2018年5月のGoogle I/Oで、音声アシスタント（Voice Assistance）のGoogle Assistantの拡張サービスとして、電話代行サービスであるGoogle Duplexが発表され、そこで行われたデモは世界に衝撃を与えました。それはAIが利用者に代わって飲食店や美容室に電話予約を入れるというもので、やりとりの音声だけを聞くと、どちらが人間かもわからないくらいに自然な会話となっており、従来の一問一答のものとは一線を画していることがわかります。

一方で、自動音声応答装置（Interactive Voice Response：IVR）による電話受付の自動化も進んでおり、近い将来、音声アシスタントとIVRによる人が関与しない通話コミュニケーションが実現するかもしれません。

このような新しいユーザー体験が実現する背景には、音声認識技術の進歩があります。そこで今回は、音声認識を中心としたテクノロジーや人工知能（Artifical Intelligence：AI）の、現在の動向や未来の可能性について言及しようと思います。

隠れマルコフモデルによる音声認識。

そもそも音声認識（Voice Recognition）とは、人間が発する音声情報としての自然言語をコンピューターに認識させることであり、音声情報を文字情報に変換したり、発言者や発言内容の特徴をとらえて識別するなどの機能を実現します。

音声認識技術の歴史は長く、前回の「いまさら聞けない音声UI」でも触れた通り、1960年代初期にIBM社により開発されたShoeboxがそのルーツだと言われています。それが消費者向けに商品化されたのはそこから約半世紀後のこと、Apple社が2011年に発売したiPhone 4Sに搭載された音声アシスタントのSiriがそれでしょう。ただし、当時は音声認識の精度が低く、実用にはまだ遠いものであったことも事実です。

それがここ数年で状況が大きく変化し、音声認識の精度は格段に上昇しました。それに伴い、前述のGoogle社のGoogle Assistantや、Amazon社のAlexaなど、大手IT各社の音声アシスタントが登場し、今なお発展と進化を続けています。その背景では、どのようなブレイクスルーが起きていたのでしょうか。

音声認識技術の本質は、空気の振動である音声からパターンや特徴を抽出し、発言者や発言内容を識別することにあります。その際、過去のデータから学習したモデルをもとに推論を行うわけですが、そこでは主に隠れマルコフモデルが利用されています。隠れマルコフモデル（Hidden Markov Model：HMM）とは、直前の結果のみから次の結果が確率的に求まるというマルコフ性を仮定して事象をモデル化する手法です。これにより、最後に発話された言語の要素から次に発話される言語の要素を確率的に推論することで認識精度を向上させることが可能となります。

ただし、この手法は確率に基づく推論モデルを事前に構築しておく必要があります。すなわちエキスパートシステム（Expert System）¹⁾再考するエキスパートシステムでいう知識ベース（Knowledge Base）が必要であり、その構築には膨大な時間と労力を要します。

またそれゆえに、会議やプレゼンのような比較的正確な文法や標準的な語彙が使われるビジネス会話には対応できますが、文法的に崩されたりスラングが多用される日常会話に対応することが極めて難しいという欠点があります。

深層学習による音声認識。

その欠点を克服する技術として、いま急速に進化しているのが、深層学習による音声認識です。深層学習（Deep Learning）²⁾いまさら聞けない深層学習は、人間の脳を模倣した多層ニューラルネットワーク（Deep Neural Network：DNN）を用いた機械学習の手法で、コンピューターが自ら特徴表現を行うことが最大の特長です。これにより、モデルの中身がブラックボックス化されるという欠点はあるものの、多用な文法表現や語彙表現に対応する推論モデルの構築が可能となり、日常会話のような自然な会話においても実用レベルになりつつあります。

深層学習により、音声認識の技術レベルは格段に上がりました。あとは多様なデータからモデルの多様性や精度を向上させたり、あるいは学習や推論にかかるコストを下げることでさらに実用性が向上していくものと思われます。これは音声認識技術そのもののブレイクスルーというよりは、例えば音声データのノイズを除去する技術や、音声データを高速に通信する技術などの周辺技術に依存するものと言えるでしょう。

とはいえ、ここでいう音声認識とはあくまで音声をパターンとして認識することであって、意味を理解するということではありません。現在のAIは「小さい子供の服」と言った場合に「小さい」が「子供」にかかるのか「服」にかかるのかを識別できません。人間であれば、慣習やそれまでの話の流れ、あるいは周囲の環境などの多様な情報からその意味を識別できます。

