GoogleはAIメッセージング「Allo」をリリース、仮想アシスタントとの対話は近未来のライフスタイルを感じる

September 24th, 2016

Googleは2016年9月、AIを搭載したメッセージングアプリ「Allo」をリリースした。AlloはLineのようにテキストやマルチメディアを使って会話するメッセンジャーとして位置づけられる。これに加え、Alloは仮想アシスタント「Google Assistant」を搭載しているのが最大の特徴 (下の写真左側)。仮想アシスタントとは会話型AIで、コンシェルジュのように対話しながら応対してくれる。使ってみると、まだまだ開発途上であるが、会話型AIが巨大ビジネスに成長する兆しを感じる。

Googleはメッセージング市場で苦戦

メッセージング市場ではFacebook MessengerとSnapchatが先行し、AppleがMessageでこれを追っている。日本ではLineがトップを走り世界市場を目指している。Googleはメッセージングプラットフォーム「Hangouts」を運用しているが苦戦を強いられている。Googleは新たに、Alloを投入しAIを基軸に製品ラインアップを大幅に見直している。

メッセージングの表現力が豊かになる

この市場で勝つためには若者層を引き付ける必要がある。Alloは表現力が豊かで、メッセージをグラフィカルに示する。これは「Whisper or Shout」と呼ばれ、メッセージ欄のスライドを上下してテキストの大きさを変更できる。上にあげると文字やシンボルが大きくなる (下の写真右側上段)。またAlloオリジナルのStickerが数多く揃っており、メッセージで表現できる幅が広がった。 (上の写真右側下段)。

返信文を自動で生成

Alloは受信メッセージを読み、これを理解して、自動で返信文を生成する。これは「Smart Reply」と呼ばれる。「Do you like to drive」とのメッセージを受信すると、それに対してAlloはリアルタイムで「Sure」、「Yes」、「No」の返信文を生成する (下の写真左側)。自分でタイプする必要はなく、ボタンにタッチするだけで返信でき大変便利。Smart Replyは既にメール「Inbox」で導入され人気の機能となっている。

写真に対しても返信文を生成

AlloのSmart Replyはテキストだけでなく写真に対しても使える。空港で撮影した飛行機の写真を受信すると、Alloは「Nice plane」、「Have a nice flight」、「Bon voyage!」と返信文を生成する (上の写真右側)。Alloは高度なイメージ認識能力を持っている。ひまわりの写真を受信すると、Alloは「Beautiful」、「Nice sunflower」、「Pretty」と返信文を生成する (下の写真左側)。Alloは花だけでなく、この花がひまわりであることを把握する。花の種別を判定するには高度な技術を要し、この背後にはニューラルネットワークが使われている。

利用者のスタイルを反映した返信文

しかしAlloは食べ物の写真についてはうまく判定できない。サラダの写真に対し、「Yummy!」、「Wish I could try」と返信文を生成する (上の写真右側)。Alloはこれは食べ物であると理解するが料理の種類までは特定できない。Googleはイメージ認識技術で世界のトップを走っており、料理の種類を認識することは容易い。近々にこの機能がAlloに実装されると思われる。Alloは機械学習を重ねることで利用者の表現方法を学んでいく。利用者のスタイルを反映した返信文を作成できるようになる。

Assistantが手助けする

Alloの最大の特徴は仮想アシスタントGoogle Assistantをメッセージングに導入したこと。Assistantがコンシェルジュのように、会話しながら生活の手助けをする。Assistantは利用者同士のチャットを聞いており、手助けが必要と判断すると会話に割り込みアドバイスする。背後で会話を聞かれているのは奇異な気がするが、使ってみると便利な機能であることに気付く。

Assistantがレストランを教えてくれる

今日はイタリア料理を食べようと話していると、Assistantが気を利かせて近所のイタリア料理店を紹介する。友人に「Let’s go for Italian food」とメッセージを送ると、Assistantはコンテキスト理解してして「Italian food places nearby」と語り、近所のイタリア料理店を紹介する (下の写真左側)。ここではGoogle Knowledge Graph機能が使われている。

レストランのカードにタッチするとその詳細情報が表示され、店舗内の写真などをみることができる。気に入ればこのレストランをそのまま予約できる。ただ、レストランを予約するには専用アプリ「OpenTable」を起動し、ここから予約する仕組みとなる (下の写真右側)。まだ、Alloから直接予約することはできなくて、別アプリで実行することになる。Assistantと会話しながらタスクを実行できれば生活が格段に便利になる。

Assistantとの直接対話

友人との会話を離れ、直接Assistantと対話することができる。Assistantに指示すれば有能な秘書のようにこれに答えてくれる。「Cute dog pictures」と指示すると、Assistantは「Check out these pictures」と述べ、可愛い犬の写真を探してくる。更に「Cute puppy images」と指示すると、子犬の写真を表示する。ここではGoogle Image Searchの検索結果が使われている。

