そこまで料理を頻繁にするわけではないが、スマートスピーカー「Google Nest Mini」でキッチンタイマーをスタートさせるようGoogle アシスタントに頼んだときは、当たり外れが大きい。設定したはずのタイマーがどこかへ消えてしまい、残り時間がわからなくなる事態があまりに頻繁に発生するのだ。アシスタントが言葉の文脈をうまく理解できないおかげで、タイマーをセットできるまで試行錯誤を繰り返すはめになることもある。
このような問題が近いうちに解決する。4月28日（米国時間）に提供が始まったGoogle アシスタントの最新アップデートにより、アラームやタイマーの設定のようなタスクの実行を指示した際の文脈の理解が大幅に改善するからだ。
このアップデートには、通話やメールの操作を音声で指示している人にとってうれしい修正も含まれている。友人や家族の名前の正しい発音を、ようやくアシスタントに教えられるようになったのだ。
Googleアシスタントが文脈を理解する
音声アシスタントを使ったことがある人なら、恐らくコマンドを途中で言い直したことがあるだろう。「OK、グーグル。タイマーを20…じゃなくて10分にセットして」といった具合だ。従来のアシスタントならうまく理解できなかっただろうが、これが最新アップデートによって「タイマーを10分にセットしたい」という意図が伝わるようになる。
また、これまでもGoogle アシスタントで複数のタイマーを同時に操作することはできたが、そのうちひとつだけキャンセルしたくなった場合には面倒なやりとりが必要だった。それが今回のアップデートによって、どのタイマーをキャンセルしたいのかを素早く判断できるようになっている。
さらに、タイマーの設定に「卵をゆでる」といった名前をつけてから「卵のタイマーをキャンセルして」と言っても、名前が完全には一致していないので従来は伝わらなかった。最新のアップデートでは、この点が修正されている。
アラームに関しても、さまざまな問題が改善されている。例えば、すでにセットしてあるアラームを1時間遅らせるようアシスタントに頼んでも、頼んだ時点から1時間後にアラームをセットしてしまうことがあった。それがアップデート後なら、すでにセットしたアラームの話をしていることをアシスタントが理解して、きちんと時間をずらしてくれる。
タイマーとアラームのアップデートは、いまのところディスプレイのないGoogle アシスタント対応機器（スマートスピーカーの「Nest」シリーズなど）で利用できる。追ってスマートフォンやスマートディスプレイにも導入される予定だ。
新たな機械学習の手法が貢献
こうした改良は、Google アシスタントが自然言語理解（NLU）に使うシステムの全面的な再設計によって実現した。グーグルの著名なエンジニアでアシスタントのNLUと対話型AIの開発チームを率いるアマルナグ・スブラマンヤによると、今回の改良によって人間と人間以外のアシスタントが従来よりはるかに自然に“会話”できるようになるという。
「現時点において人々がデジタルアシスタントに話しかけるときには、次のふたつのことを考えています。アシスタントに何をしてもらいたいのか、そのためにどのような言い方をすればいいのか、ということです」と、スブラマンヤは語る。「これはとても不自然なことだと思います。デジタルアシスタントに話しかけるときには大きな認知負荷がかかっているわけですから。自然な会話は、その認知負荷をなくすひとつの方法なのです」
アシスタントとの会話をもっと自然なものにするには、フレーズの意味を補うことで特定の対象に結びつける「照応解析」の能力を向上させなければならない。例えば、「タイマーを10分にセットして」と言ったあとで「12分に変更して」と伝えた場合は、音声アシスタントは何が主語であるのかを理解しなければならない。
新しいNLUのモデルは、「BERT（Bidirectional Encoder Representations from Transformers）」と呼ばれる機械学習の手法に支えられている。グーグルはこの技術を2018年に発表し、まず「Google 検索」に適用した。初期の言語理解の技術においては文中の単語をひとつずつに分解していたが、BERTはフレーズ内のすべての単語の関係を処理することで、文脈の識別能力を大幅に向上させている。
関連記事 ：Googleの検索エンジンに「過去5年で最大の飛躍」。新たな言語処理モデル「BERT」の秘密
