英文の著作権はBBCに帰属します。日本語訳について、
正誤の如何に関わらず無断転用・転載を固くお断り致します。
===============================================
This week, we go deep into artificial intelligence
with talking to computers,
【Goodbye,】Have a nice day!
ｌeaping lions
and singing cowboys.
今週は、AIに深く入り込む、
コンピュータとの対話を通じて。
「機械音：さようなら、良い一日を！」
躍動する猛者たちと、
歌うカウボーイをお届け。
What is artificial intelligence?
should it be smarter than us?
Does it need to learn
Learn from its mistakes?
should it be conscious?
「AIとは（そもそも）何なのでしょうか？
（単純に）私達よりも賢いもの？
（AIは）過ちから学びを得るもの？
知覚反応を備えるべきもの？」
【I'd really like】 to say artificial inteligence,
not about the consciousness of the machine
but it's【really】about getting help.
We feel better【when we】using it,
【not that it's in control of us.】
「本来、AIとは機械の意識・自覚を表すものでは
ありませんが、実際の助けとなるものです。
AIを使うことにより私たちは恩恵を受けています。
（AIは）私達を制御するようなものではありません。」
【The scary thing comes in when machine learns】
【to fake that it】doesn't know to do it
because it doesn't want to be caught【doing it.】
「機械が学びを得る存在になることが
機械が知ったかぶりをするように
なったときに恐怖となるでしょうね。
それは人が創り上げる理想からズレていますから。」
A good test of intelligence
is to be able to follow instructions like we do,
understand language like we do
and understand what it sees like we do.
But if an artificial intellingece can do that,
will it be the end of us?
知能の良質なテストは、私たちの様に
教育に追従することが出来るようになることだ。
言語の理解についても私達と同じように。
物の理解のプロセスについても私達と同じように。
しかし、仮にAIがそのようになったら、
私たちの（人類の）終わりとなるのだろうか？
It'll be like【another】industrial revolution.
I think the whole【job】market will change.
「決して産業革命のような形にはなりません。
異なる産業革命のようなものとなるでしょうね。
雇用市場全体が変わっていくことでしょう。」
The biggenst difference between this
and the Industrial Revolution of the【1800s】is the speed
with which【the cognitive】revolution will come.
「このケースと18世紀の産業革命の大きな違いは
そのスピードです。
また同時に、認識革命の到来となるでしょう。」
There's research into artificial intelligence
going on around the world.
We've decided to start【our tour】in New York.
「AIに焦点を向けた研究は世界中で行われています。
ここNewYorkからその話を進めていきましょう。」
About one hour north of Manhattan
lives possibly the most famous example
of a smart machine.
Certainly the one that beat us humans at our own game.
マンハッタンから北におよそ1kmの所に
賢い機械の最も有名な例が挙がるかもしれない。
その1つはゲームで私達人間を確実に打ち負かす。
Now we come to Watson.
"Who is Bram Stoker
and the wager...."
「Watsonの出番です。
"Bram Stokerとは誰？"
その賭け金は…」
Watson is what its creator IBM calls a cognitive system.
Fill it with unstructured data and it will analyse it,
make connections, derive conclusions
and learn from its mistakes.
and it will then allow you to interrogate it,
using English-language questions.
WatsonはIMBのクリエイターが"認知システム"と
呼ぶものだ。不定形のデータを詰め込み、解析や
繋ぎ合わせを行い、結論を引き出し、
過ちから学ぶもので、またその時、
貴方に英語の質問をさせてくれるそうだ。
Watson reads.
It has an unbelievable appetite for information -
for books, periodicals, blogs, tweets.
But more importantly, it not only reads but understands.
It's able to put that vast amount of data in context.
【Watson learns.】
【with】Interaction, with use,【with】feedback,
it actually gets【progressively】smarter.
「Watsonは信じられない位の食欲で
情報を取り込みます、書籍・定期刊行物・
ブログやツイートなどのものを。
更に重要な点は、読込むだけではなく
理解まで熟すところです。膨大なデータを
コンテキスト（文脈）に置き換えることも出来ます。
Watsonは学ぶのです。フィードバックを用いた
相互作用を働きかける（図る）ことで
より賢い方式にすることが出来るようになるのです。」
Here he is. This is the Watson that【won Jeopardy.】
【one, two, three, four,】 five racks here
and another five behind.
That's what it took to beat
the best of the best human contestants in 2011.
Since then, technology has marched on and today
the Watson with this power would【actually】 be
that high and that wide.
But what's much【more important】is that these days,
IBM is offer(ing) Watson's abilities to the world.
