サボることしか考えていないイタチ（≒人間）を主人公に物語形式で「AIによる音声認識のしくみ」を1つ1つ丁寧に解説した本。「言葉を理解する」とはどういうことなのかよーくわかるのです。AIによる音声認識の入門書としてもおすすめです。
↑気になったらここからポチっと（買ってくれるとお小遣いが入ります）↑
↓気になったらここからポチっと（買ってくれるとお小遣いが入ります）↓
↑気になったらここからポチっと（買ってくれるとお小遣いが入ります）↑
この本を読むとわかること
言葉が聞き取れること
- 音を言葉として聞き取るために必要な音節の区別
- 機械による音声認識の仕組み
おしゃべりができること
- 明確な目的を持った会話と、目的を持たない会話
- AIのシンギュラリティを評価するチューリングテストでは人間の間違いをうまく模倣できた機械ほど「人間らしい」と評価
- 「マジで？」「やばーい」のような共感を示すぼんやりとした言葉が人間らしさ
質問に正しく答えること
- 質問に答える機械の仕組み
- 「雑談をする機械」よりも意味の世界に踏み込まなければならない「質問に答える機械」
言葉と外の世界を関係づけられること
- 機械にとって「ネコ」を「ネコ」と認識することの難しさ
- ディープラーニングの導入で大きく発展した画像認識・物体カテゴリー認識
- ディープラーニング（パーセプトロンの組み合わせ）で画像認識する仕組み
- ニューラルネットワークにおける「学習」
- 「画像・動画に正しいラベルを貼れること」は「言葉を理解した」と言えるのかという難問
- 抽象的な言葉・役割を表す言葉・出来事を表す言葉の理解が困難
文と文との論理的な関係が分かること
- みんなが当たり前のことを導く「推論」と推論の体系としての「論理」
- 論理の数式化は可能だが、暗黙の前提をすべて式に展開することの難しさ
- 「論理的に考える」ことの邪魔になるもの
- 感情や都合、間違い、言葉の定義、隠れた前提、曖昧性
- 機械による論理的判断における「含意関係認識」
- 単純な論理問題ではない「人間らしい問い」に答えることの難しさ
- 「論理的な推論パターン」を使った意味理解の限界
単語の意味についての知識を持っていること
- 機械に同義語を与えるための辞書として構築された「WordNet」
- 単語の意味を「ベクトル化」するというソリューション
- 近い単語は似た形状のベクトルに変換される性質の利用
- Googleのword2vecにおいて報告された「ベクトルの演算」と「意味計算」の類似性
話し手の意図を推測すること
- 曖昧性の解消が一番の課題
- 発言と意図が一致しない「会話的含み」をどう理解するかという難題
- 「暑くないですか？」＝「エアコンをつけてください（暑い/暑くないの問いではない）」
↓気になったらここからポチっと（買ってくれるとお小遣いが入ります）↓
