先週のブログでは、言語理解の構想と、今後5年間でそれを大幅に向上させる私たちの能力について取り上げました。今日は、機械が会話できるようになるための力となるものを探りながら、この歩みを続けます。これは、コンピューターサイエンスと言語学を新たな方法で融合させる、真の革命です。
もちろん、すでに成果を生み出しているシステムがある場合、革命を確信を持って予測するのは容易です。今日、言語向けAIモデルや機械学習は、正確なシステムへと拡張されてはいませんが、私は未来を生み出している研究所を目にしました。オーストラリアのThinking Solutions研究所は、2006年以来、新しい言語アルゴリズムを開発しています。
そのアプローチは、1930年代にアラン・チューリングが設計し、1950年代以降、各国政府やIBMなどによって大規模化されてきたコンピューターモデルとは大きく異なります。そのモデルとは異なり、Thinking Solutionsの言語アルゴリズムは、階層的なパターンを効率的に用い、未活用の言語学を取り入れることで、人間の言語のニーズに応えます。そのため、言語理解機械が予想より早く生産ラインから出てくると、私は大きな確信を持っています。
今日は、革命的な言語学モデルの特徴を探り、機械による理解がどこから生まれるのかを見ていきます。
革命的なRRG言語学
未来を理解するため、過去にさかのぼってみましょう。AIという名称が生まれた翌年の1957年、ノーム・チョムスキー教授が 『統辞構造論』を出版し、もう一つの大きな革命が起きました。多くの事柄の中でも、この著作は今日のコンピューター言語を生み出すことにつながりました。その理論上の後継者たちは、今なお主流です。出版からおよそ30年後、 あらゆる 人間の言語をより効果的に説明するモデルを探していたロバート・ヴァン・ヴァリン教授は、ビル・フォーリー教授とともに、役割・指示文法（RRG）を考案しました。
それからおよそ30年後の現在に話を進めましょう。RRGは広範に検証され、人々が言語をどのように使うかを説明する力を備えています。その双方向の連結システムは、話者が言語を生成するときのように意味から形式へ、また聞き手が言語を理解するときのように形式から意味へと対応づけます。RRGは、形式と意味の対応づけを確立しようとする、他の「方向中立的」なアプローチとは実に異なります。
私が先に触れた稼働中のプロトタイプシステムは、RRGの連結システムを使って言語理解を可能にし、それによって複数の言語での翻訳や会話も実現します。RRGのアルゴリズムは、どの言語であっても文の意味を見つけ出します。
RRGはまた、ある言語における意味の構成要素を予測します。今日の統計ベースやニューラルネットワークベースの設計とは異なり、人間の言語に共通する特徴の観察に基づいて作られているため、人間に似ているのです。
AIからの脱却
「単純な特定のアルゴリズムでは解決できない」場合、その問題はAI困難（AI-Hard）です。この定義を使えば、自然言語理解（NLU）を、コンピュータービジョンなど他の未解決のAI問題から切り分けられます。Thinking Solutionsの稼働中のプロトタイプはRRG連結アルゴリズムを組み込み、会話における言語の表現をその意味に、またその逆に変換します。したがって、NLUはAI困難ではありません。
Thinking Solutionsの言語アルゴリズムは、Patom理論とRRGを組み合わせています。Patom理論は、Thinking Solutions創業者のジョン・ボールが生み出したものです。このアルゴリズムの実装により、RRGを用いた言語理解の作業が、プログラマーからコンピューターへと移されます。
役割・指示文法（RRG）
RRGは、「人間の多種多様な言語を基礎にした場合、言語学はどのような姿になるのか」という問いに答えます。
RRGは、チョムスキーのように英語から出発するのではなく、アメリカ先住民、オーストラリア先住民、フィリピンの言語の分析から始まり、その結果、性質の大きく異なる理論となりました。ベントレー大学の芸術・科学学部長であるダニエル・エヴェレット教授は、RRGを「世界でも最も興味深い人間言語理論の一つです。語用論、意味論、統語論、形態論を、文がコミュニケーション上どのように機能するかを説明する、英語を基礎としない単一のモデルに統合した点は、革新的であり、成功しています」と評しています。
経験し得る無数の詳細を私たちがどのように伝えるかを説明しなければならないものだけに、科学的な詳細は複雑で長大です。しかし言語については、例を通して常に容易に理解できます。私たち人間の理解力が働き、空白を補ってくれるからです。
「もちろん」と言いたくなる例を次々に挙げることになるかもしれませんが、これは人間ではなく デバイス上で模倣するために開発されていることを忘れないでください。つまり、コンピューターが空白を補わなければ、理解できないのです。
RRGは言葉を意味に結びつける
「その犬が私の母をかんだ」という文は、過去の出来事を伝えています。それは、かむこと、つまり歯を使ってつかんだり切ったりする行為について何かを意味します。動作を行う主体、つまり行為者は「その犬」です。動作を受ける対象、つまり被動者は「私の母」です。
では、次の文と比べてみましょう。「私の母はその犬にかまれた」。語順がまったく違うこと以外に、何が異なるのでしょうか。RRGの登場です。RRGは、後者が受動態であることを示しながら、要素を同じように結びつけます。根本的に、同じ意味に至る無数の方法は、英語や他の言語において保持されています。同じことを言う方法が膨大にあるため、従来の言語学は不十分と見なされます。組み合わせ爆発と呼ばれる問題に対処するため、コンピューター処理をますます増やす必要があるからです。
形式と意味のつながりを捉えることで、RRGは言語を用いた新たな水準のプログラミングを可能にします。さらに、それはソース言語に依存しません。
RRGは空白を埋める
