ホームロボットの進化（映像を認識する）
ホームロボットが進化するために必要な機能
今回は、未来の世界で私たちと一緒に暮らすことになるホームロボットに、今後どのような機能が搭載されるのかについて考察したいと思います。
未来の世界では
AIの映像認識の発達によってリアルタイムの映像を処理出来るようになると、音声認識との組み合わせで人との完全な対話が実現します。
現在は音声認識が100％完成されていませんので、人とAIとの対話には不自然なところが沢山残っている状況です。（もしかすると音声認識の技術には限界がある可能性があります）
では、どうすれば対話が自然に行われるでしょうか？
１ AIとカメラによって人の喋り方、唇の形や動かし方を分析。
AIに「読唇術」の機能を持たせれば、従来の音声認識では完全に理解出来なかったところを補うことが出来る。
ある言葉を発音する時に、唇の形や口の動きをAIが学習しながら判断する仕組みです。
読唇術の機能だけではなく、表情、しぐさ、会話のテンポ（普段と比べて）まで含めて分析し、音声認識と組み合わせることで、言葉の正確な理解が実現します。
２ 「状況」によって判断する機能を持たせる（ネットの情報を参照して）
ロボットが使う「言葉」は「状況」によって変化しますので、AIが、その場の「状況」を理解することが重要になる。
たとえば、今の状況は
早朝なのか？夜遅くなのか？就寝前なのか？仕事帰りなのか？どの時間帯なのか？休日なのか？雨なのか？晴れなのか？暑いのか？寒いのか？食事前なのか？食事後なのか？個人のスケジュール情報を参照して……
こういった様々な「状況」=「判断材料」によって、大雑把ではありますが、使う言葉が絞られてくる筈なので、今後、AIの進化で「状況」を理解出来るようになると、従来までにあったAIと人との不自然な、すれ違いの会話というものが無くなるのではないでしょうか。
３ 個人の文法の癖を把握（個人情報を記憶）
話し方というのは個人ごとに違い、使う言葉の範囲や発音なども個人ごとに変わってきます。
この機能は文法の「癖」だけではなく、１の読唇術、表情、しぐさ、喋り方のテンポまでをAIが合わせて記憶しているので、個人ごとの特徴を把握することによって言葉の理解の精度が上がることにつながる。
４ 人が何をしているのかを理解する
画像・映像認識が発達すると、ホームロボットは人が今、何をしているのかを理解するようになります。
つまり、それは
過去→さっきまで何をしていたか（１０分前でも３時間前でも）
現在→今何をしているのか
未来→これから何をするのか（予測）
人が何をしているのかを見て理解することは、これら３段階の時間軸で把握され、その情報は人との会話の中で活用されます。
５ 会話の「内容」を記憶し、理解する（言葉の理解）
会話の内容を理解するには、AIが言葉の意味を理解する必要があるのでハードルが高く、実現には時間がかかると思われます。
これは、４の「人が何をしているのかを理解する」に近いのですが、時系列に「過去」「現在」「未来」と話の内容を区別して正確に処理しないといけません。
その上で会話の中の「いつ」「どこで」「だれが」「だれに」「何を」「何故」「どんな」……などといった細かな状況設定が乗っかてくるのです。
しかも、そういった状況設定だけに留まらずに、「感情」「身体感覚」「常識・倫理観」など……様々な要素を理解する必要があるのですが、それは突き詰めると「心」の問題に行き着いてしまい、そもそも開発する人間の側に、「心」を解き明かせるのか？という疑問が残ります。
ただ、この問題は「人間のようなAI」を目指せば今の技術では絶対に行き詰まるので、段階的に捉えるべきだと思っています。
mirainosekai.hatenablog.com
これら１～５の機能を持たせることによって、対話型のAIが飛躍的に進化することが予想されます。（他にも新しい機能を追加することでホームロボットの能力が向上するでしょう）
これからのAI
現在の対話型AIを見て、表面上は上手く話しているように振る舞えるだけで「見当外れな受け答えをする」「大したことがない」と能力を過小評価するかも知れませんが、今回、紹介したような映像認識や様々な機能が追加されていくと、
ほんの数年のうちに能力を５倍、１０倍と上げていく可能性があるでしょう。
これから先、私たちの想像を超えて対話型のAI、ホームロボットが進化していくことは確実です。
未来の世界では必ず対話型のAI・ホームロボットが進化して普及しているでしょう。
今回はホームロボットというよりは、AI機能の進化について考察しましたが、次回はホームロボットが、どのような場面で活用されるのかについて紹介したいと思います。
