人と人とのコミュニケーションに必要なものは、言語だけにあらず。視線やジェスチャー、表情といった非言語情報も不可欠であることはいうまでもない。岡田将吾氏は、それを社会的信号処理という新しい領域に基づいた研究を通して読み取ることを実践する先駆者のひとり。同氏の試みは、人間の内面の状態を理解するためのAIの新分野として世界から注目を浴びる。これらの研究は認知症の初期症状などを読み取る手がかりにもなるという。編集長・杉原が、最先端の研究の現状とその先に広がる未来について伺った。

人の行動から内面状態を理解するという試み

杉原：もともと岡田さんは、大学でいわゆるAIに関する研究をされていたんですか？

岡田：そうですね。人工知能を基本に、修士、学士と約５年間研究をしまして、少しずつ人の行動を予測するとか、人の行動からコンテキストを推定するということにフォーカスするようになりました。　例えば、この人のしゃべり方や使う言葉の特徴がこうなら、この人はロボットとのおしゃべりを楽しんでいるとか、いくつかの行動から、人の内面を予測するというような研究です。

杉原：今日は、話していて僕の思惑がバレるかもしれないから、サングラスか何か掛けたい気分です（笑）。

岡田：いや、僕自身は（内面を予測することは）できないですよ（笑）。システムにはできてしまうことがありますけどね。

人の行動から内面を読み取るという研究を続ける岡田氏。「最近は、手の動きと感情の関係性が気になる」という。

杉原：ならよかったです（笑）。岡田さんのそういった研究は、AIなどを通じて出口がたくさん出てきたという段階ですか？

岡田：そうですね。最近は動作を測るセンサーが安くなったりもして、状況が変わってきましたし、企業でも自分たちのような研究をしているところが出てきました。そういうプロジェクトに自分が加わることも増えてきて、出口は広がったと感じています。

杉原：もともと岡田さんがAIに興味を持ったのは、どういった経緯でしょうか？

岡田：最初は大学で物理をやっていたのですが、物理の世界っていろいろと難しくて挫折してしまいました。それで物理の先生にはちょっと失礼なんですが（笑）、もう少し目に見えてわかりやすいことがやりたいと思って、ロボットに顔の認識や画像の認識をさせて動かすという研究をやっている研究室に入ったんです。AIを研究し始めたのは、そこからですね。

杉原：岡田さんのような分野の研究者は、日本にどのくらいいらっしゃるんですか？

岡田：もちろん産官学で人工知能の研究をされているグループは山ほどありますけど、ピンポイントで、人の行動から内面状態を理解するみたいなことに焦点を当てているのは、僕たちと数えるくらいしかないです。

こちらは、2018年にジョージ・アンド・ショーン合同会社（現株式会社）と岡田研究室が共同で開設したG&S Labのイメージビジュアル。IoTデバイスであるbiblle（ビブル）を活用して、行動学習に特化した機械学習プログラムの開発を行っている。

もう多くの企業ではAIが採用面接をしている!?

杉原：表情から何かを読み取るということは、なんとなく僕もイメージできるんですが、そこから購買意欲だったり、そこに出口を見つけていくというのは、なんだか大学でやる研究っぽくないなと思いますね（笑）。

岡田：そう言われれば、そうかもしれないですね。

杉原：僕自身のイメージでは、大学の先生は研究を突き詰めて、あとはアウトプットを第三者に見つけてもらう、そんなスタイルが多いなと常々感じているんですよ。それが出口までしっかりとしていて、岡田さんの研究は面白いなと思います。

岡田：そう言っていただけるとありがたいです（笑）。確かにそれは狙っていて、研究室でコンピューターの前に座って突き詰めるのではなく、実際のインパクトのあるデータに対して、なんらかの回答を出していくほうが、世の中的にも出口がわかりやすいですし、そういうことは意識していますね。

岡田氏の研究に興味津々の杉原。感情という抽象的なものを数値化するという試みには、シンパシーを感じているようだ。

杉原：世界的にはどうなんですか？

岡田：コンピューティング分野の国際会議のような場には、アメリカ、ヨーロッパの有名大学の研究者が集まってきますが、そこでは感情を理解するという研究が一番多いように感じます。コンピューターにいろいろな感情を理解させるということが基本ですけど、話している声や内容、表情からコミュニケーションのスキルを推定するということも盛んになってきてはいます。AIによる企業の採用面接みたいなものもそうですね。