Assistantがこなせるタスク

Assistantは対応できるタスクをカードとして示する。それらは「Subscription (ニュース購読)」、「Action (タイマーセットなど)」、「Fun (ゲームなど)」、「Translation (翻訳)」、「Weather (天気予報)」、「Travel (旅行案内)」、「Sports (スポーツニュース)」、「Answer (Q&A)」、「My Assistant (Assistantの自己紹介)」となる。

旅行案内で格安フライトを探す

Travelカードにタッチすると旅行関連の情報が表示される。フライトを探すときには「Flights to New York」と指示すると、現在地 (San Francisco) からNew Yorkまでの航空運賃が表示される。条件で絞り込んで希望のフライトを探す。また、到着地のホテルの検索もできる。ここでもフライトやホテルの予約はリンク先のウェブサイトで行う。まだ、Assistantから直接予約することはできない。

一日のスケジュールを管理

Assistantは利用者のスケジュールを把握しており、秘書のように会議予定などを管理をする。例えば、「Show my flights」と指示すると、予約しているフライト情報を表示する (下の写真左側)。また、「What’s my next meeting」と言えば、今日の予定を表示する (下の写真右側)。Assistantは忙しい生活の中でなくてはならない存在になりつつある。AssistantはGoogle Calendarとリンクしスケジュールを把握している。

AlloとGoogle音声検索

Alloはメッセージング機能では目新しさを感じないが、Assistantの会話型AIは便利であると感じる。Assistantがインターフェイスとなり対話を通してGoogleを利用する。ただ、Assistant機能の多くはGoogle音声検索からも使える。Googleに「What’s my schedule today?」語り掛けると、今日のスケジュールを教えてくれる。音声検索とAlloでできることに大きな違いはないが、Alloは会話を通して利用者とインタラクションする点が大きく異なる。検索結果が表示されそこで会話が止まるのではなく、連続して対話が進む点が大きな特徴となる。

メッセージを暗号化して送る

Alloはセキュリティにも配慮している。匿名モード「Incognito Mode」を選択すると、Alloのメッセージは暗号化される (下の写真左側)。また、メッセージは指定時間だけ表示され、制限時間を過ぎると消去される。例えば、相手に送るメッセージは10秒間だけ表示されるよう設定することもできる (下の写真右側)。この方式はSnapchatなどで人気を呼び、ティーンエイジャーから圧倒的な支持を得ている。きわどい内容のメッセージでも記録に残らないので、安心して伝えることができるためである。

通常モードのメッセージの安全性

つまり、Alloの通常モードのメッセージは暗号化されているわけではない。ハッシュ処理 (HTTPSのプロトコール) で最低限のセキュリティは確保されるが、Alloはハッカーによる盗聴に対して弱点がある。ただ、Alloだけでなく、Facebook Messengerも同様に、暗号化オプション (Secret Conversation) を指定しない限りメッセージは暗号化されない。前述の通り、Alloは利用者のメッセージを背後で聞いており、メッセージが暗号化されるとこの機能が使えない。

データ保存とAI開発

Googleは当初、Alloで交わされるメッセージを一時的に利用するが、長期的にサーバに保管することはないと述べていた。しかし、Googleはこの指針を変え、Alloで交わされたメッセージを長期間保管する。目的はアルゴリズムの開発で、保管されたデータを使ってAIを教育する。AIがインテリジェントになるためにはデータがカギを握る。メッセージングデータがAI開発の宝の山で、Googleは長期間保管に踏み切った。

プライバシー保護とクールな機能

これに対して市場からは懸念の声も聞かれる。米国国防総省諜報機関の元職員Edward SnowdenはAlloを使わないように呼び掛けている。Googleが保管するメッセージングデータが犯罪捜査などで利用されることを懸念しているためだ。個人のプライバシー保護に配慮するのは当然であるが、厳しすぎるとAIが提供する便利な機能の恩恵を受けられない。プライバシー保護とクールな機能のバランスが難しい。

インターフェイスに温かみを感じる

Alloは「Preview Edition」と表示されているように、使ってみると開発途上のベータ版との印象を受ける。まだまだ生活するうえでの必須ツールとは言い難い。一方、Alloは人間とマシンの関係で大きな将来性を感じる。Assistantと対話できることでインターフェイスに温かみを感じる。音声検索で機械的に結果を表示されるのとは異なり、言葉を交わしながら目的を達成できるのはフューチャリスティックでもある。対話型AIが巨大ビジネスに成長する兆しを感じる。

無人タクシー時代が到来!Uberが自動運転車で実証実験を始める

September 21st, 2016

配車サービス最大手Uberは2016年9月、米国・ピッツバーグで自動運転車による試験営業を開始した。Uberは自動運転技術の開発を始め1年半で実証実験にこぎつけた。自動運転技術開発レースが過熱しているが、出遅れていたUberはこの試験営業で存在感を示す形となった。Uberは自動運転技術がないとこの市場では生存できないとも述べている。

