インディック・コンピューティング（Indic computing）は、インド亜大陸の言語と文字（総称してインディック言語と呼ばれる）をコンピュータやデジタルシステムで扱えるようにすることに焦点を当てた情報技術の分野である。これには、ヒンディー語、ベンガル語、マラーティー語などのインド・アーリア語派や、タミル語、テルグ語、カンナダ語などのドラヴィダ語族といった主要な語族が含まれ、これらはデーヴァナーガリー文字、ベンガル文字、タミル文字、テルグ文字、カンナダ文字など多様な文字を使用する。この分野は、文字符号化、キーボード入力方式、複雑な文字のレンダリング、機械翻訳や音声認識などの自然言語処理（NLP）ツールといった領域を対象とする。その目標は、これらの言語を話す10億人以上の人々にとってコンピューティングを利用可能で機能的なものにすることであり、インディック文字の音声的・正書法的な複雑さから生じる課題に対処することである。
歴史的に、インディック・コンピューティングは、非ラテン文字と多数の文字・結合形態のために大きな困難に直面してきた。1980年代から1990年代の初期の取り組みでは、独自のフォントや符号化方式が作られたが、これらは多くの場合、プロプライエタリで互換性がなかった。大きな進展は、主要なインディック文字すべてに統一された符号化を提供するUnicode標準の採用によってもたらされた。インド政府のインド標準局（BIS）も1991年に、Unicodeの前身となる情報交換用インド文字コード（ISCII）を開発した。2000年代にUnicode対応のオペレーティングシステムとブラウザが広く普及し、モバイルコンピューティングの台頭と相まって、デジタル空間でのインディック言語の採用が加速し、コンテンツ、アプリケーション、研究の活気あるエコシステムが生まれた。
文字符号化と文字レンダリング
インディック文字はアブギダであり、各子音が本質的に母音を伴い、母音記号はダイアクリティカルマークとして付加される。また、2つ以上の子音が1つのグリフに結合する複雑な結合文字（コンジャンクト）を特徴とする。初期のコンピューティングシステムは、これらの特徴を処理するためにOpenTypeやAATなどの複雑なフォント技術に依存していたが、Unicodeへの移行によりデータ交換が簡素化された。Unicode標準は現在、デーヴァナーガリー、ベンガル、グルムキー、グジャラーティー、オリヤー、タミル、テルグ、カンナダ、マラヤーラムなど20以上のインディック文字を符号化している。これらの文字を正しくレンダリングするには、スクリプト固有の規則に従ってグリフを並べ替え・置換するHarfBuzzなどのシェーピングエンジンが必要である。現代のオペレーティングシステムとウェブブラウザはこれらのエンジンをデフォルトで含んでおり、インディック文字のシームレスな表示を可能にしている。
入力方式とローカライゼーション
インディック文字の入力は、複雑な翻字方式からユーザーフレンドリーな方法へと進化してきた。最も一般的な方式には、ユーザーがラテン文字で入力するとシステムが対象の文字に変換するフォネティックキーボード（例：Google Input Tools）と、文字のレイアウトに基づいて特定のキーに文字を割り当てるインスクリプトキーボードがある。インド政府は、すべてのインディック文字の標準としてInScriptレイアウトを推進してきた。モバイル端末は、複数のインディック言語をサポートする音声認識サービスにより、ジェスチャー入力と音声入力をさらに普及させた。ローカライゼーションには、ユーザーインターフェース、日付と時刻の形式、数体系の翻訳も含まれる。例えば、多くのインディック言語は独自の数体系を使用するが、実際にはアラビア数字（0-9）が広く使用されている。サムスン電子やGoogle DeepMindなどの企業は、市場の重要性を反映して、自社製品へのインディック言語サポートに投資してきた。
自然言語処理とAI
インディックNLPは、大規模データセットの利用可能性と機械学習および深層学習の進歩によって急速に成長してきた。初期の研究は機械翻訳とスペルチェックのためのルールベースシステムに焦点を当てていたが、現代のアプローチはニューラルネットワークとTransformerアーキテクチャを活用している。大規模言語モデルの時代には、複数のインディック言語で事前学習されたmBERTやIndicBERTなどの多言語モデルが開発された。これらのモデルは、感情分析、テキスト要約、質問応答などのアプリケーションを支えている。インド政府のデジタル・インディア構想や国家言語翻訳ミッション（NLTM）などのプロジェクトは、言語技術インフラの構築を目指している。バーバ原子力研究センターなどの研究機関や大学は、コーパスの構築とツール開発に貢献してきた。しかし、低リソース言語のための注釈付きデータの不足や、インドの都市部でのコミュニケーションに一般的なコード混合テキストのより良い処理の必要性など、課題は残っている。
課題と今後の方向性
進歩にもかかわらず、インディック・コンピューティングはいくつかの継続的な課題に直面している。100以上の主要言語と数千の方言と推定される言語と方言の多様性は、包括的なカバレッジを困難にしている。多くの言語はデジタルでの存在感が限られており、AIモデルのトレーニング用データの不足につながっている。さらに、デーヴァナーガリー文字の多数の結合文字のような文字の複雑さは、レンダリングやOCRのエラーを引き起こす可能性がある。もう一つの問題はデジタルデバイドであり、農村部や低所得のユーザーは端末やインターネット接続へのアクセスが不足している可能性があり、採用を妨げている。今後の方向性としては、データ不足に対処するためのより堅牢なデータ拡張技術の開発、多言語モデルのためのクロスアテンションメカニズムの改善、低スペック端末で動作する軽量モデルの作成などが含まれる。生成AIと人工知能の台頭は、インディック言語でのコンテンツ作成に新たな機会をもたらすが、バイアスや誤情報に関する懸念も引き起こしている。インディック・コンピューティングが進化を続け、多様なユーザーベースにサービスを提供し続けることを確実にするためには、学界、産業界、政府の連携が重要である。
社会と経済への影響
インディック・コンピューティングは、インドの社会と経済に深い影響を与えてきた。これにより電子政府イニシアチブが可能になり、市民が母国語でサービスにアクセスできるようになった。インディック言語でのデジタルコンテンツの成長は、地域メディアプラットフォームと電子商取引の台頭を促進した。例えば、統合決済インターフェース（UPI）は複数のインディック言語をサポートしており、より広い人口がデジタル決済を利用できるようにしている。教育分野では、言語学習アプリやインディック言語でのオンラインコースなどのツールが知識へのアクセスを拡大した。技術分野も恩恵を受けており、自然言語処理や音声認識などの分野でインディック言語の専門家への需要が高まっている。2025年時点で、インドにおけるインディック言語のインターネットユーザー数は英語ユーザー数を超えると予測されており、グローバルテック企業にとって重要な市場となっている。この変化は、インディック・コンピューティングの研究開発への継続的な投資の重要性を浮き彫りにしている。