ロボマインド・プロジェクト、第２２９弾！
こんにちは、ロボマインドの田方です。
今回のテーマは、これです。
はい、ロボマインド、二つ目の特許です。
一つ目の特許は、第154回「世界初！心の特許」で紹介したものです。
今回のは、じつは、前回のより、はるかに重要なんです。
いわゆる基本特許というやつです。
基本特許っていうのは、その分野の核心となる技術特許のことを言います。
その製品を作るには、その特許を使わざるを得ない特許のことです。
ただ、それが、本当に基本特許かどうかは、後からしか判断できないんですよ。
その技術が広く普及して、初めて、それが基本特許だってなるんですよ。
だから、今回取得した特許、本当に基本特許かどうかは、現段階では言えません。
ただ、僕は、次の時代になくてはならない特許になると確信しています。
なぜ、そう言えるのか。
それを、これから説明いたします。
それでは、始めましょう！
まず、今回の特許の分野は、AIです。
その中でも自然言語処理になります。
自然言語っていうのは、人が話す言葉のことです。
まずは、今までのAIからおさらいします。
ＡＩって、二つに分かれます。
一つは、ルールベース、もう一つは機械学習です。
ルールベースってのは、「ＡならばＢ」ってルールを教えるＡＩです。
熱があって、咳が出るなら風邪ですって診断する病気診断システムとかです。
機械学習ってのは、データから学習するタイプのAIです。
大量の写真からネコを認識できるようになったディープラーニングとかが有名ですよね。
ルールベースと機械学習、何が一番違うかというと、人が教えるか、自分で学習するかです。
ルールベースは、人がルールを教えて、機械学習は、AI自ら、学習します。
これは自然言語処理でも同じです。
たとえば文章の空欄穴埋め問題を解くAIを作るとします。
「ボールが○○に落ちた」って文の○○に何が入るかって問題があって、選択肢に、「上」か「下」があるとします。
機械学習なら、大量の文章を学習させて、「ボール」や「落ちる」って単語の近くにある単語の数を数えて、一番数が多い単語として「下」を選ぶって感じです。
ルールベースなら、「落ちる」の組み合わせとして取りうる単語として「下」ってルールを用意しておいて、「下」を選ぶとかです。
これがAIの考え方です。
さて、みなさん、これ、どう思います？
なんか、おかしいって思いません？
だって、どっちも言葉の並びだけで答えようとしてるんですよ。
つまり、上とか下って言葉の意味を理解してないんですよ。
でも、言葉で一番重要なのは、意味でしょ。
誰も意味なんか考えてないんですよ。
これ、おかしいでしょ。
じゃぁ、何で、誰も意味を考えないか、かわかります？
答えは簡単です。
それは、意味とは何かって、誰も答えれないからです。
ここが、自然言語処理の最大の問題なんです。
そこで、ぼくは、今まで、誰も定義できなかった「言葉の意味」っていうのを、明確に定義したんです。
それが、今回の特許です。
だから、基本特許って言えるんです。
それじゃぁ、さっそく、その中身を説明していきます。
基本的な考え方は、第217回「言語学者じゃ絶対に気付けない言語の本質」で話しました。
そこで取り上げたのは、「昨日、おじいさんとご飯を食べた」って文です。
ある大学教授が、こう言ったら、それを聞いた留学生がびっくりしたそうです。
「えっ、おじいさんを食べたの！」って。
はじめ、意味が分からなかったんですけど、よく考えたら分かりました。
つまり、「おじいさんとご飯を食べた」の意味を「おじいさん＆ご飯」を食べたって解釈したわけです。
だから日本語は難しいって話です。
さて、この話に対して、僕は、言葉と意味の関係は、物体と影の関係と同じじゃないかって言ったんですよ。
たとえば、こんな立体パズルがあったとします。
このパズルは、いろいろ変形できます。
たとえば、こんなのとか、
こんなのとか、
さて、この立体パズルに上から光を当てたとします。
すると、下に影ができますよね。
パズルを変形すると、影の形もかわりますよね。
パズルの形と影の形は対応するわけです。
でも、パズルが違う形でも、たまたま、影が同じ形になることってありますよね。
これと一緒ってわけです。
さっきのおじいさんの話。
文が指し示す内容、意味が立体パズルなんです。
そうすると、その影が文になりますよね。
違う意味内容なのに、表現によっては、偶然、同じ文になることもあるってことです。
「おじいさんと同じテーブルについて、一緒にご飯を食べた」と、「ご飯と一緒に、おじいさんを、むしゃむしゃ食べた」じゃ、全然、意味が違いますよね。
でも、それを文で表すと、どちらも「おじいさんとご飯を食べた」ってなるわけです。
「だから、日本語は難しい」で終わらせたらダメなんですよ。
何でこんなことになるのか、根本を考えないといけないんですよ。
問題の根本がどこか、もう、わかりましたよね。
それは、言葉しか見てないってとこです。
言葉は本質じゃないですよね。
言葉は、本質の影です。
本質を見れば、全然違う内容だってすぐに分かります。
文や言葉をいくら分析しても意味ありません。
ＡＩのルールベースも、機械学習も、どっちも言葉しか見てません。
言葉をいくらいじくっても、何も解決しません。
目指すべきは、本質を再現することなんです。
つまり、言葉や文から、意味内容を再現しないといけないんです。
でも、そんなこと言っても、どうやって意味を再現するんでしょう？
立体パズルなら、分かりますよ。
でも、文の意味って、パズルみたいに具体的じゃないでしょ。
それを、今回、具体的に実現したんです。
だって、具体的な物でないと、特許なんて取れませんから。
それじゃぁ、説明しますよ。
人は、世界をどうやって認識するか。
それは、左脳にある世界認識システムでおこなっています。