Self-Driving Uber

自動走行するUberは「Self-Driving Uber」と呼ばれている (上の写真)。このクルマはPittsburg (ペンシルベニア州)で配車サービスを始め、誰でも利用することができる。乗客はいつものようにUber専用アプリでクルマを呼び目的地まで乗車する。ただ、Self-Driving Uberは試験運転ということで料金は無料となっている。

ドライバーが搭乗し自動運転をアシスト

Self-Driving Uberは自動走行するが、訓練を受けたドライバーが搭乗する。運転席に座り、システムが対応できない時はドライバーが運転を代わる。また、エンジニアが助手席に座りシステムの状態をラップトップでモニターする。ドライバーはステアリングに両手を構え、いつでも運転を代われる状態で運行する。ドライバーがステアリングを操作するか、また、ブレーキかアクセルを踏むとクルマは自動走行からマニュアルモードとなる。運転席の隣には赤色のボタンが設置され、これを押すと自動運転モードが解除されマニュアルモードとなる。

タブレットがインターフェイス

Self-Driving Uber車内は、無人で走行することを前提に、乗客とコミュニケーションするための仕組みが施されている。後部座席にはタブレットが備え付けられ、乗客とのインターフェイスとなる。乗客は搭乗して「Let’s Ride」ボタンにタッチするとクルマが発進する。画面で「Self-Driving ON」と表示され、自動運転モードで走行していることが分かる。走行中はモニターにクルマが認識する周囲のイメージが表示される。また、クルマが取るアクション (ステアリングやブレーク操作など) も示される。乗客はドライバーのいない車内で、クルマの動きを理解でき、安心して運転を任せることができる。

非常停止ボタンと車内カメラ

車内には非常停止ボタンが備え付けてある。乗客がこのボタンを押すと、クルマは停止する。乗客が問題を感じた時や緊急事態にこのボタンを押す。電車で見かける非常停止ボタンであるが、これがSelf-Driving Uberに設置されている。車内にはカメラが設置され、乗客の様子をビデオで撮影する。Uberはビデオを解析することで、自動運転に対する乗客の反応を理解する。米国では自動運転車を怖いと思っている人は少なくない。

搭乗者の自動運転技術に対する評価

搭乗者の多くはUberの自動運転技術は完成度が高く安心して搭乗できるとしている。一方、ドライバーが運転を代わるシーンも報告されている。まだ完全自動で走行することはできず、人間のアシストが必要となる。例えば、隣のクルマが急に方向を変えるなど、予定外の出来事に遭遇するとクルマは対応できない。この際にはドライバーが運転を代わる。また、クルマが駐車車両のすぐそばをかすめて走行したことなどが報告されている。

Pittsburgで試験する理由

UberはPittsburgで試験を実施する理由について述べている。ここは製鉄の街で「Steel City」とも呼ばれる。Pittsburgは橋が多く、道路は幅が狭く曲がっている (下の写真、橋は構造物が多く自動運転車にとって走るのが難しい場所)。気候はきびしく雨が多く、冬は雪が積もる。自動運転車にとってはチャレンジングな場所となる。ここで自動運転できれば、他の都市で問題なく走行できる。全米で一番難しい環境を選んで試験を展開している。

自動運転車を開発する理由

Uberは自動運転車を開発する理由として、交通事故を大幅に少なくするためと述べている。現在、全世界で毎年130万人が交通事故で亡くなっている。また、街から駐車場を無くすことも重要な目的としている。全世界で10億台のクルマが走っており、都市の20%のスペースが駐車場として使われている。更に、Uberは世界の街で交通渋滞を緩和させることを目指している。Uberは全世界で営業しており、地球規模で問題解決に取り組んでいる。

ハイブリッドな配車サービス

Uberは自動運転車を使った配車ビジネスの概要を明らかにした。Uberは自動運転車だけでなく、ドライバーが運転する普通車両をミックスして配車サービスを展開する。自動運転技術が完成しても、ソフトウェアの制約から自動走行できない地域があると予想している。また、利用者の多くが自動運転車に対し抵抗感を持つことも予想される。このためにもドライバーが運転する安全性の高い運輸モードを提供する。Self-Driving Uberが営業を始めてもドライバーが不要になるわけではない。

多数のセンサーを搭載

Self-Driving Uberは屋根にラックを積み、ここに多数のセンサーを搭載している (下の写真)。試験車両はFord Fusionのハイブリッドモデルで、合計7基のLidar (レーザーレーダ) を搭載している。屋根の上にはハイエンドモデルを搭載し (下の写真、最上部の円柱)、このLidarが周囲の3Dモデルを生成する。車両の前後と、後部左右と、屋根の上の両側に普及モデルを搭載している。これらのLidarで車両周囲の完全なイメージを生成する。