「私の母はたった今、浜辺に着いたが、あなたの息子はそうしなかった」は、楕円文の一例です。「あなたの息子はそうしなかった」は、「あなたの息子はたった今、浜辺に着かなかった」と明示的に表現されていませんが、意味は理解されます。こうした余分な言葉があれば、言語はもっと煩雑になるでしょう。
その説明は、他の単語との統計的な近接性にあるのではなく、先行する文から受け継がれる根底の意味にあります。提示した例のように同じ話者が発話したか、会話の別の話者が発話したかは関係ありません。
多言語
今日のブログでは、機械理解の向上に対する需要に応えるための言語学的要件を検討しました。1990年代初頭以来、研究の方向性は明確で、特にIBMが統計ベースのシステムを推進してきました。進展が限られていた分野では短期的に性能が向上しましたが、振り返ると、かなり前にピークを迎えたように見えます。
私は、Thinking Solutionsで今始まりつつある革命が、言語理解の鍵を握っていると考えています。世界は統計的手法や機械学習技術を受け入れてきましたが、全般的に成果が乏しいことから、代替策を検討すべき時です。ロボット工学の दशकを見据えた私の2020年の予測には、今日のシステムを単に高速化したもの以上が必要です。より高い正確性が求められ、可能性がまだ十分に探られていない過去のアイデアも検討する必要があります。
AIシステムへの関心が再び高まっている背景には、多くの場合、言語理解の問題を解決したいという狙いがあります。IBMはWatson部門を設立し、年間収益を10倍にする計画のもと、10億ドルを投じると約束しました。テレビ放映された対決で世界最高の「Jeopardy!」出場者たちを破った技術を使い、IBMは認知的な解決策を提案しています。このシステムは与えられた言葉を理解しない一方で、正確さを推定する割合を添えて、迅速かつ正しい回答を返します。うまく機能しても理解はしない機械では、2020年代のロボット工学には不十分に思えます。
今日、Googleは「理解技術」の追求を休みなく続けています。高く評価されている未来学者レイ・カーツワイルを擁する世界水準のチームを含む研究への継続的投資、Google翻訳の対応言語ペアの拡大、統計ベースの音声認識の改善、ジェフ・ヒントン教授とのディープラーニング研究などです。これらは、目に見える取り組みのほんの一部です。Google-Xにも、間違いなく公表されていないプロジェクトがあるでしょう。しかし、こうした革新は、処理パラダイムをさらに強く押し進め、新しい成果を期待するだけの、これまでと同じものなのでしょうか。同じことをしながら違う結果を期待するのは、狂気の尺度です。
Googleの使命は明らかです。人々が望むものを提供するには、まずあらゆる言語で人々を理解しなければなりません。次に、どの言語からでも答えを見つけ、ソース言語で応答する必要があります。そのためには言語理解が必要です。理解に文脈追跡を加えることで、正確な翻訳が可能になります。したがって、コンテンツの理解を通じた検索の改善も、言語理解の応用です。
Microsoftには、自然言語への関心の歴史があります。2008年、推定1億ドル超でPowerSetを買収したことは、セマンティック検索を備えた次世代検索エンジンへの関心を示しました。この技術は、単にキーワードを使う方法を改善することで、Googleのビジネスモデルを揺るがす可能性がありました。その後、基盤となるPARC技術で競争に勝てなかったものの、Microsoftは最近、Skypeユーザー向けに音声翻訳を導入するなど、取り組みを続けています。正確な音声システムにはまず言語理解が必要だという1960年代の提案を踏まえ、改善を試みない理由はないように思われます。
シリコンバレーは解決策を探し続けています。1996年、「Ask Jeeves」の目標は、「英語を話す執事」に質問するインターネット検索を提供することでした。現代の例としては、ニューラルネットワークの模倣に焦点を当て、プロセッサーを大量に必要とする実装を行う企業、Vicariousがあります。「私たちは、視覚、言語、運動制御において人間レベルの知能を実現する、統一されたアルゴリズム・アーキテクチャを構築しています。」Vicariousはすでに、目標を追求するために7,000万ドルを調達しました。同社のウェブサイトにはこうあります。「Vicariousは、コンピューターが人間とまったく同じように知覚し、想像し、推論する未来へ、私たち全員を近づけています。」それは実現するかもしれません。しかしニューラルネットワークは1940年代から研究されているにもかかわらず、人間に近い水準の言語理解の正確さを実現できていません。
先週、科学的な予測はイノベーションが起きた後に最も容易になると書きました。ジェットエンジンの初期設計を考案するより、それを改良するほうが簡単です。今日の記事は、稼働中のシステムを基にしています。正しい道筋に乗れば、拡張、小型化、最適化を通じて、稼働中の技術を改善することに私たちは長けています。テレビの小型化とムーアの法則を、改めて考えてみてください。
AIは1950年代以来、言語理解を閉じ込めてきました。そして今、技術プラットフォームが劇的に転換し、それが主流に解き放たれるのを私は目にしています。言語理解の革命には、まだ長い道のりがあります。言語によって、機械は私たちの依頼や望みに応えられるようになるからです。さらに私は、言語理解の基礎となるアルゴリズムを完成させるため、RRGと連携するコンピューター設計をめぐるさまざまな議論に焦点を当てたブログも執筆中です。そのアルゴリズムにはPatom理論が含まれ、IoTの世界ですぐに活用する必要があります。
この記事は、 LinkedInとの協力により公開されています。公開されたことは、世界経済フォーラムが見解を支持することを意味しません。
アジェンダの最新情報を受け取るには、 週刊ニュースレターにご登録ください。
著者：ホセイン・エスランボルチ博士は、Cyberflow Analyticsの会長兼CEOです。
画像：組み立て中のフォード・トランジット・バンの車台をスポット溶接するロボットアーム。クレイコモのフォード・クレイコモ組立工場にて。ロイター／Dave Kaup。
