『働きたくないイタチと言葉がわかるロボットー人工知能から考える「人と言葉」』☆5

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）↑

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）↓