杉原：確かにそういう面接は、実際にあるようですね。

岡田：面接で一言、二言答えたことから推測して、その人（のスキル）を判定するということですよね。あらゆる企業は、もうAIを様々活用しているのですが、採用には特定の人しか受からないとか、雇用差別・公平性の問題が出てきたりもしています。自分も就職面接のように実際に多くの人を呼んで、はじめて会った学生同士でディスカッションをしてもらい、そのビデオを人材派遣の会社に送って、人事の採用担当者に点数をつけてもらうという試みをしたことがあります。同じようにAIにも判断してもらったら、熟練の採用担当者と同じように人を選ぶのかどうかを検証しました。その実験は、学会でも良い評価をもらいましたが、アプリケーションとして見た場合、考慮すべき課題が多いと感じます。ですので、そういうスキル判定の技術を使って、スキルを上達させるための訓練に活かすことを、これからはやっていきたいですね。困っている人が喜ぶようなアプリとして機能できればと思っています。

感情を数値化するには、大きな課題がいくつもある

杉原：なるほど、それは興味深いですね。もうひとつお聞きしたいのが、“感情”っていうのは数値化も可視化もしにくいのではないか、ということです。実際に研究は進んでいるんでしょうか？

岡田：そうですね、難しいところも確かにあります。いま主にやっていることは、心理学者たちがこれまでに作った評価指標に則って、実験後に、いまあなたの感情はいくつでしたか？　というように被験者に問いかけたり、第三者に被験者の映像を見せて、被験者の感情状態はどうなっていると考えられますか？　というようにアンケートを書いてもったりする手法なんです。それをもとに人工知能が答えを導き出すわけですから、そもそものアンケートの答えが間違っていると、人工知能的にはもう破綻してしまう。そこが弱点でもありますね。

杉原：まず、ちゃんとしたデータを取ることが難しいんですね。

岡田：正解のデータがしっかりと作れなければ、人工知能は動けませんから。正直、感情って自分で数値をつけるのは難しいですよね。

杉原：自分でも自分の感情が一番わからないこともありますよね（笑）。

岡田：そういうものなんですよ（笑）。

杉原：以前の心理学者の研究だったり、研究論文なんかを追っかけながら、感情を紐解く要素を分析していくという手法はもちろんわかりますが、IoTを使ったデータ集めというのは、どうなんでしょう。世界的にはビッグデータは集まってきているんですか？

岡田：それも難しいところではあるんです。GAFAは、画像・音声を含めWeb上でたくさんの情報を集めていますが、普段の人同士の会話や、自然に対面コミュニケーションしているときのデータを膨大に集めるのは、まだまだ実際には難しいですよね。例えば感情データを集めるために、誰かが怒っているところをずっとビデオで撮るわけにもいかないですし、これからデータを取るので怒ってください、っていうのもおかしいですしね（笑）。多くの人が、AI speakerと友達のように頻繁に話す未来が来たら変わるかもしれませんが、AIの対話機能レベルから言って、それはもう少し先になりそうです。

杉原：確かにそうですね。

岡田：だから、自然にそういうデータをどうやったら取れるのか？　っていうのは自分たちの研究の大きな課題ですね。

杉原：ライフログ的なところですね。とはいえ、無理やりIoT的な要素をくっつけたものを開発して使ってもらっても、結局使わなくなりますしね。

岡田：そうですよね、スマートウォッチとかもその一例だと思います。

杉原： スマートウォッチが出た当初はすぐに買いましたけど、３日後にはこれまで使っていた普通の時計が恋しくなってしまいました（笑）。でもいまは、Apple Watchなどがセンシングに使われていますよね。睡眠だったり、バイタルだったり。そういう使われ方をしているのは有意義だと思います。

岡田：そうですね、そのような使い方は興味深いです。最近私たちもスマートウォッチのようなセンサを使った研究を始めています。とはいえ自分たちの研究は、いまはデータを採取するのにビデオの前に人を座らせなきゃならないので、常に記録するのが難しい状況です。なので、毎日何かを記録すれば、健康がチェックできるとか、そういう多くの人に受け入れやすいアプリなどを通して、効率よくデータを取る方法を模索して行こうと思っています。

後編へつづく

岡田将吾（おかだ・しょうご）
国立大学法人北陸先端科学技術大学院大学（JAIST）准教授。2008年東京工業大学大学院知能システム科学専攻博士課程修了。京都大学特定助教、東京工業大学大学院助教、IDIAP research institute 滞在研究員等を経て、2017年より現職。「社会的信号処理に基づく人間の行動やコミュニケーションの理解」を主要テーマに、AIの新たな領域の研究に取り組む。専門は、マルチモーダルインタラクション、データマイニング、機械学習、パターン認識ほか。

コロナ禍は、果たして世界の秩序や価値観を大きく変えたのだろうか？　その答えは現時点では明言できないが、間違いなく人類はこの“わざわい”の先にある世界を具体的にイメージし始めている。今回の特集のテーマであるモビリティの在り方もそのひとつだ。移動は人類にとっての根源的な行為であるし、そのためのツールであるモビリティは、常にライフスタイルと直結している。ゆえに「アフターコロナ」は、それに見合った新たなモビリティが求められるはずだ。その最適解を導き出すための冷静な視点とガイドラインを、日本におけるコンピューターサイエンス研究の第一人者、佐藤一郎氏に伺った。