意味の理解については、音声認識だけではなくAI全体の課題であり、その実現に向けては越えるべき技術的な壁が多くあります。とはいえ、意味を理解するための背景や周辺の多様なデータは集まりつつあり、それを高速に学習する技術も向上しています。実現に向けて少しずつ近づいて行っていることは間違いないでしょう。

最近はやや落ち着いた感がありますが、人工知能（Artificial Intelligence：AI）あるいは機械学習（Machine Learning）¹⁾いまさら聞けない機械学習という言葉を聞かない日はないくらいにバズワード化しています。これは第三次AIブームと呼ばれ、その火付け役が機械学習の一種である深層学習（Deep Learning）であることはいうまでもありません。

第三次があるならば、当然ながら第二次AIブームも存在したわけですが、その中心にいたのがエキスパートシステムです。エキスパートシステム（Expert System）とは、専門知識を持たない素人でも、専門家と同じレベルの意思決定や問題解決ができるよう、その領域の専門知識をもとに専門家の能力を再現するシステムのことです。専門知識をルール化することから、ルールベースシステム（Rule-based System）とも呼ばれます。

筆者が大阪大学でAIの研究に関わっていた1990年代後半は、まさにこのエキスパートシステムを中心とした第二次AIブームが過ぎ去った後の、いわゆるAI冬の時代でした。しかしながら、その研究は粛々と続けられており、当時は大阪大学の助手であり、筆者の指導教官でもあった大澤幸生氏（現東京大学教授）により開発が進められていた、Index Navigator²⁾ユーザの変化する興味を理解し表現する文献検索支援システムIndex Navigatorと呼ばれる、キーワードの関連性を表す知識ベースをもとに、推論エンジンを使ってユーザーの興味を入力キーワードから理解し、次のキーワード候補を提案することで文献検索を支援するシステムは、1998年の人工知能学会論文賞を受賞しました。

ところで、なぜ第二次AIブームは終わってしまったのでしょうか。それを理解するには、そもそもエキスパートシステムとは何か、そしてその欠点を知る必要があります。また、第三次AIブームの渦中で、エキスパートシステムはどのような状況にあり、さらに今後はどうなるのでしょうか。

深層学習のベースである多層ニューラルネットワーク（Deep Neural Networks：DNN）を用いた機械学習の発想は古くからあり、1979年に福島邦彦氏により発表されたネオコグニトロンでその原型が確立されています。しかしながら当時は、その技術を生かす大量データと膨大な計算を行う超高性能なコンピューターが存在せず、実用に至りませんでした。ところが、近年のビッグデータの普及とコンピューターの進化により、深層学習として具現化されたわけです。

2019年は5G・IoT元年になると言われています。AIをとりまく環境も大きく変わることでしょう。深層学習がそうであったように、エキスパートシステムが近年の技術革新により進化する可能性は十分にあります。ここで復習をかねて、再考してみたいと思います。

知識に基づく推論。

エキスパートシステムは、専門家の意思決定や問題解決の能力や手順を模倣するシステムであり、専門家のように知識に基づいた推論を行うことで、複雑な問題を解くよう設計されたものです。

通常のシステムでは、すべてのロジックをプログラムで構造化するのに対し、エキスパートシステムでは、知識と推論を分離して構造化するという特徴があり、それぞれの部分を知識ベース・推論エンジンといいます。

知識ベース（Knowledge Base）は、専門知識をルールで表現した特殊なデータベースであり、「もしXならば、Yである」という自然言語の形式で記述されます。サッカーでたとえるならば「もしディフェンスが右に動けば、オフェンスは左に動く」というようなことです。推論エンジン（Inference Engine）は、エキスパートシステムの頭脳であり、知識ベースに記述された専門知識をもとに最適解を推論する仕組みのことです。

もともとエキスパートシステムは、スタンフォード大学のヒューリスティック・プログラミング・プロジェクトの研究者らにより1960年代に提唱されたもので、その一人でありエキスパートシステムの父といわれるエドワード・ファイゲンバウム氏らによる、Dendralという有機化学の知識をもとに未知の有機化合物を質量分析法で分析して特定するシステムがその起源です。