カメラ20台を使う

クルマには合計20台のカメラを搭載している。前部に7台、左右にそれぞれ4台、後部に2台のカメラを搭載。サイドミラーに下向けにカメラが搭載されている。この他にフロントグリルにカメラが搭載されている。屋根の最上部に搭載されているカメラが中心的な機能を担う。信号機の色などを識別する。その他のカメラはブレーキを踏んでいる車両や歩行者などの障害物を識別する。

レーダーや多くのアンテナを搭載

レーダーは二基搭載されクルマの周囲360度のイメージを把握する。Lidarとともにクルマの周囲の3Dマップを生成する。アンテナは異なるタイプのものが多数搭載され、データ通信やGPSによる位置計測で使われる。Uberは常に走行データを収集しそれをセンターに送信する。収集するビッグデータが自動運転技術開発で決定的に重要な役割を担う。多数のセンサーを搭載しているが、試験走行を繰り返し不要なものを特定する。最終製品では数少ないセンサーでコンパクトな構成になる。

米国消費者の反応

Self-Driving Uberが米国メディアで大きく取り上げられ、テレビニュースでは報道各社が時間を割いて放送した。Self-Driving Uberは一挙に知名度が上がり、無人タクシーの時代が到来したことを感じた。ただ、Self-Driving Uberが完全自動で走行できるまでには時間がかかり、ここからが長い道のりになる。

新しいモビリティ社会に向けて始動

Self-Driving Uberが米国社会に与えたインパクトは大きく、消費者が自動運転車を体験できる意義は大きい。米国ではこれが初めての試みとなり、消費者の観点から自動運転車を評価できるようになった。更に、消費者が自動運転車についての理解を深める切っ掛けになることが期待されている。これにより、社会の自動運転車に関する意識が向上し、道路交通法の整備が進むと思われる。また、自動車保険ポリシーの開発に弾みがつくとみられている。Self-Driving Uberの登場で米国は新しいモビリティ社会に向けて動き始めた。

Appleの人工知能戦略、SiriはiOS 10でボイスクラウドに進化

September 15th, 2016

Appleは2016年9月13日、iPhone向け基本ソフトiOS 10をリリースした。早速使ってみたが、Siriが大きく成長する兆しを感じた。Siriの機能が一般に公開され、企業は音声で操作するアプリを作ることができる。SiriはもはやOS機能ではなく、ボイスクラウドとして位置づけられる。AIで足踏みをしているAppleが巻き返しに転じた。

メッセージングが劇的に機能アップ

iOS 10を使って驚いたのはメッセージング「Messages」の機能が飛躍的に向上したこと。絵文字やマルチメディアが使えるだけではなく、画面いっぱいのアニメーションが目を引く。お祝いメッセージの背後で紙吹雪が舞い散る (上の写真左側)。沢山の風船が舞い上がり、夜空に大輪の花火が上がるシーンもある。文字も大文字でジャンプしながら表示され、インパクトのあるメッセージを送ることができる。Apple Watchで登場した心臓が鼓動するアニメーションやキスマーク (上の写真右側) が使え、メッセージが格段にカラフルになった。Messengerはお洒落でハイセンスでAppleらしい製品に仕上がっている。ヒットすること間違いない。

メッセージングに若者が集う

ここにはFacebook MessengerやSnapchatに対抗するAppleの姿勢がうかがえる。ソーシャルメディアは伸び悩み、若者はメッセージングに集っている。ここが人気スポットで、生活の基盤であり、買い物をする場所でもある。ビジネスとして大きな可能性を秘め、Appleが全力でキャッチアップしている姿勢が見て取れる。

オープンなプラットフォーム

iOS 10の最も重要なポイントはプラットフォームが広範囲にわたり公開されたこと。音声アシスタントSiriはApple製アプリだけで使われてきたが、iOS 10ではサードパーティが開発したアプリから利用できる。企業はSiriの機能を組み込んだアプリを開発できるようになり、ユーザインターフェイスが格段に向上した。音声操作のアプリが勢いを増す中で、Siriを組み込んだボイスアプリのエコシステムが広がっている。

写真を言葉で検索する

Apple製アプリについてもSiriがカバーする範囲が広がった。特に便利なのは写真アプリ「Photos」を言葉で操作できる機能。「Show my photos from airports」と言えば空港で撮影した写真を表示する (下の写真左側)。旅行で撮影した写真を探すときは「Find my pictures from my trip to San Francisco」と言うと、サンフランシスコで撮影した写真を表示する (下の写真右側)。Deep Learningでイメージ検索技術が格段に向上し、質問に対しズバリ結果を表示する。使ってみてとても便利と感じる。

電車の乗り換えを教えてくれる

Siriは電車の路線案内ができるようになった。現在地からサンフランシスコ空港に行くには「Give me public transit directions to San Francisco Airport」と言えば、バスと電車を乗り継いで空港に行く経路を示す (下の写真左側)。また、クルマの中で目的地までの道順を尋ねるときは「Give me directions to San Jose Airport」と指示する。ナビゲーションが始まるので、それに沿って運転する。

