　この「音声」による情報取得を効果的に生かしたガジェットが「Amazon Echo（Alexa）」や「Google Home」などのスマートスピーカーで「例えば、電話をかける場合、手元に必要なく、台所に置いたこれらに質問を投げかけるだけでよくなった。手で入力することもなく、あたかもアシスタントがその答えを出してくれるようなものだ。これは数年前と比べて大きな前進だ。言語が理解でき、音声認識ができ、機器の制御ができることで可能となった」とハレヴィ氏は技術の集積の成果を強調する。

　そして「そしてこの進歩により、デジタルホームが実現できる」とハレヴィ氏は述べる。「アシスタントが家にあり、われわれの命令を理解することで、台所や寝室にいても、照明を消したり、暖房のスイッチをオンにしたり、好きな音楽をかけたり、さまざまなことができる。家と直接コミュニケーションを取るような仕組みは、大きな可能性がある」（ハレビィ氏）としている。

　さらに、デジタルホームの次はバイタルセンシングに期待しているという。増加するデータをかつてない形で収集するために、さまざまなセンサーが登場しているが、人の情報を入手する方法もさまざまなものが生まれている。その中で人からも常時さまざまな情報を取得でき、新たな価値創出につなげる動きが進んでいる。例えば、心拍数や気分、睡眠の質の測定が可能になるセンサーを搭載した製品なども現れている。

機械との自然な対話がもたらす価値

　そのセンサーでも対話型の方向へ進化しており、現在はインタフェースとして「チャットボット」「パーソナルアシスタント」といったものが使われている。ただ、現在の対話型インタフェースの機能は限られたもので、フラストレーションのもとにもなっている。そのため将来的にはより幅広い対話、より深い対話へと進歩する必要がある。「こうした課題にMegagon Labsは対応する」とハレビィ氏は語る。

　より幅広い対話をするためには、複数のデータベースやデータソースの統合が求められる。Megagon Labsではウィスコンシン大学と共同で、データサイエンティストの分析に必要なデータ準備作業を削減できるPythonベースのデータ統合および準備のオープンソースエコシステム「BigGorilla」を開発した。文字列マッチングやデータマッチング、スキーママッチング、スクレイピング、情報抽出に対応。「BigGorilla」のWebサイトではチュートリアル、コード、デモの閲覧が可能だ。

　対話の幅を広げるためには、問題を1つ1つ追求し解決することが必要である。例えば、おいしいコーヒーを飲むためには、豆の生産地から、流通の過程、焙煎する道具、コーヒーメーカー、エスプレッソマシンまで理解する必要がある。そのドメインを理解するためには、必要な知識のデータベースは膨大なものとなる。会話型エージェントを作るためには、何を目的にどのようなドメインを選択し、それに基づいてどのようなデータベースを構築するかが課題となる。

　また、ハレヴィ氏は「人間にとって最も重要な会話は『自問自答』であるが（データベースによる対話は）実はそれがあまり得意ではないということが分かっている」という。それは十分な記憶や知識がない場合や、考え方が分からないケースがあることが原因にもなっている。

人間を助けるAI

　Megagon Labsでは重要テーマとして「人々をより幸せにするテクノロジーを構築できるか」ということを問題提起している。心理学の分野でポジティブ心理学というもので、幸福度を高めるためのテクニックを数多く提供するものだ。しかし、テクニックのアドバイス方法が、スケールアップできていないというのが現状のようだ。

　幸福を左右する要素としては、50％が「遺伝」、10％が「外部環境」「行動と考え」が40％を占めるという調査がある。このうち「行動と考え」が改善できれば人々は幸福になることが分かってきた。「行動と考え」に関して、人々が正しい選択をできるようにサポートできるのかについて、同社は研究活動を進めている。

　最後に、ハレヴィ氏はAIについて「人間を助けられるかに集中すべきだ。人にとって代わることでなく、人を支援するということに焦点を当てることが必要だ。そのためにはチャットボットをより面白くし、より幅広く興味深いやりとりを人間とできるようにしなければならない」と考えを述べている。

ウェアラブルには“キラキラ”や“ふわふわ”が足りない
女子大生がウェアラブルを考えると――。リクルートテクノロジーズは、同社が開発したリストバンド型のウェアラブルデバイス「Lily」をベースに、理系学科に通う女子大生がデザインした“スマートアクセサリー”を紹介した。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
芽吹くか「組み込みAI」
第3次ブームを迎えたAI（人工知能）。製造業にとっても重要な要素技術になっていくことは確実だ。2017年からは、このAIを製品にいかにして組み込むかが大きな課題になりそうだ。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。