BERTによって検索が改善した例として、「Parking on hill with no curb（縁石のない丘に駐車）」を検索した場合が挙げられる（ここを参照）。以前は「縁石のある丘」も検索結果に表示されていたが、BERTを有効にすると、道路の脇に車輪を向けるようドライヴァーにアドヴァイスするページが表示されるようになった。
とはいえ、BERTにも問題がないわけではない。グーグルの研究者の調査によると、BERTのモデルは人の障害に関するフレーズを否定的な言葉と関連づけることがわかっており、自然言語処理のプロジェクトにもっと慎重になるべきだという声がグーグルに寄せられている。
徐々に適用範囲を拡大
それでもタイマーやアラームにBERTのモデルが採用されたことで、アシスタントはこうした入力に対してほぼ100％の精度で対応できるようになったと、スブラマンヤは言う。だが、この優れた文脈の理解は、まだすべてにおいて機能しているわけではない。グーグルによると、新しいモデルをリマインダーやスマートホーム機器の操作といったより多くのタスクにも対応させるべく、時間をかけて取り組んでいるところだという。
カリフォルニア大学サンタバーバラ校で自然言語処理グループのディレクターを務めるウィリアム・ワンは、グーグルによる改良は抜本的なものであると指摘する。とりわけBERTのモデルの音声言語理解への適用は 「それほど簡単なことではない」からだ。
「グーグルがこのBERTのモデルを導入したことで、18年以降は自然言語処理の分野全体ですべてが変わりました」と、ワンは言う。「BERTは、ある文から別の文へと何が自然に続くのかといったことや、文と文の関係性をしっかり理解します。単語、フレーズ、さらには文章の文脈まで学習しているので、18年以前と比べるとはるかにパワフルなものになっています」
こうした改良のほとんどはタイマーやアラームに関連したものかもしれないが、文脈を広く理解する音声アシスタントの能力が全般的に向上している様子がわかる。
例えば、ニューヨークの天気を尋ねたあとで、「そこでいちばん高いビルは？」「誰が建てたの？」といった質問を続けたとしよう。アシスタントは、あなたがどの街の話をしているかを理解して返答を続ける。厳密に言えば新しい機能ではないものの、今回のアップデートによってアシスタントは文脈にかかわるこのような問題を以前よりうまく解決できるようになっている。
名前の認識率も向上
さらにGoogle アシスタントは、ユニークな名前も理解できるようになった。これまでは珍しい名前の人に電話をかけたりメールを送ったりしようとしても、アシスタントが正確な発音を知らないことで何度も繰り返したり、まったくうまくいかなかったりすることがあった。
それがグーグルの新しい音声モデリング技術により、ユーザーが声に出して名前を読むことで、アシスタントが正確に名前を識別できるようになった。この機能を利用するには、スマートフォンのアシスタントの設定から手動で設定する必要がある。
さらにいいことに、音声がクラウドに経由でグーグルに送られることはない。「音声データを保存しなくても発音を学ぶことができるのです」と、スブラマンヤは言う。
この名前認識の向上は、いまはまだAndroidスマートフォン、スマートスピーカー、スマートディスプレイにおいて英語でしか利用できない。グーグルは、近いうちにほかの言語へも拡大したいと説明している。
音声アシスタントとの会話をより自然なものにしようとするグーグルの取り組みは、何年もかけて「Google 検索」を徐々にアップデートしてきたことに近いのだとスブラマンヤは言う。
「Google検索のごく初期のころは、検索ワードの組み合わせまで細かく考えて入力しなければなりませんでした。それがいまでは、『近くのコーヒーショップ』と伝えるだけでいいのです。使う言葉の組み合わせをそれほど考える必要はありません。デジタルアシスタントでも同様の進歩が起きています」
とはいえ、AIと長い会話のやりとりをすることは、まだできない。カリフォルニア大学のワンによると、AIはいまだに特定のリクエストの処理に苦労しているという。例えば、画像や動画などから学んだ答えを提供することは、まだあまり得意ではない。「機械が人間と会話し、本当の意味で自然に理解して応答できるようになるのは、まだまだ先のことなのです」
※『WIRED』による人工知能（AI）の関連記事はこちら。グーグルの関連記事はこちら。
TEXT BY JULIAN CHOKKATTU