AIが活躍する場をもっと広げる
高野敏明 講師 情報学部 コンピュータシステム学科
AIのユニークな応用やSNSの活用など、枠にとらわれないさまざまな取り組みを進めているのは高野敏明講師(コンピュータシステム学科)の研究室。SNS情報を利用した災害マップもその一つです。
災害時には、土砂崩れや水害などで道路が突然、通行できなくなるといった事態が起きます。状況は刻一刻と変わりますので、通常の地図では対応し切れません。そんなとき、TwitterなどのSNSが役立ったという報道を目にすることがあります。
「SNS情報はいろいろな発信があり、必ずしも整理されているわけではありません。そこでこれらの情報を地図上に整理して示すサイトを作り、そのサイト1カ所にアクセスすれば地域の状況を把握できるようにしたら役に立つのでは」。高野講師の研究室では、こんな発想に基づく情報提供を提案しています。
「災害時には、消防や自治体による救助活動(公助)にはどうしても限界があります。助けてほしい人がここで待っている、あの場所で水がもらえるといった情報をSNSからピックアップし、地図上に示すことで、地域コミュニティによる支援(共助)を促すシステムができたら役に立つだろうと考えました」と、高野講師はその開発意図を述べています。
SNS情報で懸念されるのは、嘘や確度の低い情報が紛れ込むことです。確実な情報源と一般の情報を分けたり、信頼性をランク分けしたりといった作り込みが必要になるのでしょうか。
この点について高野講師は、多くの人が位置情報をOFFにしている点に注目しています。「Twitterを発信する人は、位置情報を切っていることが意外と多い。この状況を逆手に取って、確度の高い情報を発信する人に位置情報をONにしてもらうようにすれば、信頼度は上げられるのではないかと考えています。例えば町内会の会長さんなどには、災害時、位置情報をオンにして発信するように依頼するのです。また、役所の職員が位置情報をONにして現場を見てまわり、Twitter情報から適切なもの、不適切なものを選別していく、といった運用も考えられると思います」。
災害時に、情報を自動的に収集し発信してくれるこうしたサービスが出来たら、大いに活用されそうです。「今のところ、災害時に絞って開発を進めようとしていますが、平常時にも『ここの道路に穴が空いている』などといった情報を市民が提供する使い方も考えられます。一般的なコミュニケーションシステムとして普及すると面白そうです」(高野講師)と期待していました。
情報学部 コンピュータシステム学科 高野敏明 講師
高野講師らは、少数言語の記録・保存にAIを役立てられないかという研究にも取り組もうとしています。きっかけとなったのは、世界で約2000人しか使う人がいないといわれている「ホボンガン言語」。東南アジアの島に住む部族が話すマレー語系の言葉です。
少数言語を記録・保存するプロセスは一般に次のようになります。まず熟練した言語学者が現地に出向き、現地の人と面談や対話を繰り返します。そのときの膨大な録音データから単語や文構造を、耳を頼りに判別し明らかにしていくのです。「ホボンガン言語」を記録・保存するという人から、その作業の大変さを聞いて研究を思い立ったといいます。
「日本語の対談を文字に起こすときでさえ聞き取れないことがありますよね。未知の言語の難しさは容易に想像がつきます。こうした作業の支援にAIが役に立つのではないかと思って、話を進めています。最終的には、言語学者が発音や単語を書き起こす際、候補をいくつか提示するシステムがいいかなと思っています。正解を提示できればそれに越したことはありませんが、多少のずれがあっても近い音の候補がいくつか挙がっていればサポートにはなるのではと考えています」(高野講師)。
技術的には「教師なし形態素解析」と呼ばれる手法を用いる予定です。高野講師は、2020年中にプロトタイプ構築を目指し、その後、実用化に向けて進めたいと話していました。
今後取り組みたいテーマの一つとして、高野講師は「転移学習」を挙げています。転移学習とは、ある領域で学習したことを別の領域に役立たせ、効率的に学習させる技術です。
「人間には幅広い応用力があります。例えば、ノートにペンで書ける人なら苦もなく黒板に文章を書くことができます。乗用車を運転できる人は、追加の訓練を受けることでトラックを運転できます。しかし、木の床で歩き方を学習した歩行ロボットは、カーペットではすぐ転んでしまいます」(高野講師)。
歩行ロボットにとって木の床の上を歩くことをマスターしただけではカーペットの上は歩けない。それは全く別のノウハウなのです。画像認識で言えば、魚の種類を識別できるAIが、すぐに自動車の車種を識別できるわけではありません。それをやろうとすると、現在の学習手法では、改めて大量のデータを用意し、イチから学習し直すことになります。それでは効率が悪い。転移学習は、そういったギャップを埋め、少ないデータで完了する機械学習の手法として注目されているのです。
「一芸に秀でる者は多芸に通ず」ということわざがありますが、言ってみれば転移学習は一芸に秀でたAIを多芸に通じさせる技術ともいえます。
「AIの課題として世界的にも認識されているテーマですので、今後いろいろな研究者が開拓していく分野でしょう。この領域でも研究成果を報告していきたいです」と高野講師は語っていました。