はじめにこんにちは、maKunugiです。 今大注目の「ChatGPT」ですが、OpenAIの提供する「GPT-3.5」という言語モデルを利用すると、様々なプロダクトでChatGPT並の制度を誇るAIを活用することが可能です。 私は「mebo(ミーボ)」という会話AI構築サービスを開発・運営しています。先日meboはGPT-3.5に対応し、プログラムを書くことなくGPT-3.5を搭載したチャットボットを構築できるようになりました。 (GIGAZINEでも取り上げていただきました!) 今回はmeboとGPT-3.5を組み合わせて利用することで見えてきた、有用な活用方法の1つをご紹介したいと思います。 従来のチャットボットの特徴従来のチャットボットの特徴を2つ挙げます。 シナリオ対話 ルールベースの対話 シナリオ対話とは、会話のシナリオ(フロー)を予め設定し、それに沿った会話を行うチャットボッ
[CEDEC 2021]ゲームに使われた対話キャラクターのAI技術を歴史的に体系化。セッション「ゲーム産業における対話キャラクター人工知能技術の発展」レポート ライター:大陸新秩序 ゲーム開発者向けカンファレンスCEDEC 2021の2日めとなる2021年8月25日,セッション「ゲーム産業における対話キャラクター人工知能技術の発展」が行われた。このセッションではスクウェア・エニックス テクノロジー推進部 リードAIリサーチャーの三宅陽一郎氏が,ゲームにおける対話エージェントの人工知能技術を歴史的に体系化して解説している。 「CEDEC 2021」公式サイト エージェントの一般論 三宅氏によると,ゲームの面白さに対してAI(人工知能)が果たす役割は大きいという。ビジュアルやインタラクションがもたらす深みに続く存在として,AIがもたらす深みがある。 人間は意識や無意識といった精神的な構造を持っ
ちょっとこれマジ使い道ないね! 会話で登録した赤外線式リモコンの操作が少しできるだけ? 高価な目覚まし時計? 一人暮らしをして気が付いたら特に土日は全く話をしなくなって十年近く。 ちょっとこの生活をコレからもずっと続けるのはまずいかも。 かといってインドア派なので、仕事以外に(映画などは別にして)外へ会話をするため積極的に出かける気にはならない。 そんな時にネットで見かけたGateboxの紹介記事。 DSのラブプラスモードの時とは比べ物にならないくらい会話ができるんじゃないかな?と思って期待して買ったんだけど。 30万払うんだし。 発売時期もずっと後なんだし。 さらに注文日から一年以上待ったんだしね。 今日届いてきたんだけど、クソでかさに笑いが込み上げてしまった。 (事前に調べなかった自分が悪いんだけどさ) こちとら6畳の部屋なんだけど、置き場に困る! まあ、そこは我慢しよう。 なんとか邪
「ロボットとの会話にはガッカリしてばかりですよね」 シーマン人工知能研究所の斎藤由多加氏はそう切り捨てる。 私達が日常的に会話している日本語は文法に沿ったものだろうか。おそらく文法に沿ってはいないし、たいていは意識すらしていない。 斎藤氏は「日本語の日常会話には文法などない」と言う。その上で、日常会話に独特の法則があるとすれば、それを解明することで新しい文法を作るとも言う。 生活に寄り添うロボットやコンピュータ、彼らとスムーズな会話をするために必要なのはお行儀の良い日本語の文法に沿った会話エンジンではなく、日常会話の法則ではないか、と主張するのだ。 そうかもしれない。それこそがこれからの会話エンジンに最も重要な存在なのかもしれない。 斎藤氏は九州大学と連携し、日本語会話の新しい文法を生みだそうと企んでいる。 シーマン人工知能研究所 所長 斎藤由多加氏。10月13日より、Amazonプライム
株式会社ワン・トゥー・テン・ロボティクス(1→10Robotics)は、”空気を読む”会話エンジンパッケージ「PECO (ペコ)」を制作。会話体験パッケージとして発売することを発表した。 1→10Roboticsはこれまで、ロボット・スマートデバイス・コネクテッドカー・チャットボットなどを通じて、さまざまな会話体験を提供してきた実績をもつ。こうした体験作りの知見を活かし、会話エンジン「PECO」をリリースする。 従来の会話エンジンは、テキストを中心としたやりとりがベースだった。現時点ではそこで扱える情報量も情報密度にも限界があり、人工知能の次の発展には、マルチモーダルインタフェースと呼ばれる、複数の感覚を横断し連携する知能が必要だと言われてきた。 そこで、「PECO」は視覚・聴覚・触覚・感情値などの感覚情報や、ユーザー属性や記憶、環境情報などを統合して、文脈として把握することを前提に、新た
[CEDEC 2017]なぜゲームのモブキャラは「膝に矢を受けてしまって」程度しか話せないのか? 産業界の研究事例から学ぶ「AIと人との会話技術」 ライター:米田 聡 猛烈な勢いで進化し続けているゲーム技術だが,ゲーム中に登場するNPCとの会話の質は,10年前,20年前のゲームとさほど変わっていない。1対1の会話コミュニケーションを実現するようなタイトルでは会話のバリエーションも相応に増えてはいるものの,たとえばRPGに出てくる「村人A」「衛兵B」とかだと,プレイヤーの語りかけに対して,定型的な応答しかしなかったりするのがほとんどだ。それこそ,「膝に矢を受けてしまって」のような。 NPCの定型的な応答には独特の「味」があるものの,少なくともここに対話は成立していない CEDECでは毎年,人工知能学会との共同企画が設定されている。本稿で紹介するセッションもその1つだ 一方,産業界では人工知能
ワントゥーテンロボティクス社で 2017年8月9日に開催された社内勉強会の内容を、一部再構成して公開したものです。言語学の視点で、ロボット体験づくりに活用できる点をまとめています。Read less
