人工知能(AI)が人々の生活を便利にする

最近では、携帯電話を始めとした電化製品を声で操作することが多くなってきました。

例えば、時計で目覚ましを設定するとき、時計機能を起動して新たにアラームを作成し時間を合わせるよりも、音声操作を利用して“明日7時に目覚ましを設定して”と言うほうが早くて簡単ですよね。

日頃よく使うLINEの音声入力も格段に進歩しています。以前はよくあった依頼した内容を聞き違えて操作がうまくできない、ということも今では少なくなりました。

性能の向上に伴い、音声アシスタントを利用するユーザーの割合も増加し、米国では2013年には30%だったのが2015年には65%に伸びています（Newsweek）。

2016年10月、マイクロソフトでAIを活用した製品やサービスの開発を目的とする部門、 Microsoft Artificial Intelligence and Research の研究者とエンジニアのチームは、誤認識率5.9％の精度の音声認識システムを開発したと発表しました。

これは、話した内容を文字に書き起こす文字起こしのプロよりも低い誤認識率で、歴史的快挙ともいえます。

このような、携帯電話などの機械操作は、人工知能による音声アシスタントのおかげでとても便利に、そして快適になりました。これは、昨今のAIの急速な成長によるものといえるでしょう。

進化した機械学習、ディープラーニング

AIの研究が始まったのは1950年代半ば。その研究の目標は、人間並みの知能を持つマシンを構築することでした。

AIの研究は停滞期もあり、この目標の達成への道のりは長いように見えましたが、2005年以降のディープラーニング（深層学習）という研究アプローチによりAIの研究は大きく発展を遂げてきています。

ディープラーニングは、機械学習の一種です。

機械学習とは、AIを実現するためのアプローチで、特定の事象についてデータを解析し、その結果から学習して、判断や予測を行うためのアルゴリズムを使用する手法です。

人間の脳の神経細胞（ニューロン）のネットワークの学習のプロセスを模擬し、ニューラルネットワーク（人の神経を模したネットワーク構造）というアルゴリズムに基づいています。

しかし、ディープラーニングというアプローチが出てくる以前の機械学習は、まだまだ精度が低いものでした。

例えば、この機械学習を画像認識に応用する場合には、ある画像を学習して判断するに際し人間がその画像の特徴を定義しなければならず、かなり手作業によるコーディングが必要でした。つまり、機械は自分で考えはおらず、人間が機械に学ばせているにすぎなかったのです。

ネコの識別に成功した、Googleの人工知能

従来の機械学習で問題点として指摘されたのは深いニューラルネットを学習するための十分なデータが得られなかった、という点です。

しかし、2000年代後半に入ると、コンピュータの性能が飛躍的に上がったことにより、ニューラルネットワークの多層化が実現し、より複雑な特徴量の計算と職別が可能になったのです。

ディープラーニングがこれほど注目されるようになったきっかけは、2012年に開催された画像認識コンテスト、ImageNet Large Scale Visual Recognition Challengeです。

カナダ・トロント大学のGeoffrey Hinton教授のチームが約1200万画像・1000カテゴリの画像認識に対して初めてディープラーニングを適用し、1年前の優勝記録の誤り率25.7%から15.3%へと4割も削減し、2位以下を大きく離す圧倒的な精度を実証したのです。

同じ2012年には、Googleが構築したニューラルネットが1000万枚の画像を学習して、ネコを自動的に認識したことも話題となりました。

この研究は、Googleが持つ膨大なデータとリソースを使って行った大規模な実験で、1000台のコンピュータで3日間かけて学習を行いました。

その結果、ネコに反応するニューロンが生まれ、そのニューロンの反応を観察することで、画像がネコであるか否かを精度よく識別できた、という画期的な結果を生み出しました。

ディープラーニング実用化の波

ディープラーニングは2012年に注目されるようになって以来、急速に実用化が進められています。

応用分野は画像認識、音声認識、自然言語処理、ビデオ検索および分析を始めとして幅が広く、Google、Facebook、Microsoft、中国Baiduといった大手IT企業がディープラーニングの実用化に着手しています。

Googleは2015年3月に開催されたNVIDIAのイベントで、同社の画像検索サービスや道路画像表示サービスからAndroidの音声認識など「すでに47種類の自社サービスで、ディープラーニングを利用している」と発表しました。

2016年11月には、LINEがディープラーニングを搭載したAI対応型チャットボットによるカスタマーサポートサービス“LINE Customer Connect”を発表しました。人工知能には、東京大学のAI研究の流れを汲むベンチャーPKSHAが開発する、カスタマーサービス領域の汎用型対話エンジンのBEDORE（べドア）を採用しています。

このサービスの導入により、一次対応はAIが自動応答を行い、必要に応じてカスタマーセンターでの有人の対応を行うことができます。サービス業務の効率化、自動化を図ることができるのです。

最初の導入は、アクスルが運営するインターネット通販サービスのLOHACOです。顧客の質問と回答の実績から最適な組み合わせが抽出され、LOHACOのサポートデスクスタッフの検証と承認を経て、最適な回答が自動学習される仕組みになっています。

LOHACO“マナミさん”によるLINE自動応答とオペレーター連携によるチャットサポートのデモ動画

こちらの事例では、自動応答からのオペレーター連携・有人応対のツールとして、モビルスのチャットシステム「モビエージェント」を採用いただいています。

ディープラーニングの機能を搭載したAIシステムは、カスタマーサポートセンターにとどまらず、さまざまな分野で導入され、今後ますます身近になっていきます。

チャットシステム「モビエージェント」

人工知能やCRM/FAQシステムとの連携によって自動応答を可能にする、コール／コンタクトセンター・顧客サポート向けチャットシステムです。

チャットボットによる「自動対応モード」とオペレータによる「有人対応モード」の切り替えも簡単。ボットに一次受け対応を任せることで、オペレータによる丁寧な二次対応も可能になります。

また、チャットボットは、顧客からの一時的なコール集中やオペレータの急な離席にも対応可能。「モビエージェント」の採用により、顧客満足度の向上、オペレータストレスの低減、放棄呼の削減や応対効率の改善が実現できます。

チャットシステムの導入検討や活用事例等についてご質問やご相談がありましたら、モビルスまでお気軽にお問い合わせください。

また、多国籍チームで新しいチャットシステムを開発するエンジニアの仲間も募集しておりますので、お気軽にご連絡の上、一度オフィスにも遊びに来てください。