将来、SFは私たちが自分の 宇宙船のコンピューター と、ロボットの乗組員や他の人間と話すのと同じくらい容易に、複雑な会話を交わせるようになると描いている。しかし、その段階に至るまでは、冷蔵庫や掃除機と会話して間に合わせるしかない。
今週、複数の企業が、人の発言を理解し、それに応じて応答できるソフトウェアを作りやすくするための開発者向けプログラムを発表した。マイクロソフト、ニュアンス（ AppleのSiriの裏で使われている技術の一つを提供しているとされる ）、そしてサウンドハウンド（同名の音楽認識アプリを手がける企業）は、あらゆるアプリやスマート機器をより操作しやすくする方法を公表した。
今や何もかもがインターネットに接続されているように見えるが、 必ずしもすべてがつながるべきとは限らない ――そして、これらの機器を使う上で最も難しい部分の一つが操作である。小さな画面やサードパーティ製のモバイルアプリを指でたどって操作するのは、何かに話しかけるだけよりもはるかに難しい。しかし、人の言葉を理解し、その意味を読み取って有益な応答を返すソフトウェアを開発するのは容易ではない。Siriはほぼ二つに一つの言い回しを聞き違えているようで、他のバーチャルアシスタントも 大差ない。
より多くの開発者が音声認識を自社のソフトウェアに組み込めるようになるにつれ、それらのシステムが言語理解を高めるために利用できるデータも増えていく。そうなれば、明朝パンをどの程度焼き色をつけたいかについて、トースターと知的な会話を交わせるようになるのも、それほど先のことではないかもしれない。
聞いて学ぶ
ニュアンスの新たな開発者向けプラットフォーム「Mix」は本日（12月15日）公開された。開発者が数分で音声認識・理解アプリを構築できる、シンプルなツールキットとして設計されている。ニュアンスは、猫を探すよう指示された仮想ロボットと会話するために同社が作成したプログラムを、Quartzに披露した。「ソファの下を見て」と頼んだ後、「カーテンの裏は？」と続けて尋ねることができる。ニュアンスの言語理解APIにより、このプログラムは、行方不明の猫について改めて伝えられることなく、後続の質問の文脈を把握できる。
この狙いは、開発者が人と人との会話にさらに近い形で話せるものを作れるようにし、それをNest製サーモスタットなどのスマート機器、さらには 感情を持つ家庭用ロボットにも応用することにある。ニュアンスは価格の詳細は明らかにしなかったが、開発者が試用できる無料プランを用意すると述べた。
サウンドハウンドは自社のAPIプラットフォームを「 Houndify」と呼んでおり、同様の目標を掲げている。「急増する接続機器に対して、迅速かつ正確で、自然で、音声対応の対話型インターフェースへの需要が、今まさに高まっている」と、同社CEOのキヴァン・モハジャーはプレスリリースで述べた。同社はまた、開発者がアプリに音声認識、理解、そして後続の質問機能を追加できるよう設計された一連のAPIへのアクセスも開放している。
同社はまた、開発者が利用できる追加データを提供するため、他社とも提携している。開発者は、エクスペディアのホテルおよび航空券予約情報、アキュウェザーの気象データ、スポーツの結果、為替レート、株価、そして一般に人々が関心を持つその他の情報を取り込めるようになる。やがて、家庭内のあらゆる機器に そうした種類の質問を 、Amazon Echoに対して抱きうる質問と同様に投げかけられるようになるかもしれない。
サウンドハウンドは 最近、 同社の印象的なバーチャルアシスタントアプリ「Hound」を公開した。同アプリは、同社が開発者向けに提供する多くのAPIを活用している。住宅ローン金利について、複数段階にわたる複雑な質問をしたり、次の旅行にぴったりのホテルを正確に探したりできる。オンラインメニューやアプリ内ボタンを操作する必要はなく、人と話すように「Hound」に話しかけるだけでよい。マイクロソフトも 新たなツールを 、人工知能研究部門であるProject Oxfordの一環として公開した。 IBMのWatsonと同様に、マイクロソフトは、開発者が機械学習と音声認識をアプリに組み込めるよう支援するAPIシリーズを構築してきた。昨日、同社は、音声認識アプリの最大の課題の一つ、すなわち「そもそも人の言葉を理解できない」という点を克服しうる新たなAPIを発表した。同社の新たな認識アプリ2つは、人の声の特徴を学習することで話者を特定し、騒がしい環境でも音声を識別することを目指している。2015年はロボットの知能にとって最良の年ではなかったが、 それでも、 近い将来、はるかに賢い自動車、ロボット、バーチャルアシスタントへの道を示した。開発者がこうしたAPIを利用できるようになり、人々がより多くのデータをフィードバックできるようになれば、システムが私たちを理解する能力は向上するだろう。たとえばIBMは、Watson AIシステムを 日本製ロボットのPepperに組み込んだ。聞かれそうな質問を理解できるよう訓練したうえで、販売員として活用することを目指している。そして将来、ロボットに宇宙船の pod bay doors を開けるよう頼んだ際に、協力してくれることを願おう。 本記事の掲載は、世界経済フォーラムの見解を支持することを意味するものではない。
The Agendaの最新情報を追うには、 週刊ニュースレターにご登録ください。
執筆者：Mike Murphyは、Quartzの記者としてテクノロジーを担当している。
画像：Raytronのコミュニケーションロボット「Chapit」が、音声認識機能を用いて、声に反応して表情を作っている。Chapitは自動音声認識と音声合成の機能を備えており、音声データベースから適切な単語をいくつか選び、任意の音声を組み立てることができる。同社によれば、音声コマンドだけで家庭用電子機器を操作できるという。REUTERS/Kim Kyung-Hoon.
