グーグル｢AI秘書｣､驚くべき進化の舞台裏 音声合成が可能にした人間そっくりの会話

「自然言語処理や機械学習、テキスト読み上げといった技術への長年の投資が可能にした」。グーグルのスンダー・ピチャイCEOがそう力を込めたとおり、「グーグルデュプレックス」と呼ばれるこの新技術には、これまでのAI研究の成果を結集させたといっても過言ではない。

グーグルデュプレックスの仕組み（画像：Google）

グーグルは匿名化された通話データを自動音声認識技術で処理し、脳の神経回路を人工的に数式で表したニューラルネットワークを用いて、デュプレックスのモデルを作った。ただ、1つのモデルが万能なわけではない。美容院の予約、レストランの予約、祝日の営業時間確認という場面ごとにモデルを作らなければならなかった。「これだけ自然な会話をAIで実現できたのは、タスクを限っているからだ」（グーグル幹部）。

つなぎ言葉でより”人間”らしく

会話の内容だけでなく、自然な発声も重要だ。音声合成技術を用い、会話の流れや文脈に沿ったイントネーションを実現した。さらに、相手の発言を受けてアシスタントが次の発言を考える処理をしている間には、「Hmm」や「Uh」といった言葉で会話をつなぐことで、”人間らしさ”を出したという。