【神崎洋治のロボットの衝撃 vol.8】ビジネスを大きく変える「IBM Watson」の特長とその凄さ(3)　日本IBMに聞く 導入実績と仕組み、開発環境

中野（敬称略）

パソコンやサーバを使ってコンピュータが処理した様々なデータを利用している皆さんも多いと思いますが、一般のリレーショナル・データベースではコンピュータが理解したり計算・分類しやすい構造化されたデータが利用されています。わかりやすく言えば、スプレッドシートやデータベースなどのデータです。では、パソコンの中に保存されている構造化されたファイルは全体の何割くらいあるか想像したことがあるでしょうか。

一般的なドキュメントファイル、プレゼンテーション、電子メール、デジタルカメラの写真や録音された音声ファイルなど、人間は読み聞きして理解はできるけれど、一般のコンピュータには理解できない非構造化データが多くを占めているのが実状ではないでしょうか。

ある調査では世界中で蓄積されているビッグデータは、2020年までに44ゼタバイト位になると言われています。

中野

テラの上がペタ、その上がゼタですね。44ゼタバイトは440億テラバイトです。1テラバイトのハードディスク440億個分です。しかも、そのビッグデータのほとんどは文章、音声、画像、センサーデバイスなどから蓄積されたデータで、80%以上が構造化されていないデータだと言われています。構造化されていないデータはコンピュータが理解できないと言われてきました。

今、こうして神崎さんはWatsonの取材をして、その内容を記事にしますが、その記事を読まないとヒトは内容が理解できない、人間の場合も同じですよね。コンピュータの場合は一般に人間用に書かれた文章がそもそも理解できないという課題も抱えているのです。

そのため、ビッグデータの蓄積がどんどんと増えていっても、読んでいない、もしくは読めないデータがどんどん蓄積されていったのでは活用されていないに等しいというわけです。

中野

「人工知能とは何か？」という話も、実はかなりあいまいに捉えられたまま話がされることが多く感じます。

広義では、学習・推論・判断などの人間の知能、または人間の思考、あるいは人格的なものも含めて、人工的な環境で実現する、例えばコンピュータに実装する、あるいはその一部分を切り出して特化した機能をコンピュータ化するというものです。たとえば、チェスや将棋、囲碁で人間に勝つ、あるいは車の自動運転を行うなど、単機能として切り出して実現したものを確かに人工知能と呼ばれることがあります。

しかし、狭義の意味では人工知能≒ディープラーニング（深層学習）、もしくはマシンラーニング（機械学習）であるという論調があって、これらはひとつの機能、ファンクションやテクノロジーとして取り上げられています。Watsonもディープラーニング等の最新テクノロジーを使っていますが、それだけではなくて他にも、30以上の機能をAPIとして公開しています。そこには50以上のテクノロジーが融合されたカタチで使われています。ディープラーニングはそのうちのひとつに過ぎませんので「ディープラーニング≒人工知能、だからWatsonは人工知能でしょ？」と聞かれれば違います、と回答しています。

※「≒」はニアリー・イコール（≈）。ほぼ同じの意。

中野

米国のクイズ番組「Jeopardy!」でクイズ王と対戦してから約5年が経過しています。クイズでの対戦のときのWatsonは実験や研究の段階でした。その半年後にWatsonの商用化を開始するといろいろな企業や組織がこのテクノロジーに興味を持ってくれました。

例えば米ウェルポイント社（WellPoint）からは医療分野で活用できないかということで一緒にプロジェクトを行いました。

中野

文献や論文、医療情報、カルテなどの膨大な情報をWatsonに学習させ、患者さんの症状を言うと症状の原因を推論出てて提示したり　これらの症状だとこの病気である可能性が高いことを確度の高い順にリストしたり、更には「糖尿病と診断されたことがあるか？」「 親族がかかった病歴は」などWatsonからの質問に回答を加えることで別の病気である可能性も探させたり、こうした情報を元により正確な診断結果を導き出そうというシステムです。
これらの提携プロジェクトをいくつか行ううちに、企業によるWatson利用の想定パターンが見えてきました。
そこでまず、「IBM Watson Engagement Advisor」をリリースしました。顧客対応、人間とのインタラクションが発生するやりとり、質問に対して答えを返すしくみを提供するソリューションです。解りやすく言えば「Q&A」「質疑応答システム」です。

中野

Watsonはいわゆるエンジンとしてクラウド上に存在します。IBMが Watsonのビジネスを広げていく際、単にエンジンだけを提供すれば良いというわけではなく、そこにアクセスするための 「API （Application Programming Interface）」を提供することが求められるようになってきました。

このようなニーズに対応するため、「IBM Watson Developers Cloud」というPlatformが提供されており、現在 Watsonサービスを利用するために30以上のAPIが公開されており、技術情報やサンプルコード、デモなどを提供しています。

開発者は、IBMの 「PaaS （Platform as a Service）」である「Bluemix」という開発環境から、これらの APIを組み合わせることで、コグニティブなアプリケーションを誰でも簡単に作成することができます。「Bluemix」（ブルーミックス）は既に全世界で約8万人の開発者に利用されています。

中野

シェフワトソンは、いくつかの食材を指定し、和風、イタリアン、中華料理などの料理方法や、記念日、誕生日等のスタイルを指定すると、Watsonがそれに合わせて料理の提案をして、そのレシピを作ってくれるというウェブサービスです。

