(cache) AIを学びたいおれが息子と一緒に鉄腕アトムをつくる話（第8号）

〈今回の完成形〉
アトムくんの右手。

おれ「これ右手だってさ！かわいいぃぃ〜ねぇ！！！（あれ、なんかひさしぶりにまたしょぼいのだったな…）」（チラッ息子を見る）
…

始まりのお話〜AIについて学びたいのでアトムをつくることにした

誰かが言った。

"百聞"は"一見"に如かず。
"百見"は"一考"に如かず。
"百考"は"一行"に如かず。

AIを学びたいおれは、"百万聞"より"一行"でしょと思い立ち、子どもたちと遊びながらアトムくんを作ることにした。
mroreself.hatenablog.com

前回のお話〜第7号これまでの部品大集合。チェックスタンド完成の巻

ついに！第1号から続いていたチェックスタンドが完成！首がウンウンする動きが見れ、そのかわいらしさにおれも息子も打ち震えていた。
mroreself.hatenablog.com

今回のお話〜第8号右手を組み立てるの巻

第8号からは、右腕の組み立てに入った。週末に作ったのでその記録。

今号のコンテンツ紹介

冊子

今号の冊子はこんな感じ。フロントエンドAIがメイントピック。

ここまでスゴい！ATOMのテクノロジー [PART1] インターネットなしでもOK！フロントエンドAI・基本機能編

はじめに知っておこう「ATOM」の人工知能を支える2つの技術

「ATOM」の卓越したコミュニケーション能力の根幹これがフロントエンドAIだ！

「ATOM」が人を見る・知る・識別する・判断する能力のココがスゴい！

一問一答の限られた応答だけではない！「ATOM」が実装する"つながる会話"とは

My First ATOM 〜鉄腕アトムと私第3回阿川佐和子

組み立てガイド〜右手を組み立てる

「ATOM」の卓越したコミュニケーション能力の根幹これがフロントエンドAIだ！

ATOMのフロントエンドAIの処理のモデルの説明があって、こんな処理が流れてるのかと一人唸ったのでその流れをメモ。

〈フロントエンドAIの動き〉

音場の適合（人の声を聞こう）

ノイズ分析（人の声はどれだ？）

環境情報の記憶（ここはどんな場所？）

リアルタイムで空間を認識し、話者以外から発される音を「ノイズ」と区別し、できうる限り話者の音声認識を上げる準備。
↓
ATOM「（こっちに向かってくるぞ）」

動体検知（なんか、動いてる）

動体の分析（あれは何だ？人だ）

動体の追従（追いかけてみよう）

「動くもの」を見つけたら、それが人であるか否かを判断。人であれば近づいてくるか否か観察。
↓

顔の認識（どんな顔なのかな）

話者までの距離測位（近くに来た！）

個人特定（A子さんだ）

相手の属性を取得（A子さんは友達だ）

顔の追従（A子、どこに行くの？）

顔認識から個人の特定を行う。「友達」「かつて見たことがある人」「何度も見たことがある人」「初対面の人」など分類。
↓
A子さん「ATOM、こんにちは」
↓

音種の分析（なんの音かな？人の声だ）

誤認識補正（人の声以外は無視しよう）

音声区間切り出し（話始めはどこからかな？）

音響モデル照合（あ、か、さ、た、な…どの音かな）

言語モデル照合（「こんにちは」って言ってるんだな）

要求内容解釈（お返事しなきゃ）

第一次返答準備（返事は「こんにちは」だ）

声紋の判定（やっぱりA子さんの声だ）

発話を認識すると、人の声か否か判断。ディープラーニングにより「どこからどこまでが相手の発話か」の判断や誤認識の補正を行う。
↓

音声の合成（「こんにちは！」？「こんにちは〜」？）

相手の状況分析（返事を待ってるな）

知識の習得（名前を付けて返事しよう）

相手の発話に対する最適解を導き出し、音声合成エンジンを使って音声化。同時に相手に関する最新情報を更新。
↓

話題生成（何を話そうかな）

思考連鎖（こんな話もできるかな）

会話スタート（話し始めよう）

思考の連鎖により次の話題を探し、会話をスタート。話題の生成はクラウドにつながると幅が広がる。
↓
アトム「A子さん、こんにちは」
※A子さんの「こんにちは」から0.4秒