こんにちは、富永です。

 2014年にソフトバンクが「Pepper」を発表して以来、比較的手ごろな価格の人工知能搭載ロボットがいくつか登場しています。

 その一つに、UBICの人工知能エンジン「KIBIT(キビット)」を搭載したロボット「Kibiro(キビロ)」があります。Kibiroはユーザーとの対話やメール、チャットアプリなどによるテキストでのコミュニケーションを通じ、嗜好を理解し、それに合わせたリコメンデーションをしてくれます。

[画像のクリックで拡大表示]

 その内容はかなり柔軟かつ自然で、例えば

ユーザー: 明日の飲み会の場所、どこかいいとこないかな?
キビロ: 先週はインド料理だったから、明日は担々麺の有名な四川料理のA店でどう?

といった具合です。

 人同士のコミュニケーションであれば何も特別なことのない普通のやりとりですが、ロボットが相手であることを考えると、けっこうな驚きなのではないかと思います。

なぜなら、この会話は、

・コンピュータ言語(=論理体系)ではなく「人間の言語でのコミュニケーション」
・先週の飲み会の場所はインド料理だったという「事実」
・ユーザーはスパイシーな料理を好むのではないかという「推理」
・スパイシーな店でインド料理とカブらないもの=四川料理、韓国料理という「概念的理解」
・そのなかのひとつである四川料理の中で、ユーザーの好みに合いそうな店の「抽出」
・そのなかで評価の高い店の「抽出」

 といった複雑な理解やプロセスを下敷きにしており、あらかじめ与えられたプログラムに基づいて動くというロボットのイメージと比べて、かなり高い認知的な能力が感じられるからです。

 また、このコラムのビッグデータの回でも少し触れましたが、通常のEコマースなどで見られるリコメンデーションの仕組みは「協調フィルタリング」と呼ばれる、

・ある人は商品Aを購入した
・商品Aを購入する人全体を見ると、高い確率で商品Bも購入している
・したがって、この人に商品Bを薦めたら購入に至る確率が高いと思われる

 つまり、シンプルな購買履歴に基づくAとBとの関係など、意味的な要素には特段注意を払わない機械的なものであることが多く、その点からもKibiroのリコメンデーションは質的に違うように感じられます。

 その「違い」の感覚をもたらしているのは、大きく

(あ)会話・テキストによる自然文によるコミュニケーション
(い)意味の理解を前提にしたリコメンデーション
(う)ユーザーの嗜好の理解

の3点ではないか、と考えます。

 そこで、これらのことが技術的に達成された背景を探るべく、Kibiroの開発元であるUBICで話を伺ってきました。

[画像のクリックで拡大表示]