IBM、音声認識の誤り率でMSの記録更新--「人と同等」レベルには未達と判断

Liam Tung (ZDNet.com) 翻訳校正: 編集部 2017年03月14日 14時06分

  • このエントリーをはてなブックマークに追加

 IBMが、最新の音声認識テストでMicrosoftを僅差で抑え、単語誤り率5.5%を記録している。

提供:IBM
提供:IBM

 この誤り率は、人間が会話中に聞き落とす20単語につき1単語というおおよその率に匹敵する。Microsoftは2016年10月、IBMが2016年に発表していた最高記録である6.9%を破る5.9%という記録を出したが、今回IBMが再び上回った格好だ。

 だがIBMは、会話を理解するという点で機械が人間を上回るのはもう少し先になる可能性があると強調している。Microsoftは単語誤り率が5.9%を記録した際に、「ヒューマンパリティ(人間と同程度であること)」に到達したとしていたが、最新の調査によりMicrosoftを祝福するのはまだ早いことがわかったとIBMは述べている。

 「われわれはまだシャンパンを開けて祝う段階にはない」とIBMの首席リサーチサイエンティストGeorge Saon氏は記している。Saon氏によると、今回のマイルストーンを達成する過程で、実際にはヒューマンパリティはもっと低く、誰も到達していない5.1%であると判断したという。

 単語誤り率5.5%に到達するために、IBMは長期短期記憶(LSTM)とWaveNet言語モデルを組み合わせた。見知らぬ人同士のフォーマルな電話の会話を含む「Switchboard」コーパスを使ってこれらのモデルをテストしたという。さらにIBMは、よりカジュアルな家族間の会話を含む「CallHome」でもテストした。会話の話題はさまざまで事前の設定はない。このテストでのIBMシステムの単語誤り率は10.3%だった。人間の場合は6.8%だ。

 IBMが公開している研究論文によると、Switchboardテストにはいくつかの問題があるという。「40のテストスピーカーのうち36人がトレーニングデータに登場している。8種類もの会話に登場しているものもあった。われわれの音響モデルは、トレーニング中に出てきた音声パターンを記憶するのに長けている」。

 CallHomeのテストで生じた大きな差異は、その音響および言語モデルがテストスピーカーのデータを経験していなかったことによるものだ。

 IBMは、同社の音声認識における成果を使って、「Watson Speech to Text」サービスに新しい機能を加えていると述べている。

この記事は海外CBS Interactive発の記事を朝日インタラクティブが日本向けに編集したものです。

ZDNet Japan 記事を毎朝メールでまとめ読み(登録無料)

  • このエントリーをはてなブックマークに追加

この記事を読んだ方に

関連ホワイトペーパー

SpecialPR

連載

CIO
研究現場から見たAI
Fintechの正体
米ZDNet編集長Larryの独り言
大木豊成「仕事で使うアップルのトリセツ」
山本雅史「ハードから読み解くITトレンド放談」
田中克己「2020年のIT企業」
松岡功「一言もの申す」
松岡功「今週の明言」
内山悟志「IT部門はどこに向かうのか」
林 雅之「デジタル未来からの手紙」
谷川耕一「エンプラITならこれは知っとけ」
大河原克行「エンプラ徒然」
内製化とユーザー体験の関係
「プロジェクトマネジメント」の解き方
ITは「ひみつ道具」の夢を見る
セキュリティ
「企業セキュリティの歩き方」
「サイバーセキュリティ未来考」
「ネットワークセキュリティの要諦」
「セキュリティの論点」
スペシャル
課題解決のためのUI/UX
誰もが開発者になる時代 ~業務システム開発の現場を行く~
「Windows 10」法人導入の手引き
ソフトウェア開発パラダイムの進化
エンタープライズトレンド
10の事情
座談会@ZDNet
Dr.津田のクラウドトップガン対談
展望2017
Gartner Symposium
IBM World of Watson
de:code
Sapphire Now
VMworld
Microsoft WPC
HPE Discover
Oracle OpenWorld
Dell EMC World
AWS re:Invent
AWS Summit
PTC LiveWorx
より賢く活用するためのOSS最新動向
古賀政純「Dockerがもたらすビジネス変革」
中国ビジネス四方山話
ベトナムでビジネス
米株式動向
日本株展望
企業決算