Appleのスマートホーム

iOS 10からスマートホームアプリ「Home」が登場した (下の写真)。このアプリがハブとなり開発キット「HomeKit」で定義された家電を操作する。Siriに「Turn on the living light」と言えばリビングルームの電灯が灯る。Homeでは家の中の雰囲気を設定する「Scene」という機能がある (下の写真左側、中央部)。Siriに「Set my movie scene」といえば、テレビで映画を見るために最適な暗さになる。電灯の輝度が落ちうす暗くなる。

また、Automationという機能を使うと、家の中の家電を自動制御できる (下の写真右側)。家の中が暗くなったら自動で電灯が点灯する。「At Sunset」という機能を使うと日没時に電灯がオンとなる。また、「When I Arrive Home」という機能を使うと、自宅に到着すると部屋の電灯が灯る。シンプルな機能だが電灯が自動でオンオフするのは便利と感じる。

Siriでクルマを呼ぶ

iOS 10の最大の特徴はパートナー企業がSiriの機能を組み込んだアプリを開発できること。企業はSiri開発キットである「SiriKit」でアプリを開発する。SiriKitで開発されたアプリはSiriの機能を実装し、利用者が音声でアプリを操作できる。

ライドシェア「Lyft」はSiriKitでアプリを開発した。Siriに「Get me a ride to San Francisco Airport」というとLyftのクルマを呼ぶことができる (下の写真左側)。Siriの画面にLyftアプリのウインドウが表示され、近所にいるLyftのクルマがマップ上に表示される。Siriはクルマは7分で来ますが呼びますかと尋ねる。これにYesと答えるとクルマが配車される。ライドシェアではLyftの他にUberも使える。

Siriでお金を送る

Siriから送金することができる。「Send money with Venmo」と指示すると、無料の送金アプリ「Venmo」の送金プロセスが起動する (下の写真左側)。Siriは誰に送るのか、また、金額と添えるメッセージを聞いてくるので、これらに応えると確認画面が表示される (下の写真右側)。ここで「Yes」と答えると送金が完了する。Venmoの他に「Square Cash」で送金することもできる。

Siriからメッセージを送り電話をかける

Siriからメッセージアプリ「WhatsApp」を起動しメッセージを送信できる。「Send a WhatsApp message to Alice..」と指示する (下の写真左側)。また、ソーシャルネットワーク「LinkedIn」で友人にメッセージを送信できる。「Send a LinkedIn message to John..」と指示する (下の写真右側)。この他にSiriから「Skype」や「Vonage」を使って電話をかけることができる。

Apple WatchからSiriを利用すると便利

SiriはApple Watchからも利用できる (下の写真左側)。家の中や外出先では、iPhoneを取り出す代わりにApple WatchでSiriを使うのが便利。Apple Watchに「Hey Siri, Set my movie scene」と語り掛けタスクを実行する (下の写真右側)。iPhoneでも「Hey Siri、」と呼び掛けてSiriを起動できるが、その際はiPhoneを電源に接続しておく必要がある。

SiriKitで音声アプリを開発

前述の通り、SiriKitは開発者向けのツールで、これを利用してSiriの音声機能を組み込んだアプリを開発する。SiriKitは業務領域「Domain」ごとに提供される。DomainはVoIP calling、Messaging、Payments、Photo、Workouts、Ride bookingなどから構成される。SiriKitがユーザとのやり取り全てを担う。音声認識や自然言語解析などのAI機能はSiriKitが提供する。ただし、開発者は業務に固有の言葉を登録し、Siriのボキャブラリーを増やす必要がある。

Siriは輝きを取り戻すか

新しくなったSiriを使うと利用できるシーンが増えてとても便利になったと感じる。同時に、Siriの音声認識精度についてフラストレーションを感じることも少なくない。GoogleやAmazonと比べるとその差が歴然としてきた。iOS 10からはSiriの機能が公開され、ボイスクラウドに進化した。この基盤上でクールなアプリが登場しようとしている。AIに対して及び腰であったAppleであるが、Open Siriで機能アップが期待される。最初にSiriを使った時の驚きは鮮明で、SiriKitはこの輝きを取り戻す切っ掛けになるのかもしれない。

感情を理解するAI ~ 声のトーンから心情を読む、Apple Siriが優しくなる?

