「シーマンの知見を活かして次世代の日本語会話AIをつくる」シーマン人工知能研究所・斎藤由多加氏インタビュー

斎藤(敬称略)

人間の会話の一番の関心事って「当事者が関わっている」ことなんですね。例えば「アメリカの映画産業って最近は・・」なんて話題よりも、「お前って最近評判悪いよ」って話題の方が、誰もが一気に耳を傾けて、詳しく話をしたい、聞きたいと感じるものなんです(笑)。


どうしたら会話が楽しくなるのか、ヒトが興味を持つ会話を生成できるのか、その上でユーザが話していることを正確に理解することが、会話ロボットやスマートスピーカー、人工知能コンピュータにとって次に必要になることだと考えています。

編集部

ここシーマン人工知能研究所を設立されましたが、シーマンの新作を制作するためではなく、日本語におけるAIの研究開発をする研究所だと聞きました。

斎藤

そうです。「シーマン」という冠をつけた理由は3つあります。
ひとつは「エンターテインメントであることを忘れない」ためです。最新技術は製品になるところの戦略がしっかりしていないと消費者がガッカリするものになってしまいます。最近登場しているロボットの多くもガッカリさせられるものが多いですよね。ヒトが会話をするには情報の伝達や共有のほかにエンターテインメントであることが重要なんです。

ふたつめは、研究所の成り立ちに関係するのですが、政府の助成金などの公的な資金援助を受けられなかったので、有志の人たちが集まって知恵と資金をしぼって草の根の底力だけで運営していこうと思っているからです。「下町ロケット」のように(笑)。その意思が込められています。

みっつめは、とはいえ消費者の皆さんには応援して欲しいという気持ちがあります。お馴染みである「シーマン」というイメージがあった方が親しまれやすく、気軽に応援してもらいやすいのではないかと考えたのです。
ただ、私達自身が注意しなければいけないのは、消費者の方々に「新しいシーマンを作るために設立した」という誤解を与えてはいけないということです。私達は、新しいシーマンを作るのではなく、シーマン開発の知見やノウハウを活かして、今までにない全く新しい「フロントエンドの日本語音声会話システム」を作るために設立したのです。

斎藤

ロボットやコンピュータが人間と会話する時代がやってきていますが、私達が作るフロントエンドの日本語会話システムの役割は2つあります。
ひとつは人間と会話をして、人間の言っている言葉を数値化し、クラウドにある人工知能システムや専用の質疑応答システムに受け渡すインタフェースです。すなわち、すべてのロボットや端末に組み込むことができ、質疑応答システムやコグニティブシステムと連携することができる日本語会話システムです。

編集部

例えば、コミュニケーションロボットに組み込んだり、IBM Watsonのフロントエンドで会話をするシステムになり得るという意味ですね。

斎藤

そうです。世の中には既にすぐれた質疑応答システムやFAQ応答システムはたくさんありますが、私達の会話エンジンはそれらと競合しません。むしろ協力して共存し、お互いを高め合うシステムです。
多くのシステムはユーザーからの質問を理解して、それに対して最適な回答を返すようなシナリオが作られています。シーマンの基本的なしくみも同じです。現在では、ディープラーニングを使って機械学習することで膨大なシナリオをコンピュータが学習し、自律的で高精度な会話ができるようになってはいます。
しかし、賢いはずの質疑応答システムが実務であまり機能できないのはなぜでしょうか。いくら膨大なシナリオや豊富な回答を持っていても、ユーザーがシナリオ通りに質問しなかったり、ユーザーが聞きたいことを正確にコンピュータが把握できないために正しい回答を出せないのです。
私達が開発するフロントエンドの日本語音声会話システムは「ユーザーが何を聞きたいのかをはっきりと理解した上で質疑応答システムに渡す」という役割を担います。

編集部

シーマン人工知能研究所が開発しようとしているのは、高精度な質疑応答システムや情報を提供するシステムと協業する、ユーザーの矢面に立つ会話システムの部分ということですね。

斎藤

優秀な質疑応答システムを開発したのだけど、日本語の多様性に対応できていないためにユーザにとって満足度が高い会話ができない、できそうにないという企業がパートナーになりうると感じています。私達は日本人の会話を長年研究し、シーマンを通して培った知見を活かし、口語での会話を熟知したシステムを提供したいと考えています。

編集部

なるほど。シーマン研究所の日本語会話システムのもうひとつの役割とはなんでしょうか。

斎藤

もうひとつは、相づちを打ったり、受け返の言葉を返したりするような、バックエンドの人工知能システムやビッグデータでは、決して答えが返って来ない会話にローカルで対応することです。
質疑応答システムを例にしましたが、ヒトとの会話は質問や命令だけではなく、「今日ふられちゃったよ」とか「やる気なくすよな」と言った回答のないものもたくさんあります。しかし「今日ふられちゃったよ」と言えば「またかよ、今年に入って何度目だよ」とか「やる気なくすよな」と言えば「どうしたの? 会社でなにかあったの?」など、ヒトは受け返す言葉を期待して話すこともあります。質疑応答システムでは正解のないものは返せませんが、私達の日本語音声会話システムがそこも担当します。相づちをうったり、受け返しながら、ただ聞いてあげることでも、親和性を高めてエンタテインメントに近付くものになると思っています。相談する相手はヒトにとってとても重要で親しみやすい存在たりえますから。

編集部

そこでも、シーマン開発のときの研究が役立つわけですね。