--今後、AIをどのように活用していくべきなのか?

武田氏:実際に企業がAIを使おうと考えた時に各技術の特性を理解したうえで、目的に対し、技術の取捨選択と問題解決の落とし込みが必要となる。例えば、ディープラーニングは画像解析や音声認識に優れているが、ほかの分野ではどうなのだろうかということを考えなければいけない。

また、AIは具体的なマーケティングや医療業務などの知識や社会知、欲望、判断力をあらかじめ備えているわけではないため、どのようなデータを使い、何を解決したいのかということを明確化する必要がある。

行動情報科学研究所の未来像

--今まで一番苦労したことは?

武田氏:自然言語処理と機械学習よる解決のアプローチに取り組んでいるが、アプローチの仕方にそれぞれ違いがあり、片方だけを用いるのは難しく、両方の要素をバランス良く使うことが大事だ。どのように、どこまで使うのかは日々トライ&エラーを繰り返しながら実践している。自然言語処理に頼りすぎた場合、実務では使えないということになることもあるが、そこに機械学習の要素を組み込むことで実用的になることもあるため、常にチャレンジしている。

また、顧客からの要望が多かったものを「Lit i View PATENT EXPLORER」や「Lit i View AI助太刀侍」として製品化してきたが、AIの使い方や要望が過程が定まらない時は、どのようにまとめるか、ビジネスとして成立するかという苦労があった。しかし、顧客の要望のパターンに気づき、取りまとめてビジネスにつなげていった。

行動科学研究所内

--将来的な研究所の見通し、戦略は?

武田氏:BtoCの領域では、理由を提示できるエンジンを提供したいと考えている。基本的にAIは相関関係で答えを得るため、情報を発見・提示した時の理由が大事なのではないか。例えば「こういう観点でこれをおすすめしました!」ということが提示できれば、そこにコミュニケーションが発生する。

コミュニケーションが発生すれば、購入するかしないかの決断を醸成できるようになり、人は面白みを感じる。決断することに対し、よりピュアで人間として豊かな気持ちになるのではないかと考えている。理由を提示する機構をKIBITに備えることで、決断するプロセスを洗練させていきたい。

一方、BtoBの領域についてはプリスクリプティブ(処方箋)な解析を進め、何か分かったというだけではなく、そこからどうするのかというビジネスに役立つ解決策を提示できるシステムを詰めていきたい。例えば、転倒・転落防止システムの場合、転倒・転落のリスクが分かることだけでなく、防止しなければならない。防止する方法は何があるのかという落とし込みの部分が重要になる。そのため、ナレッジベースや実際の業務をモデリングしていくことが重要となり、ナレッジベースの充実と行動のモデリングに取り組んでいく。

そして、AIのベースを向上させるために教師なし学習の要素を増やしたい。自動的に新しい知見を増やしていく技術や、辞書を使わずに同義語を自動的に収集する機能を充実させたいと考えている。また、要約のテクノロジーや、機械学習の精度を向上させるため、自動的に適応する情報の範囲、例えば文章全体やセンテンスをコントロールできる技術などに取り組む。

--常にKIBITは進化していく?

武田氏:KIBITが備える能力を高めていくとともに、できることを増やしている。例えば文章をKIBITに与えると要約されたものを提示したり、文章の作成や話しかけた時に返答したりするなど、コミュニケーション自体ができるようにKIBITの技術の枠を広げていきたいと考えている。