September 8th, 2016

マシンが人間の感情を理解してヒューマンタッチな振る舞いをする。マシンが話し言葉からその場の空気を読むことができる。いまマシンと人間の関係が変わろうとしている。人間の感情を理解するAIが登場している。マシンとの信頼関係が生まれる日もそう遠くはない。

人の声を解析して感情や特質を抽出

人間の声はコンテンツを伝えるだけでなく、その人の心情を映し出す。会話で伝達される情報の多くは声のトーンや顔の表情や体の動きにある。イスラエルに拠点を置くベンチャー企業「Beyond Verbal」は、人の声を解析して感情や特質を抽出する技術を開発している。この技法は「Emotions Analytics (感情解析)」と呼ばれ、マーケットリサーチに応用されている。また、声から病気を診断する研究で大きな成果が報告されている。これらの研究は人間のように振る舞うマシンに繋がると期待されている。

オバマ大統領の広島スピーチ

この技術を我々も使うことができる。Beyond Verbalはスマホ向けのアプリ「Moodies」をリリースした。このアプリはEmotions Analyticsの技法を実装している。アプリに向かって喋ると、声のトーンを解析しそこに含まれる感情を抽出する。このアプリでオバマ大統領の演説を解析してみた。これは広島平和公園でのスピーチで、最初の3分間をアプリに入力した。「Seventy-one years ago, on a bright cloudless morning, death fell from the sky and the world was changed…」で始まる演説で、重々しい口調で進行する (上の写真)。

アプリで大統領の心情を読む

戦争の悲惨さを訴える演説であるが、アプリの解析は異なる見解を示した。オバマ大統領の心情は、冒頭の部分は「Motivation (鼓舞)」と判定した (下の写真、左側)。聴衆を動機づける演説であり、同時に、問題に対する解を模索していると解釈した。演説のトーンは時間ごとに変わり、このほかに「Dominance (威厳)」や「Hope(希望)」や「Friendliness(親しみ)」などの評価が続く (下の写真、右側のグラフが心情の変化を表す)。

高揚感と失望感が交錯

総合評価として、解を求めて進む点が心情的にポジティブと評価された (上のグラフの緑色の分部)。一方、希望を伝えようとするが現実は異なると感じている点が感情的に落ち込んでいると評価された (上のグラフで谷の分部)。我々には重く苦渋に満ちた演説と聞こえたが、オバマ大統領の心中は、世界に平和を呼びかける高揚した気持ちと、プラハ宣言以来進まない核兵器廃絶への挫折感が交錯したものになっていたことが分かる。

トランプ大統領候補者の演説を分析

Beyond VerbalはEmotions Analyticsを使って大統領選候補者Donald Trumpの演説を分析した結果を公開した。これは公開討論会でFox NewsのMagen KellyがTrumpに質問する形式で進められた (下の写真)。Emotions Analyticsの解析によると、この演説は「Charisma(カリスマ)」で「Creativity(クリエイティブ)」で「Playfulness(遊び心に富む)」と評価された (写真最下部のキャプション)。

この討論会をテレビで見ていたが、Trumpの発言はとても面白く、聴衆を惹きつける魅力を持っていると感じた。Emotions Analyticsでの解析結果の通り、機知に富み遊び心が豊かで、エンターテイナーとしての偉大な能力を感じた。しかし、発言の内容は不適切な言葉遣いや偏った解釈も多く、政治家としてのTrumpの評価は必ずしも高くはない。政治的な手腕については疑問視されるものの、Beyond VerbalはTrump人気の秘密は言葉の情緒的な面にあると指摘する。

自分の心情を正しく理解できない

このアプリは日常生活で健康管理のツールとして利用できる。自分の感情を正しく理解するのは極めて難しいと感じることが多い。筆者は電話での会話などをアプリで解析し、その時の心情がどうであったかを把握している。自分では活気に満ちた話し方をしたと思っていたが、アプリで計測すると「Loneliness (寂しい)」や「Unhappy (楽しくない)」と判定されたことも少なくない。自分が思っている心持と、実際の評価が異なることに驚いた。

健康管理に利用できる

元気のない時は少し大きめの声で音程を揚げて話すように努めてきた。しかし、アプリで分析するとこの作戦は全く通用しないことが分かった。心情は声の大きさや音程とは相関関係がなく、このような小手先の技で相手を欺くことはできない。元気のな時は抜本的な対策が必要と感じる。これは人により異なるが、筆者の場合は好きな音楽を聴いた後はアプリの判定はポジティブとなることが多い。声から自分の心理状態を判断することで、健康な生活を送る手がかりをつかめる。

マーケットリサーチで利用されている

Beyond Verbalは企業向けのソリューションを提供しており、マーケットリサーチなどで活用されている。企業が商品のブランドやデザインについて調査する際にEmotions Analyticsを利用する。また、広告効果を検証する際にも利用されている。被験者に対象物に関する情緒的な質問をして、その回答を録音する。この音声をEmotions Analyticsで解析し、被験者の対象物に対する評価を査定する。解析するのは言葉の意味ではなく、音声に含まれている感情を読み取る。人間が発する言葉は真実と異なることが多々あるが、音声に含まれるシグナルは嘘をつかない。

