の権威あるリスト。
• Polysemy — 一つの語が複数の意味を持つこと（bank：川岸／銀行）。
• PostgreSQL — 無料のオープンソースのリレーショナルデータベース（Lingua Mundi がすべてを格納するシステム）。
• Relation — 二つの概念の間の型付き・有向の接続（飼い猫 は ネコ科動物である）。
• Schema — データベースの設計図：どのテーブルが存在し、各行が何を保持し、テーブルが互いにどう参照するか。
• Sense — 一つの辞書が記録する、一つの語の一つの意味。
• Signifier / signified — ソシュールによる語の二つの面：その音または形（シニフィアン）と、それが指し示す概念（シニフィエ）。
• Sky brightness / magnitude — どれだけ多くの言語と語が結び付いているかに基づく、意味の「重要度」のプロジェクト独自の順位付け。
• SQL — リレーショナルデータベースに質問するための標準言語。
• Synset — ある文脈で同じ意味を表現できる語の集合。Lingua Mundi では、シノセットの意味は概念として格納される。
• Token — 機械学習において、モデルが読み書きするテキストの小さな塊（多くの場合、語または語の一部）。
• Treebank — 文法（どの語がどの役割を果たすか）で注釈付けされた実在の文のコレクション。
• UD / Universal Dependencies — 多くの言語の文法注釈付き文データをオープンライセンスで公開するコミュニティプロジェクト。
• UniMorph — 語形（屈折）データの多言語リポジトリ。
• URI — 事物の安定した固有のアドレス。ここでは概念に使われる（例：飼い猫の princeton-wordnet:02121620-n）。
• Wikidata — 機械可読な識別子を持つ言明の、ウィキメディアの構造化ナレッジベース。CC0 で公開されている。
• Wiktionary — ウィキメディア財団が運営する共同編集型辞書。
• Word form — 一つの言語における語の一つの綴り。語彙素を参照。
• WordNet — 元祖の英語の意味組織型語彙データベース（プリンストン）。OMW は他の言語をそれに整列させる。
• Wordfreq — 言語横断の語頻度リストのデータベース。語の一般的度合いによる順位付けに使われる。
• Writing script — 言語が書かれる文字の集合（ラテン文字、アラビア文字、漢字など）。
• Zipf's law — 少数の語が使用の大部分を占め、稀少語のロングテールが残りを占めるという観察。