ことばでロボットを動かすこと

ABCは知ってても：

プラクティカルな他のカテゴリと違い、考えを積み重ねるこのカテゴリは、なかなかブログにまとめる体にはなりません。
最初は、ある程度まとまったらブログに落とそうと思っていましたが、そうは簡単にまとまるものではないですね。論文でいえば、いまだに参考文献の読み込みをしながら、ぼんやりとしたイメージをノートに書き散らしているような段階です。

とはいえ、備忘録として書いているブログですから、この辺で「ロボットを言葉で動かす」ことについて、考えたことをまとめておきます。

最もシンプルなモノは、80年代のロボットおもちゃ「キクゾー」のように、単語と動作を結びつけるものでしょう。

これは、モーターひとつで、前後左右に動いたり、小さなものを持ち上げたりするという、傑作おもちゃです。これまた興味深いシンプルな音声認識で、「前進」などの単語を認識出来ます。
命令をアクションに割り当てる方式です。リモコンのボタンに単語が割り当ててあると考えられます。そのため、「前進」で登録したのを忘れてしまい、「前へすすめ」なんて言うと、当然、動きません。

これでは融通が効きません。もう少し良さそうなのはSTT(Speech To Text)で音声を文書化し、形態素分析とロジックで命令の意味を解析する方式です。ネットタンサーではこの方式で、音声認識センサーを実現していました。

しかし、これで問題が解決する訳ではありません。話し言葉では「ああ」とか「えっと」などの意味の無い言葉が入りがちですし、「えっと前進。前へ４メートル‥‥いや３メートル」のように、きちんとした文法にならないことが多いようです。これを理解するソフトは結構大変なのではないでしょうか。

大学入試に挑戦する人工知能というのが話題になっていますが、文脈の理解という点では、理解されることを目的とした入試問題文と、何気なく発せられた話し言葉では、後者の方がずっと難しいのではないかと思います。

例えば先ほどの例では、ロボットが「３メートルですね？」と確認を求めるのが良さそうです。
これが、話し言葉を理解するには、一方通行の「音声認識」ではなく、人間との対話で情報を確定する、「対話による認識」が必要になると考える所以です。