病気の判定で効果を上げる

この技法は医療分野で成果を上げている。Beyond VerbalはMayo ClinicやScrippsなど米国の先端医療機関と共同研究を展開している。最新研究によると、声は感情を含むだけでなく、健康状態を内包することが分かった。被験者の声が心臓疾患に関連するシグナルを含んでいることが判明した。音声シグナルが心臓疾患のバイオマーカーになり、音声を録音するだけで病気を判定できる。これに先立ち、音声は自閉症やパーキンソン病と関連性があることも解明されている。また、音声とうつ病やディスレキシア (難読症) との関係も解明されている。我々が喋る言葉は健康を映し出す鏡でもある。

Appleの臨床試験プラットフォーム

音声と疾患の関係を医学的に解明したのはBeyond Verbalが初となる。いまスマートフォンやウェアラブルで病気を診断をする技術が登場している。Appleは臨床試験のためのプラットフォーム「ResearchKit」を提供している。医療機関はこのプラットフォームを利用して短時間で大規模な臨床試験を実施できる。臨床試験に参加する被験者はResearchKitで提供されるアプリで簡単な試験を行う。

パーキンソン病の臨床試験アプリ

パーキンソン病に関する臨床試験アプリ「mPower」が注目されている (下の写真)。これは非営利団体「Sage Bionetworks」により開発され、被験者はこのアプリをiPhoneで利用する。アプリの指示に沿って操作すると、パーキンソン病を判定できる。三つの操作を指示され、被験者は指でボタンをタップし、マイクにあ~と発声し、また、記憶力を試す問題に答える。被験者の試験結果を集約することで、大規模なパーキンソン病の臨床試験を展開できる。

マシンに感情を理解させる

Beyond Verbalの最終目標はマシンに人間の感情を理解させることにある。今のマシンは人間の感情を理解することができなく、Emotional Blindといわれる。Beyond Verbalの目的はマシンが感情のレベルで人間とコミュニケーションすることにある。このためには、マシンが人間の感情をリアルタイムで把握することが必要となる。この情報をマシンにフィードバックすることで、マシンは利用者の感情に沿った対応ができる。

Apple Siriが感情を理解すると

Apple Siriに「What am I doing?」と質問すると「Interesting question」と受け流される。もしSiriが感情を理解すると、人間のような反応が期待できる。仕事が忙しく疲れていると把握すると、Siriは「少し休憩してお茶を飲みましょう」と提案する。落ち込んでいる時はSiriが好きな曲を再生してくれるのかもしれない。Siriだけでなく、Amazon EchoやGoogle Homeも声に含まれている感情を理解し、ヒューマンタッチな機能を開発しているのは間違いない。Beyond Verbalの技術が感情を理解するマシンの基礎となる。

家全体が人工知能で覆われる、Amazon Echoで創るスマートホーム

September 1st, 2016

AIスピーカー「Amazon Echo」はデバイスからAIクラウドに進化した。音声で家電を操作でき、近未来のスマートホームを創りだす。屋外ではウエアラブルがEchoとして機能し、音声でデバイスを操作できる。生活空間全体がAIで覆われる。Echoは我々に言葉の重要性を気付かせてくれた。ボイスファーストの設計思想がAmazon Echoの大ヒットに繋がった。

ハードウェアからボイスクラウドに

Amazon EchoはAIを駆使した音声認識スピーカー (上の写真) で、キーボードは無く言葉で操作する。EchoはAmazonのヒット商品で、2015年末までに300万台が出荷された。今ではEchoの他に、普及モデルの「Echo Dot」と「Tap」が加わり、製品ラインが拡充された。Amazonのビジネスモデルも進化を続け、ハードウェアからAIを活用した音声サービスに向かっている。Amazon Echoの音声機能を一般に公開し、企業がボイスクラウドで独自のサービスを構築する。

Echoで稼働する音声アプリ

この音声サービスは「Alexa」と呼ばれ、企業はこの機能を使いAmazon Echoで稼働する音声アプリを開発する。この音声アプリは「Skill」と呼ばれる。Skillはアプリストアーに相当する「Alexa App」に掲載され、今では1500本が稼働している (下の写真)。気に入ったSkillを読み込みEchoで利用する。Amazonが開発したSkillは同名の「Alexa」と呼ばれ、Echoに組み込まれている。

Alexaの基本機能

毎日の生活でAmazon Echoを使っているが、今では家族の一員となった。EchoでAlexaを呼び出し、ニュースを聞くのが基本パターンである。Echoに対して「Alexa, what’s in the news?」と尋ねると、最新のニュースを話してくれる。Echoは常に周囲の声を聞いているので、「Alexa」と言えばそれに続く指示を理解する。その他に、音楽を再生したり、情報を検索できる。Echoと対話できるので、人間と話しているような気分になる。