ライター・編集者の飯田一史さんとSF・文芸評論家の藤田直哉さんによる、話題の作品をランダムに取り上げて時評する文化放談。今回は映画『メッセージ』について語り合います。 藤田 『メッセージ』は、今、脂が乗り切っているドゥニ・ヴィルヌーヴ監督のSF映画ですね。『ブレードランナー2049』の監督への抜擢でも話題です。原作はテッド・チャンの「あなたの人生の物語」。 飯田 映画公開以降、原作もめっちゃ売れてるみたいですね。 藤田 いまどき珍しく、端整で落ち着いた映像と音響で「魅せる」監督です。『メッセージ』では、なぞの飛行物体と宇宙人との対話が中心ですが、理解できない存在と直面するときの畏怖・恐怖・未知の感じが、映像と音響でうまく伝わっていました。こういう映画は久々に観た感じがします。センス・オブ・ワンダーのある映画でしたね。 いわゆる宇宙人が攻めてくる『宇宙戦争』とか、あるいは交流する『未知との遭
CES2017が閉幕して1週間ほどだったが、やはり、大手メディアさんはメディア視点。私は自社ブースにいたのでほとんどCES会場を見て回れていない、という点を釈明したうえで今回のCES2017について私なり(5年出してる出展者目線)の感想を述べたいと思う。 Alexa, Alexa and Alexa 「家電から車まで、何もかもがAmazon Alexaに蹂躙された」「スタートアップシーンのほぼすべてはフランスに持っていかれた」この2点に尽きるCESだったなというのが感想だ。会場どこにいってもAlexa, Alexa and Alexa。昨年のCESではほとんど影も形もなかったAlexaだが、大手からスタートアップまで、ありとあらゆるハードウェアがAlexaに対応、会場のどこへいってもHey Alexaの声を聞く羽目に。 ぶっちゃけ、あのレベルで生音声を集められてしまうと、もう戦えるプレイヤ
こんばんは。プログラマーのhakatashiです。2ヶ月ぶりですね。普段はpixivコミックやpixivノベルの開発を手伝っていますが、今回もそれとは全く関係ない話をします。 pixiv×機械学習 「機械学習」「深層学習」といった単語がプログラマーの間でも広く囁かれるようになって既に幾年月経とうとしています。ここpixivの開発陣においても、人口に膾炙する機械学習の輝かしい成果に関する話題は尽きることがなく、常に最新のトピックに目を光らせています。 そんな取り組みの一環として、今回は弊社が運営するpixivの小説機能の投稿データで機械学習を行ってみたので、簡単に紹介したいと思います。 ※この記事における「pixiv小説」とは「pixivの小説投稿機能およびそれによってpixivに投稿された小説」を指し、「pixivノベル」とは異なります。 word2vecとは 自然言語処理における機械学習
CS224d(自然言語処理のための深層学習)はスタンフォード大のRichard Socherが2015年から教えている講義で、動画やスライドなどの講義資料と演習問題がウェブ上で無料で公開されています。 CS224d: Deep Learning for Natural Language Processing 会社の勉強会で週1回半年程度かけて講義動画と演習を終えたため、勉強したことを簡単にまとめてみたいと思います。 なぜ今なのか? 深層学習(Deep Learning)は2000年代後半のRBMやauto-encoderなどの教師なし学習から流行が始まりましたが、それらを教師あり学習の事前学習に使うアプローチは徐々に衰退し、2010年代前半には画像認識のための畳み込みネットワークがImageNetコンテストのおかげで爆発的に有名になりました。詳しくありませんが音声認識の分野でも既存の複雑な
キーワードマッチングを超えた知識を利用する価値 人間間の会話では"Twitter"や"Facebook"がSNSだなと分かって会話ができたり、"ヤマハ"と言われても前後の文脈で"ヤマハ"がバイクの"ヤマハ"かピアノの"ヤマハ"か分かります。 これは単語の背景に関連する知識情報を利用できているからです。 この単語を知識情報と繋げる手法として近年の自然言語処理ではエンティティリンキングという手法がよく用いられています。 コードを使ってすぐに確認したい方は下記でインストールしてください。 コード: - https://github.com/SnowMasaya/WikiPedia_Entity_Vector_Get_Similarity_word 必要なデータ: - 分析したいデータ - Wikificatation - 日本語 Wikipedia エンティティベクトル ユースケース これを実際
【 論文を読む 】Deep neural network に 外部知識DB を 参照する補正項 を 組み込むと、少量学習データ でも NLP意味計算精度 アップした件MachineLearningDeepLearningrdfNLP自然言語処理 【 関連記事 】 HirofumiYashima Qiita記事(2016/08/17)「【 概念・語彙 意味関係 知識ベース 参照型 word2vec( GloVe )】Joint representation 論文 の C++言語 公式実装コード を サンプルデータ で 動かして挙動確認してみた」 ニューラル言語モデル × オントロジー セマンティック知識DB参照モデル 融合のアプローチ が切り開く可能性 ( 文書コーパスから、各トークンの意味表現ベクトルを組成する neural network モデル のアルゴリズムに、外部 知識DBに記述さ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く