情報とは何か

ーーその本質を考えるーー

                                                                                 久保田隆成

Top Page に戻る   目次に戻る

第２章　情報の本質

2.4 識別・認識・理解

　＜コンピュータにおけるパターンの識別＞

（２）文字の識別

　　コンピュータが文字を識別するためには、先ず、文字を光学的な読み取り装置（Optical Character Reader; OCR, スキャナー）によって、文字としてコンピュータに取り込まなければならない。スキャナーで取り込んだ段階では、文字でなくまだ画像の状態である。

　　では、文字と画像の違いは何であろうか。画像は、文字を背景を含めて、ビットマップとして取り込んでいる。これは写真と同じである。私たちの網膜にも、画像として写っているのだが、脳の働きによって、文字画像を抽象化された文字として、背景から無意識に分離して取り込んでいる。

　　しかし、コンピュータには、人間の脳のようなパータン認識の能力はない。コンピュータの基本的なアーキテクチャは次の３つである。

　　�@ デジタル処理。　�A 逐次処理。　�B プログラム（ソフトウェア）内蔵。

　　キーボードから入力される文字は、キーに対応する文字コードに変換されて入力されると同時に、そのコードに対応する文字フォント（font）がディスプレイに表示される。すなわち、文字は、コンピュータ内で、情報としては、「文字コード」として扱われる。

　　それで、郵便番号読み取り装置に見るごとく、スキャナーで読み取られた文字画像は、内蔵されているプログラムによって、その特徴が分析されて、その特徴から固有の文字と識別され、文字コードに変換される。これで、画像文字からテキスト文字（文字コードによって表現さてた文字）になるのである。

　　テキスト文字から構成されてるファイルを「テキストファイル」という。「テキストファイル」はワードプロセッサー（ワープロ）によって作成される代表的なファイルである。その特徴は、柔軟に編集が出来ることである。これは、「パターンとしての文字」を「文字コード」に変換して、デジタル情報とし保持ていることによる。

　　文字コード表の例を下表に示す。

　表の左半分の「ASCII」(American Standard Code for Information Interchange)は、７ビット以内に収まり、８ビット必要ないが、インドヨーロッパ言語圏でも例えばロシア語の使用文字は３３文字で、少なくとも８ビット必要である。コンピュータでは、文字をコード化すために必要な最小単位を８ビットとして、この単位を「Byte; B」と呼んでいる。

　文字コードは、文字の形（パターン）の情報を持っているわけでなく、人為的に割りつけた数字符号であるから、文字コードから、文字の形を想い浮かべることはできない。これがアナログとディジタルの違いであり、恐ろしいことでもある。コンピュータで文字化けが起こるのも、コードと文字の対応の狂いによるものである。世界には、多くの言語存在し、それぞれの国が独自の文字コード表を使っている。日本など漢字圏の文字は、文字数が多いために、コード化に ２ Byte (65,5236) をあてている。「ASCIIコード」と「JIS漢字コード」に一部重複する部分が生じ、これを避けるために、「Shift 漢字コード」が生まれた。次に、その外観を示す。

図2.12 Shift ＪＩＳ漢字コード

　コンピュータには、文字のパターンとしての実体が「フォント（font）；書体」として、予め保存されレている。私が現在使っているパソコンに保存されていう「MS明朝体」のフォントのサイズ（保存容量）は、9,822 KB(約 10 MB)である。一方、JIS漢字コード（第１〜第４水準及び非漢字、2004年現在）による漢字の数は、11,233 字であるから、コード化に要するバイト数は、11,233 × 2 = 22,466 B ≒ 23 KB である。漢字の数を最大５万と見積もっても、コード化に要するバイト数は 100 KB である。ワープロ・ソフトは、今や、パソコンの主要なソフトになっているが、その一つである「Word」の漢字辞書「IME」のサイズは、388 KB である。これらに比較して、フォントのサイズがいかに大きいかがわかるであろう。

 　コードは、「住民票コード」として、個人に対しても付番されている。ランダムな１０進１０桁＋１桁のチェックディジットから構成されている。なお、１０進１０桁は、１００億人を識別可能な数である。このコード化によって同姓同名による混同を避けるとともに、個人に関する効率的な情報処理が可能になる。

　ワープロで、ページ設定：用紙A4、１行文字数４０文字（日本語）、１ページ３６行　で作成した文書の文字数＝４０×３６＝１,４４０字　であるから、そのサイズ（保存容量）は、テキスト・ファイル（ファイル名の拡張子「.txt」）として保存した場合、１,４４０×２B ≒ ３KB　である＜注＞。１ＧＢのメモリーがあれば、３３万ページの文書が保存できる。親指ほどの大きさの ４GB の ＵＳＢ メモリーは、最近、価格が安くなって、千円以下で購入できる。この ＵＳＢ メモリーを使えば、１３２万ページ もの文書が保存できる。

　＜注＞「Word 2003」で作成し、拡張子「.doc」で保存した場合そのサイズは、30 KB、「Word 2007」で作成し、拡張子「.docx」で保存した場合そのサイズは、13 KB である。なお、新聞紙の大きさはＡ２（Ａ４×４）で、１段の文字数は、１列当たり１２文字 × ７１列＝８５２文字。広告なしの１ページの段数＝１０段。１ページの文字数＝８５２ × １０＝ ８,５２０ 字 。保存容量＝８,５２０×２B≒１７ KB である。

本節（2.4節)の次の項へ続く：

　　   （１）パターン識別 ←　前の項に戻る

　 　　次の項に続く ⇒ （３）音声の識別　　（４）画像の識別・表示機能　　（５）画像の識別・表示機能（ＧＰＵ）

以下、他の節へ：

　　　2.1 物質と情報　　2.2 情報伝達メディアとセンサ 及び 2.3 感覚器官の領域拡大　←前節に戻る

　　　次節に続く →　 2.4 識別・認識・理解（２）

 他の章へ：

　　　第１章　初めに　　　　第３章　情報量など　　第４章　遺伝情報

 Ｔｏｐ Page に戻る   目次に戻る