アレックスはもうすぐ過去の人になる

誰も名前を言わないなら、必要ないのか...？

カーネギーメロン大学の研究者らは、スマートスピーカーなどの音声支援機器と目覚ましを使わずに対話できるシステムを開発しました。

このシステムは機械学習に依存しており、ホームアシスタントの拠点に常にいることに代わる安全な方法となる可能性があります。

新システムはどのように機能するのですか？

4人の研究者からなるチームは、この新しい発見を研究論文[PDF]として発表し、新しいモデルの仕組みを説明するビデオも提供した。

この研究では、音の位置や角度を決定する技術である「音の方向性」に着目しています。これは、音源の位置だけに注目しがちな現在のスマートデバイスとは対照的です。

また、現在の方法は特定の呼び出し語に依存しているため、Alexaの呼び出し語を他のものに変えても、選択肢が1つか2つ増えるだけです。

人が話すと、その声が室内に反響し、異なるタイミングでスマートスピーカーに届きます。反射した音のタイミング、音量、周波数スペクトルを分析することで、ユーザーがスマートオブジェクトの方向に向かって話しているのか、それとも離れて話しているのかを予測することができるようになったのです。

また、研究論文に加えて、ニューラルネットワークの学習に使用したデータセットのGitHubへのリンクも提供されました。データセットに含まれる11,520のユニークなフレーズは、ユーザーが90度向きを変える角度を予測するスマートスピーカーのトレーニングに十分な精度を備えていました。

方向を決定するために必要な演算量は、遠隔地のサーバーに接続することなく、端末のローカルな部分で行えるほど軽い。今回の研究成果により、スマートデバイスとのインタラクションがより円滑になり、クラウドベースよりもユーザーのプライバシーが保護されることが期待されます。

この技術がいつ一般に普及するかは未定だが、いずれはウェークワードが不要になるという根拠はある。インテリジェントスピーカーの名前を呼ぶ必要がなくなったとき、本当に必要なのでしょうか？多分、アレックスはその答えを知っているのだろう。

この研究は、スマートデバイスとのインタラクションの新しい可能性を開くものですが、ウェイクワードを完全に置き換えるものではなさそうです。やはり、スマートスピーカーの大きなメリットは、他の作業を行いながら音声だけで対話できることです。

複数のスマートデバイスを同じ空間で利用できる未来を予感させます。聞こえてくるスマートデバイスをすべて起こすのではなく、1台のデバイスに静かに天気予報を伝えてもらうことができるのです。

まだ時期尚早ですが、このような技術により、近い将来、SFの中のシームレスな人間と機械のインタラクションが現実のものとなるかもしれません。