こばやしゆたか

「笑い」や「興奮」も分かるコンピュータ（1/2 ページ）

　日本SGIとAGIとの共同開発による「ST(Sensibility Technology = 感性制御技術) Ver 2.0」が発表された。

　STについては、この記事やこの記事でも、過去に取り上げた。けんかするコンピュータのあれだ。

　もちろん、けんかするのが目的なわけじゃない。コンピュータに人間の「感情」を理解させようというプロジェクトである。開発しているAGIではこのための技術をST、それを使ったユーザーインタフェースをSUIと呼んでいる。

　発表会では、まず日本SGI新規事業推進オペレーション統括の大塚寛さんが、その「新規事業推進」というのはなにかということから話をはじめた。要するに、SGIのなかでもいわゆる“コンピュータ”っぽくない事業であり、例えばロボットの「POSY」だったり、レスキューロボットだったり、あるいはゼンリンと組んでの3Dマップだったりするものだ。そしてその中の一つにSTもあるというわけ。

　続いて大塚さんは、AGIの光吉俊二社長の「人となり」を紹介する（*1）。

　それによれば光吉さんはもともと彫刻家だったのだ（例えば、このページを参照）。その彼が、自分の作品を発表するためにパソコンというものに接した。そしてキーボードとマウスをいじって「なんだこの使いにくいものは」といってしまう。

　それでも、ちゃんと使えるようになって、こんどは3Dソフトで粘土細工みたいなことをしようとしたとき、また「なんだこりゃ」になっちゃう。かゆいところに手が届かないようなもどかしさがあったらしい。

　そこで、声で制御できるようにならないのかって考える（ここで、マウスじゃない“粘土細工デバイス”を作るってほうには行かなかったのだ）。最初はしゃべった言葉の「単語」を認識するという音声認識を試してみる。でも、これには限界がある。

　ここで、いよいよ光吉俊二社長登場。

　音声認識をするためには認識のデーターベースである「辞書」が必要だ。でも、その辞書にない言葉は絶対に認識できない。かといって、辞書を大きくすれば、今度はマッチングに膨大な時間がかかるようになる。

　光吉さんは、ここで音声認識を見限っちゃった（*2）。もっと違う方法でやろうと考える。

　そこで目をつけたのがことばの「リズム」である（ここで言う「リズム」はドラムで刻むようなものだけではなく、イントネーションを含んだ概念のようだ）。

　人間が発する言葉は、まず音声であり、そこにはリズムがあり、受け手はそれによって大きな情報を得ている。例えば同じ「ばかやろう」だって、リズムによって、罵声から愛の言葉までいろいろな「感情」を感じられる。リズムによって感情を理解しているからだ。これをコンピュータにやらせようというのがSTだ。

　STでの感情認識は、辞書とマッチングを取るようなものではない。膨大な（どこからとってきたのか、どのくらいの量なのかは教えてくれなかった）サンプルをもとに、リズムから感情を検出する関数を探し出したのだ。この関数に音声信号を入れれば、出力として認識された感情が出てくるというわけ。

　この方式のメリットは2点ある。

*1　名前は似ているけど、SGIとAGIとは全く関係がない。なんてったってAGIとは「Animation Game Idol」の頭文字なのだ。

*2　地道に音声認識を研究している人には申し訳ないが、光吉さんの場合は、見限っちゃったところから先に進めたわけだ。

*3　実は、私はこのシステムを見ていて、なんだか腹が立ってきた。受付嬢の発声があまりに平坦だからだと思う。「感情をもってしゃべらせる」というのは、またさらに難しい挑戦だろうが、これにも期待する（とくにゲームの分野で！）

この記事の著者

関連記事

• 

  霧のスクリーンからケンカするコンピュータまで～「IVR2004」

• 

  ゲームのキャラと口げんかできる――“感情”を読み取る音声認識エンジン

• 

  レスキューロボット、実用化への道――消防隊員がトライ