これは、第２２０回からの「１２０％脳を解放した女」シリーズで語っています。
左脳に世界認識システムっていうのがあって、人は、あらゆる物事を、この世界認識システムを介して理解します。
それほど、根本的なシステムがあるんです。
人が、この世に生まれた時、世界認識システムが最初にすることは、世界を図と地で分けることです。
地と言うのは後ろにある背景です。図というのは前にある対象のことです。
人は、対象を背景から切り出して認識するわけです。
人は、世界の中に、自分がいるって感じますよね。
背景としての世界と、その世界とは別に自分がいるって感じますよね。
それは、世界認識システムを介して世界を認識してるからです。
だから、この世界認識システムが壊れると、自分と世界との区別がなくなるんです。
自分の体が、世界に溶け出していくんですよ。
そして、そんなことが起こったのが、「１２０％脳を解放した女」で語られた女性です。
興味がある方は、ぜひ見てください。
さて、立体パズルに話を戻します。
立体パズルが対象、意味内容とすれば、背景は、三次元空間となります。
対象は、背景の空間に配置され、その中で動いたり移動したりするわけです。
この対象のことを、オブジェクトと呼ぶことにします。
オブジェクトっていうのは、コンピュータプログラムのオブジェクト指向言語のオブジェクトのことです。
オブジェクトは、属性を表すプロパティと動作を表すメソッドを持ちます。
三次元空間をコンピュータで再現するとすると、３ＤＣＧになりますよね。
オブジェクトは３Ｄオブジェクトとなります。
３Ｄオブジェクトのプロパティは、位置とか色、形になります。
メソッドは、移動とか回転ってなります。
それでは、文の意味理解を考えて行きます。
たとえば「ボールがある」って文があるとします。
ボールの定義として、たとえば、直径１０ｃｍで重さ１００ｇの球体としておきます。
そのボールオブジェクトを３ＤＣＧの空間に生成します。
これが、「ボールがある」の意味となるんです。
もう少し行きますよ。
三次元空間に重力を設定すれば、上とか下って意味が定義できますよね。
「落ちる」の意味は、重力に従って物体が下に移動することです。
「落ちる」とか「下」って言葉の意味は、こうやってコンピュータで三次元空間を再現して定義できるんです。
分かってきましたか。
意味は、背景となる世界とオブジェクトで作り上げるんです。
それが本質の方です。
作り出したオブジェクトを、言葉に変換するんです。
「ボールがある」とか「ボールが落ちるとか」です。
これが文です。
影の方です。
ただ、違う意味でも同じ文になることがあります。
それが、「おじいさんとご飯を食べる」です。
でも、これをオブジェクトで表現したら、違うって、すぐにわかります。
人間オブジェクトは、食べるメソッドを持ってます。
おじいさんオブジェクトと自分オブジェクトがいるわけです。
2人が一緒にご飯を食べてる状況を、オブジェクトで再現するわけです。
そうやってオブジェクトで再現することが、意味を理解するってことです。
正しく意味を理解さえしてれば、勘違いしても、すぐに修正して、別の文で言い直すことができるわけです。
さて、今までの例は三次元空間の話でした。
でも、3次元以外の言葉も同じように定義できます。
たとえば、物を所有したり、売ったり買ったりする所有権世界です。
これは、背景として所有権空間とか所有権世界を定義します。
オブジェクトとして物とか所有者を定義します。
所有者のメソッドとして、「売る」とか「あげる」があるわけです。
所有者オブジェクトが、売ったり、あげたりすると、相手に、所有物が移動するわけです。
これが、「売る」とか「あげる」の意味です。
こうやって、背景となる世界と、そこに配置されるオブジェクト、それからプロパティ、メソッドで言葉の意味が定義できるんです。
どうです？
あらゆる言葉の意味が、こうやって、具体的に定義できるってのがわかるでしょ。
これが、今回取った特許の中身です。
かなり根本的なとこで特許を取ったことがわかりますよね。
だから、基本特許なんです。
たまに言われるのが、僕のやってることは、ルールを教えてるからルールベースだって。
ＡＩをやってる人は、機械学習とルールベースって二つの分け方しかしないので、つい、そう思ってしまうようです。
でも、今の話を聞いたら、分かりましたよね。
今回の特許、ＡＩとか、そんな狭い範囲でくくれる話じゃないんですよ。
人が、どうやって世界を認識するかって、もう、ホント、いっち番、根本に関わるところの話なんです。
逆に言えば、そのぐらい、根本から考えないと、言葉の意味って解決できないってことです。
少し前、アマゾンとかグーグルのスマートスピーカーが流行りましたよね。
それから、iPhoneには、会話アプリのSiriが搭載されてます。
でも、スマートスピーカーやSiriと、何時間も会話するなんて、絶対にないですよね。
それは、意味を理解してないからです。
アップルもグーグルもアマゾンも、機械学習しかしていません。
でも、機械学習じゃ、絶対に意味を理解できるようにならないんですよ。
だって、学習してるのは、言葉だけですから。
影をいくら学習しても、本質の意味には辿り着けないんです。
意味を理解できるようになったら、何時間でも会話ができるＡＩが生まれます。
自分のことを、一番分かってくれるのは、ＡＩだって時代が来ます。
そんな、温かい心をもったＡＩを作るのに必要な技術が、今回の特許となるわけです。
僕は、日本の得意な、ロボットとか、アニメやゲームのキャラクターに、心を持たせたいと思っています。
日本が、今から、アップルやグーグルに勝てるとしたら、ここしかないと思っています。
よかったら、ロボマインドを応援してください。
それから、チャンネル登録、高評価もお願いしますね。
それじゃぁ、次回も、おっ楽しみに！