いまはモビリティの
定義が変わる転換期

近年、AIや自動運転といった技術面での進歩に注目が集まり、“快適な移動”をもたらすツールであるモビリティに対しては、期待値がかなり高まっていた。

ところが、誰も予想できなかった新型コロナウイルスの感染拡大を受け、その描いた未来をデザインしなおす必要が出てきた。

まずは、これから移動そのものはどうなるのかを捉える必要があるが、そもそも移動には、人と物（物流）の２種がある。両者はどのように変化したのだろうか？

「新型コロナウイルスで、移動というものはかなり制約される状況になりましたし、人の移動に関しては、いかに移動そのものを“させない”かを考える必要も出てきました。これからは、その２つのテーマが並存して進んでいくはずです。モビリティの定義そのものがちょうど変わる、いわば変わり目にいると言えます」

オンラインによる働き方もある程度浸透してきた現在、確かに人は積極的に“移動しない”ようになった。それゆえ、モビリティを使った人の移動を佐藤氏は、「物の移動と分けて考えられなくなった」という。では、物の移動はどうなるのか？

「人の移動が減る分、逆に物の移動は増えます。いわゆるECのような形で多くの人が物を買い、宅配便は増えています。巷で話題になっているウーバーイーツのように、専門物流業者以外に物流を担う人もたくさん出てきています。ITが人々の時間を断片化してきており、普段は別の仕事をしていて、空いた時間に配達の仕事をする人はこれからも増えていくはずで、断片化された空き時間の使い方が、様々な局面で重要となります。あとは、数年おきに注目される“共同物流”もクローズアップされる可能性はあります」

「モビリティの捉え方は、コロナ禍によって大きく変わった」と語る佐藤氏。

共同物流とは、複数の企業が同一のインフラを活用して保管や配送などの作業を行うことだが、コストが削減できる反面、他者に様々な情報が漏れる危険性があったり、業者ごとの細かな要望を共有できないなど問題点も多く、これまでは、長年成功している事例が少ない。

「これからは、ITを駆使して諸問題を解決しながら、コストカットに加えて、環境負荷を軽減する手段として共同物流のメリットを活かそうという流れは出てくるかもしれません。加えて、共同物流は倉庫と小売間といった比較的中距離の物流ですが、例えば東京と大阪間というような長距離でどれだけ効率的に物流を行うか？　という課題もあります。トラックだけではなく、鉄道や船など複数の移動手段を使う“モーダルシフト”も、これからより注目される傾向にあります」

東京にはシェアリングと
公共交通の融合型がマッチする

そんな現状を踏まえたうえで、より人の生活に根ざしたモビリティの在り方も考えてみたい。例えば、現在MaaS（マース：Mobility as a Service）という概念がヨーロッパを中心に浸透してきている。マイカー以外のあらゆるモビリティをITでシームレスに結びつけるサービスのことだが、こういう動きは今後加速するといわれる。

例えば、コロナ禍以後、電動自転車などの需要が高まっているという話はよく聞く。身近なところでいえば、シェアサイクルなどのサービスは、日本でもさらに広がっていく可能性はあるのだろうか？

「日本の場合は、東京を見ればわかりますが、基本的に住宅とオフィスが混在していません。海外の都市のようにシェアリング自転車や電動スクーターが浸透するのは難しくなります。シェアリング自転車を例に取ると、東京の場合、朝は多くの人がやや郊外の住宅から最寄駅まで乗っていき、帰りは最寄駅から住宅へと向かいます。そうなると自転車の需要が時間に応じて偏ります。この結果、自転車の再配置の問題が出てきます。

シェアリング自転車置き場には、自転車がなくなってもいけないし、満杯になってもいけませんから、運用事業者はトラックを使って置き場から置き場へ再配置をしなければなりません。表に現れませんが、そこに一番コストがかかるんです。世界の都市で見れば、例えばパリは、住宅とオフィスが混在していますからシェアサイクルは古くから浸透しています。海外の都市におけるビジネスモデルが東京で使えるかというと、そうではないのです」

「世界の別の都市で活用されているモビリティのサービスやシステムが、そのまま日本で適用できるわけではない」。佐藤氏いわく「東京は、公共とシェアの融合を進めるのには有利な街」。

シェアリングモビリティは確かに便利ではあるが、街のスタイルによって向き不向きがあるというのは頷ける。では、日本では、シェアリングの乗り物はまったく向かないか、というとそうではない。公共交通とシェアリングモビリティの“融合型”がマッチするという。

