「＜オージス総研をとりまく＞人工知能技術の過去と現在（３）」

前月の続きで、1990年代の活動についてお話をしたいと思います。具体的には、ＡＩの一つの領域である音声認識（英語、日本語）関連テーマ「音声認識を利用した英会話教育システム」「ビデオ要約システム」に絞って説明いたします。

（１）Phonetic Engine（音韻認識装置、後にソフトウェア化）から出力された音韻コード列は、SUNワークステーションに送られる。ワークステーション上では、(A)音韻コードブック (B)各単語を音素レベル記号列で記述した音韻辞書 (C)単語間の接続を記述した文法があり、もっとも確からしい文字列を出力する。
（２）米国の技術を導入しており、日本語化はオージス総研で行った。
（３）英語はアメリカ人によるスピーカモデルであるので、ネイティブスピーカに近い発音をしないと認識しなかった。そこで、初心者向けに日本人英語によるスピーカモデルも作成し、学習を始めるハードルを低くした。
ユーザはこの２つのモデルを選択することができる。（教育的には、いろいろ意見があるかもしれないが、音声認識しないと話にならないため）

（１）リスニングとスピーキングについて臨場感あふれる学習ができるようにマルチメディアを駆使している。（テキスト、グラフィック、ウィンドウ、動画、静止画、音声認識、音声出力）
（２）会話教材は、学習者とその相手をするパートナーとの会話を中心に、（当時普及し始めた）ハイパーテキストにメディアがリンクしたハイパーメディアの構成になっている。

図２．英会話教育システムの構成

図３．ハイパーメディア型教材

 

３－２．教育方法

４－２．システムの構成

図５．基本構成

４－３．考察

このテーマに関しては、20年ほど前のプロジェクトで（私の記憶が薄れている上に）「参考文献」４しか記録が残っていない。それによると、
（１）1時間以内のドラマの場合、10分程度で内容がわかる要約になる。
（２）パターンの決まったドラマなどには、視聴者が期待するシーンがあるが、このシーンがあると満足度があがるようである。逆にストーリーが概ね理解できるようであっても、このシーンが無ければ不満が残るようである。（例えば水戸黄門）
（３）ニュースは、短くても特に内容の理解がしやすいようである。
（４）3分の要約にはなかったニュースが、5分で表示されることがある。短く要約してしまうと、あるニュースが完全に削除されてしまっていることに、気が付かないという心配がある。　などなど。

（１）ＡＩセンターがなくなり、アドバンストプロダクト事業部などの名称になった。AIからAdvancedへ衣替えである。紹介したテーマは、この事業部で行われた。
（２）主にエキスパートシステムを構築していたグループを中心に、その後オブジェクト指向技術の開発に移行。この分野で日本を牽引することになった。