日常の会話を、 AIの熱量 にする。

これまでAIは、Web上のテキストや画像を学習して進化してきました。しかし、ロボティクスや自動運転システムのように「身体性を持つAI」には、人間とコミュニケーションを取るための"聴覚"、すなわち音声情報が欠かせません。視覚情報やテキストだけでは捉えられない現実世界の情報を補うために、リアルな環境音を含む音声データが重要になっています。

​Web上のテキストは、すでに学習し尽くされています。また、合成音声やスタジオで収録された音声のような、"綺麗すぎるデータ"で訓練したAIには限界があります。ノイズや不確実性だらけの現実世界では機能しない――こうした「理想と現実のギャップ」が課題となるのです。今求められているのは、雑音も含んだ「現場の生データ」です。

今のAIは「何を言ったか」の処理は得意ですが、「どう言ったか」の理解には課題があります。声のトーンや抑揚、話す速度、感情のニュアンス――こうした音声特有の情報を正確に捉えることがまだ難しいのです。人間らしい対話を実現するには、文字には表れない声の情報を含んだ音声データが欠かせません。

世界各国でAIデータ利用に関する法整備が進んでいます。こうした流れの中で、学習データの出どころと権利関係の透明性を確保することは、単なるリスク対策を超えて、企業としての信頼を左右する要素になっています。きちんと同意を得て、収集プロセスが明らかな「倫理的なデータ」を使うこと自体が、新たな競争軸になりつつあります。