音声操作のスマートホーム

Amazon Echoで一番便利だと感じるのが家電を音声で操作する機能だ。スマートライト「Philips Hue」を使っているが (下の写真、左がハブで右がLEDライト)、これを言葉で操作できる。HueはLEDライトに通信機能 (ZigBee) を内蔵しており専用アプリで操作する。オンオフの操作やライトの輝度や色を変えることができる。これをEchoと連携すると音声で操作できる。「Alexa, turn on the light」と指示すると、Alexaは「Okay」と答えライトを点灯する。「Alexa, dim the light」と言えば明かりを絞ってくれる。部屋が近未来の居住空間に変身する。

Apple HomeKitとの連携

Philips HueはAppleのスマートホーム「HomeKit」からも利用できる。専用アプリでSiriと連携することで音声操作ができる (下の写真)。Siriに「Turn off the light」と言えば、ライトを消灯する。Apple WatchのSiriを使うこともできる。

実際に使ってみるとAppleとAmazonの製品コンセプトは決定的に異なることが分かる。Siriの場合はiPhoneを取り出してホームボタンを押す操作が必要となる。Apple Watchではクラウンを長押しする。それ以上に、そもそも家族のメンバーがiPhoneやApple Watchを持ってなくては操作できない。Echoであれば誰でも操作でき、スマートホームのハブとして機能する。HomeKitは個人が操作することを念頭に設計されているが、Amazon Echoは家族みんなが使える構造になっている。

空調やガレージドアとの連携

Echoをサーモスタット「Nest」と接続すると音声で空調の温度を調整できる。「Alexa, set the living room to 72 degrees」と指示すると温度を華氏72度に設定する。ガレージドア開閉装置「Garagio」をEchoとリンクすると音声でドアの開閉ができる。帰宅してEchoに「Alexa, tell Garagio to close my door」と指示すればガレージドアが閉まる。住居の中でEchoの守備範囲が広がっている。

Echoでピザを注文する

Alexa Appに便利なSkillが増えてきた。よく利用するのがピザを注文する「Domino’s」というSkillだ。Echoに「Alexa, ask Domino’s to place my Easy Order」と言うだけでピザを注文できる。Echoは料金と配送時間を告げ、これに「Yes」と答えるだけで焼き立てのピザが届く (下の写真)。ただ、Echoでピザの種類などを指定することはできないため、事前にDomino’sのサイトで好みのメニュー「Easy Order」を指定しておく。これでけで驚くほど簡単に出前を注文できる。

Amazon Voice Service

Amazonは前述の音声サービスAlexaに加え、新たな会話サービス「Amazon Voice Service (AVS)」の提供を始めた。この機能をデバイスに組み込むことで、Echoのような製品を作ることができる。AlexaはEchoなどAmazon製品で稼働するアプリを開発するために利用される。これに対して、AVSはハードウェア製品にAmazon音声サービスを組み込むために利用される。Amazonのビジネスはデバイスから音声サービスに向かっている。

スマートウォッチに音声サービスを組み込む

ベンチャー企業からAVSを組み込んだ製品が登場している。Omate Riseはスタンドアロンで稼働するスマートウォッチを開発している (下の写真)。スマホは必要なく単独で稼働する。3G/Bluetooth/WiFiを搭載し新世代のウエアラブルとして注目されている。Omate Riseで電話、音声検索、音声メモ、ナビゲーション、音楽再生ができ、フィットネストラッカーとしても使われる。Omate RiseはAVSを統合し200以上のSkillをスマートウォッチで使うことができる。Omate RiseがEchoとなり、屋外でもAlexaを使うことができる。

マシンが利用者の感情を理解する

AmazonはAlexaが利用者の感情を理解する機能を開発している。話し方のトーンで利用者がどう感じているのかを把握する。使い方としては、利用者の意図が伝わらなくてイライラしていることをAlexaは声のトーンから把握する。そうするとAlexaは利用者に申し訳なさそうに謝罪する。Machine Learningの手法で声に含まれている感情を高精度に把握する。マシンが利用者の心の動きに沿った対応をする。

ボイスファースト

Amazon Echoの最大の特徴は入力モードは音声だけであること。ボイスファーストのコンセプトで製品が開発され、クールなSkillが続々登場している。マシン操作で音声がいかに重要であるかをAlexaは再認識させてくれた。特にスマートホームの操作では音声が決定的に重要なインターフェイスになる。Amazon Echoの大ヒットを追って、GoogleはAIアシスタント「Google Home」を開発している。AppleはAIスピーカー「Apple Home」を開発していると噂されている。

AIクラウドでの音声サービス

音声認識の精度だけで比較するとGoogleがAmazonを上回る。しかし、人間のように会話する能力はAmazonが上回る。小さな女の子が遊びに来てEchoと話をしたが、スピーカーが人間のように話をするので気味悪がって近づかなくなった。小さな子供への対策が必要かもしれないが、これからはボイスクラウドが大きなビジネスとなる。ロボットやチャットボットなどと同様に、AIの進化が音声サービス機能を急速に向上させている。