中野

Watsonの全容としては「Offering」「Product」「Application」「Platform」に分けられます。

「Offering」（オファーリング）は、ある特定の分野で使うように設計され、定義されたフレームワークというか、料理用、資産管理用など用途を特定した専用のアプリケーションとしてパッケージ化して提供しているものです。

Watson Engagement Advisorは先ほども触れた質疑応答システムです。顧客対応分野で実用化しています。Watson Discovery Advisorは新たな知見を発見するシステムとして創薬やヘルスケアで実用化されています。

「Product」（プロダクト）は従来でいうソフトウェア製品に近いと思っています。

Watson Explorerは日本語化済みで既にソフトウェアとして販売中です。昨年前期にいくつかの銀行がWatsonを導入したというニュースを読んだかもしれませんが、このWatson Explorerが導入されています。

Watson Analyticsはクラウド上の分析ツール、いわゆる「BIツール ※」です。自然言語で問い合わせることができる点が特長のひとつで、バックにはデータベースと繋がっています。例えば売上げのデータベースと繋がっている場合、「先月の売上げは？」と問い合わせるとWatson Analyticsが先月の売上げを集計して回答します。「都道府県別の売上げは？」「あと対前年比も出して」と聞くと、都道府県別に対前年比を集計して回答してくれるというものです。自然言語でやりとりできますが、バックグラウンドで動作しているのはリレーショナルなデータベースです。

※ BIツール　Business Intelligence tools、蓄積した膨大な業務データを分析・加工・抽出する意思決定支援ツールのこと

中野

英語版はすべてリリースされています。まもなく発表するIBM Watson日本語版は、この中の一部について日本語化が完了した、ということになります。

中野

基本的に現在日本語対応を進めているAPIについては、対応する言語が広がれば複数の言語に同時に対応することが可能です。APIとして呼び出す際に、そこで扱われる言語が「日本語」なのか「英語」なのかを指定することで、1つの APIで複数の言語に対応する、というアプローチです。
もちろん、英語版のWatson APIも利用することはできます。
日本語の対応については、単に Input/Outputの日本語に変換するというだけではなく、日本語の単語、文法を理解し、主語が何で、述語、形容詞などのほか、微妙なニュアンスも含めて「意味」を理解されることが重要になります。

中野

そうですね、ローカライズとは全く違います。Watsonのロジックの中に日本語を理解させる、解釈させるロジックを埋め込んで追加していくという作業です。そのため、日本語版を開発すると発表してからここまで約1年が経過していて、やっと一部の日本語版が実現したという膨大な作業です。

中野

文献として日本語で書かれた文章を与えられたそれを読んで意味を理解する、そのコアのテクノロジーのひとつとしてディープラーニングの技術が使われています。

中野

IBM Watson Developer CloudではWatsonの技術やツールの情報を紹介していて、デモを体験することができます。

中野

BluemixではWatson以外にも多数のツール群やAPI等が説明されていてダウンロード提供されていますが、IBM Watson Developer CloudはWatson関連のものをピックアップして紹介しているサイトです。たくさんのデモがあり、紹介しますので見てください。

中野

Watsonの特長のひとつは、質問に対して回答したときにその論拠を示すことができる点です。なぜ、その回答が導き出されたのか、「Tone Analyzer」のデモではWatsonが自然言語の内容を理解できることに加えて、回答の論拠を明示できることがわかる例になっていると思います。

自然言語の解釈が難しいのは、日本語には高度な形態素解析が必要などといったこともありますが、自然言語には「ここ」「それ」「あれ」などの表現が多く、また修飾がどこにかかっているかが解りづらい等が挙げられます。例えば「白い机の上の花」と言った場合、白いのは机なのか、花なのか、ということです。これは一文だけを見ると解りづらいですが、ヒトは会話や文章の流れをつかんで理解しています。Watsonも同様に流れを解釈して理解したり推論することかできます。

中野

誤解のないようにしておきたいのですが「なんでも理解できる全知全能のWatsonがいるのではない」ということです。

自然言語解析のためにWatsonは「コーパス※」を持っています。そのコーパスはクライアントごとにカスタマイズされるもので、それぞれの業界や専門用語、言い回しなどに対応するものです。そこに会話などを加えて学習させていきます。コーパスは例えば、花屋さん業界や家具業界で異なるので「白い机の上の花」の修飾の推論も変わってくるかもしれません。他にも医療業界用、弁護士業界用、コールセンター用などクラウド上にクライアント用のコーパスを設けて運用する構造になっていますが、コールセンターであればどれも同じということではなく、A社のコールセンター用、B社のコールセンター用と、それぞれにカスタマイズされたコーパスが必要なのです。

※コーパス：コンピュータが利用可能な膨大な言語データ。

中野

ゼロから導入するWatsonは全く何もわかりません。まさに赤ちゃんのような状態です。蓄積されたデータが何もないのでなにを聞いてもわかりません。花屋さん業界用のワトソンが納品されるのではなく、赤ちゃんのWatsonが納品されるという感じです。

中野

最初にも申し上げましたが、ビックデータの活用で最も大きな課題となっているのは、日々蓄積されていくデータをどうやって活用するか、ということです。膨大な量のデータを常に人間がコンピュータが扱うための構造化データに変えていたり、分類していたのでは追いつきませんし、大変なコストがかかります。Watsonでは、ある程度自動的に膨大なデータを読み込ませていけば、どんどん学習して賢くなっていくとともに、分析に活用できるデータを日々蓄積していくことができます。