「例えば住宅地ではなく、オフィス街の地下鉄の出入り口の近くに、シェアリング自転車の置き場を作る。そうすると地下鉄を降りたら自転車がすぐ利用できて重宝です。住宅地よりは実現性が高い。その背景は、オフィス街は人々が行き交うので時間に応じた偏りが少ないからです。また、地下鉄駅間は距離が短いことを考慮すると、例えば駅の自転車置き場に自転車が少ない場合は、自転車が残っている隣接する駅まで地下鉄で移動して、そこで自転車を借りるという手法も、地下鉄の事業者と連携すれば可能なはずです。海外でも公共交通とシェアリング自転車の連携は進んでいるとはいえず、東京で先行してみる価値はあるでしょう」

シェアリングと公共のハイブリッドというモビリティとの付き合い方。確かに住宅地とオフィス街が別れていることが多い日本では、それがスマートにフィットしそうだ。ただ、その場合はシェアリングの事業者と公共交通の距離感を今よりも縮めていく必要がある。では、AIに関してはどうだろうか？

ハイブリッド型のシステムを構築したうえで、オフィス街で使うモビリティにAIを搭載して、利便性を上げられないものか？

「モビリティそのものにAIを搭載して、音声で指示を与えて何かをしてもらうとか、自動運転の自転車が駅まで迎えに来てくれるとか、現段階ではそういったパフォーマンスの必要性はあまりない気がします。AIに関しては、ユーザーの意図を事前に予測して、使う自転車を予約してくれるとか、裏方的にユーザーの利便性を高めてくれるような使い方のほうが現実的ではないでしょうか」

自転車や電動スクーターそのもののインテリジェンスを高めるよりも、AIは、“先回り”的なサポート役に使ったほうがより有意義なようだ。さらに自動車においては、安全性のアップデートに使われている。

自動車はモビリティという
システムの一部になる

「これからは、自動車にカメラだけではなく、レーザーを使ったセンサーなどが搭載されるはず。そうなると障害物の発見能力が格段に上がりますから、事故を未然に防ぐ能力も高まります。

さらに、現状の自動運転は、自動車にたくさんセンサーを付けてコンピュータで処理をしていますが、自動車から見える視点には限界がありますから、他の車のカメラを含むセンサー情報も共有できれば、ドライバーの視線を超える視野を得ることになりますし、走る道路そのものにセンサーをつけて情報を共有できれば、さらに安全性は高まります。もはや自動車という閉じた単位ではなくて、それこそモビリティというひとつのシステムの一部が自動車という考え方に変わっていくのだと思います」

「モビリティという大きなシステムが作られるには、難題が多々ある」。それをクリアすることで、人間の生活はさらに大きく変わるのかもしれない。

他のモビリティや道路と連携して情報を共有しながら走るモビリティ。それが未来のモビリティの一つの在り方かもしれない。ただそこにももちろん課題がある。

「街や道路にセンサーを付けるには、それなりのコストがかかります。車の運転のためだけにセンサーを使うのではなく、社会的に他の用途でも使えるようにしなければ、その問題はクリアできません。そしてもっと難しいのは、新規の街ではなく、既存の街の方です。レガシーな場所をどうやってインテリジェント化するのか、ということです。

例えば過去に博物館のスマート化に関する実証実験を、上野の国立科学博物館などでやらせていただきましたが、それは企画展ではなく、既存の展示空間のスマート化でしたが、展示の邪魔をしないことが難題でした。、ショッピングモールなどで景観を損ねずに電源などを確保し、センサーを設置して、コンピュータで制御できるシステムを組み込むことも同じような難しさがあります。複雑に入り組んだ街もそうですし、そもそもそういった場所で、自動運転が可能なのか？という課題もあります」

既存の街や建物、インフラに新しいモビリティというシステムを組み込むことが難しければ、まだ未発達の地域を実験都市的に作り上げるというのも考えられなくはない。

「確かに実験都市というのは、新たなモビリティシステムを作っていくには好都合かもしれません。ただ、そこで得た知見が、既存の街でも応用できるかというと、それは違う部分もあります。また既存の街に関しても、東京などの大都会は複雑すぎます。今後はモビリティの概念が変わったときに都市や街に求められる大きさが違ってくるはず。新しいモビリティを活かすことで、新たな発展を遂げる地域や街が地方から出てくる可能性は、大いにあるのではないでしょうか」

（さとう・いちろう）
国立情報学研究所（NII）・情報社会相関研究系教授。慶應義塾大学理工学部電気工学科卒業。慶應義塾大学大学院理工学研究科計算機科学専攻博士課程修了。博士（工学）。お茶の水女子大学理学部情報学科助教授、国立情報学研究所助教授等を経て、2006年より現職。ほかにランク・ゼロックス客員研究員（1994〜1995年）、科学技術振興事業団さきがけ21研究員（1999〜2002年）等を務める。仮面ライダーゼロワンのAI技術アドバイザー（2019年）としても知られる。