1980年代には、同氏が提唱したエキスパートシステムを扱う工学分野である知識工学をベースに研究開発が進み、多くの大企業が導入するなど実用に向けて大きく前進しました。これが第二次AIブームです。多くの大学ではAI関連コースが開設され、日本では第五世代コンピュータの開発を目指す国家プロジェクトも発足しました。

しかしながらそのブームは1980年代とともに終了します。その理由は、エキスパートシステムが抱える以下の欠点によるものでした。

• 専門家のあらゆる知識のルール化が必要で労力がかかる。
• たくさんの知識を教えると矛盾が発生する。
• 知識として体系化しづらい例外が存在する。

そもそもエキスパートシステムが求められる業種や職種の専門知識は複雑かつ多岐にわたります。また、相互に矛盾するものやルール化しづらい例外も多く、それらを包括する汎用的なロジックの表現は極めて難しいものです。

例えば、会計業務には明確なルールがあり、簿記の手順にしたがって作業をするだけなので、エキスパートシステムにより代替できると考えられていました。たしかに簿記の範囲であればルール化は容易ですが、決算書作成の段階では人間の判断が必要で、かつ会計基準が業種業態により異なるためルール化は非常に困難です。現在でも、簿記会計の自動化は可能であるものの会計監査の自動化は不可能であるといわれています。

専門知識のルール化を多層ニューラルネットワークで自動化する試みもされましたが、当時は前述のとおり、そのための大量データと膨大な計算を行う超高性能なコンピューターが存在せず、実現することはありませんでした。こうして失意のもと第二次AIブームは終焉を迎えたわけです。

エキスパートシステムの現在と未来。

では、エキスパートシステムの現状はどうなっているのでしょうか。すっかり廃れているのでしょうか。実は、そんなことはまったくありません。

第三次AIブームに便乗する形で、AI搭載を謳う製品やサービスが雨後の筍のごとく次々とリリースされています。その中でも、とりわけ画像処理関連のものの多くは深層学習をベースにしているようですが、それ以外ではエキスパートシステムをベースにしていることも多いように思われます。深層学習とは違い、明確にそれが謳われることがなく存在感が薄いだけで、実用化は確実に広がっています。

そもそも深層学習が具現化されたのは、ビッグデータの普及とコンピューターの進化によるものですが、その恩恵を受けたのはエキスパートシステムも同じです。従来環境では難しかった複雑な推論処理が可能となり、知識のルール化の自動化の可能性も高まっています。

また深層学習には、大量の学習データが必要である、導出されたモデルがブラックボックス化するなどの欠点があります。さらに、エキスパートシステムにはない例外を学習できるという特長があるものの、その反面として過学習による汎化性能低下の問題があり、エキスパートシステムの欠点を克服して代替する存在には至っていません。

そのような背景もあり、いま現在において深層学習が実用化されているのは、大量の学習データを獲得しやすく、かつモデルを単純化しやすい画像処理などの一部の領域に限られており、エキスパートシステムの進化が期待されている領域は多く存在します。

そのひとつに、教育業界で注目されている適応学習があります。適応学習（Adaptive Learning）は、学習者一人ひとりの学習進捗度に最適化された学習方法と学習教材を選択して提案するためのロジック・システム・サービスなどを包括的に指し示す言葉です。とりわけ算数や数学は効率的に学習するための教育体系が確立されており、エキスパートシステムがもっとも得意とする領域と言えるでしょう。

ではスポーツはどうでしょうか。たとえばゴルフは教育体系が確立されており、かつ他者に影響を受けづらい競技であるため、エキスパートシステムを適用しやすい領域と言えます。

一方でサッカーは、対戦相手のみならずチームメンバーにも影響を受けるため、意思決定プロセスが複雑でルール化が難しく、適用しづらい領域と言えます。ただ、ボールを蹴る・止めるなどの基本技術については適用できそうです。実践技術においても「ディフェンシブサード右サイドでの一対一」や「アタッキングサード中央でのボール奪取」などの”局面”で因数分解できれば適用される可能性があります

また、スポーツには”動き”という自然言語での記述が難しい専門知識が存在します。しかしながらこれはモーションキャプチャーというセンシング技術の進化により克服されており、ゲームなどでプロサッカー選手の動きが再現されています。

さらに5GとIoTの普及により、”動き”などの自然言語記述が難しいものも含めた専門知識が世界中でルール化され、共有される可能性があります。それがWikipediaのように民主的にマネジメントされれば、エキスパートシステムは三つの欠点を克服し、さらなる実用化が進むかもしれません。