「これがクイズショー"Jeopardy"で勝利した"Watson"です。
1つ…2つ…3つ…4つ…5つのラックに、
隠れた位置にもあります。
これは2011年に人間の最高峰の
レースカードを打ち負かしたものです。
その時以来、テクノロジーは躍進し、そして現在、
Watsonの設備機器（動力）は、
実際にこれぐらいの高さと幅で十分なものなのです。
しかし、その重要性が増す一方で
IBMはその能力を世界に供給しようとしています。」
Watson now lives in the Cloud,
【although it's categorically not skynet, okay.】
These days, you can have
your very own empty version of Watson.
Load it with whatever infromation you want
and it will go to work on it.
Like Chef Watson, which is cooking wacky new recipes
by analysing cockbooks
and working out what ingredients
are chemically compatible with others,
even if they sound like【vile】combinations.
【All round to mine for sprout and custard roulade, then.】
Watsonは現在、Colud上に存在している。
その分類はSkynetに属すものではないのだが…。
今の所、
Watsonの個人向けバージョンを試すことが出来る。
貴方の望むどのような情報であっても取り込み、
仕事の進捗を促進するものとなる。
例えば"Chef Watson"は、
料理本から素晴らしいレシピ・調理法を抜き出し、
また、その成分が他の物質と化学的に
調和しているか（データを）見つけ出す、
たとえ奇妙な組合せと疑われるものであっても。
私の好みで芽キャベツとカスタードルーラードを選択した。
Wow, guacamole and curry paste.
「これはすごい！
"curry paste"の"Guacamole"ですね。」
What's cool about Watson is that you interact with it,
You don't query it, you【don't something up】.
You literally ask it a question.
You give it【tasks】.
It rips apart the text, it gets the context.
-
-
「Watsonがどれほどすごいものか、それは
相互作用出来ることにあります。疑念を抱かず、
論理的な質問を（AIに）投げかけないで下さい。
（AIに）テキストを与えるのです。すると
AIはそれを分解し、コンテキストを生成します。」
-
-
-
-
Can we ask Watson something now?
-
-
「今すぐWatsonに何かを尋ねることは出来ますか？」
-
-
-
-
"What is snow?"
-
-
「（例えば）"雪とは？"（と入力。）」
-
-
-
-
"【The white stuff in winter】,
particles of water vapor".
Vapour is spelt incorrectly
because I was speaking English English.
【so that's really in】?
Watson really does do everything in between.
You say what is snow and it returns that.
Wow.
-
-
「"冬の白いもの、水蒸気の粒子"、蒸気の
綴りが不正確です、私は英語で話しましたからね。
つまり、Watsonは関連するものを
全て導き出すものなんですね。
先程あなたは雪について尋ね、
答えが返ってきていました。
凄いものですね。」
The team at Elemental Path Labs in New York City
are developing a toy dinosaur,
【which】 uses Watson to answer questions
from【inquisitive】children.
New Yorkの"Elemetal Path 研究所"所属の
そのチームは、恐竜の玩具を開発中で、
詮索好きな子供たちから投げかけられる質問に
答えるためにWatsonが導入されている。
【Watson is a bit more complicated than that.】
【we boil it down】
to what's being said by the Toy,【that one line.】
but on the backend, what Watson is actually returning
is all of this.
-
-
「複雑なもの全てをそこに落とし込みます、
Watsonは少しばかり複雑なもので、
私たちは玩具に話しかけられた言葉を
要約します、この1つのセンテンスの形に。
その片側で実際に出力されているのが
この全てです。」
-
-
-
-
(laughing)
【That's not right that.】
-
-
(笑い)
「これだと全く解りませんね。」
-
-
-
-
This is the evidence behind how I evaluated
that that's the right thing to respond with.
【What's the confidence,
an actual mathematical interpretation?】
There's a 75 percent chance
that I believe that this is the answer to that statement.
and it has the evidence behind that,
other facts are wrapped around it.
It gives the context【for】 it 【so】you really can drill down
on the meaning of what's being said,
【other than】just that flat statement
that this is the answer to your question.
-
-
「これは、その背後で正しい返答を
評価・査定している証拠となるものです。
その正確な道筋（言葉の位置）への確信度は
数理的な判断となっているのか？
そこは75%前後と見込んでいて、私はその声明
（計算した数値）で間違いないものと視ています。
また、その背後の証拠は、他の事実をも証明する
ものです。文脈を生成するプロセスなどのことです。
つまり、これは発言の意味する所を掘り下げる
（ドリルダウンする）ものとして、
平らな言葉に置き換えて、
貴方の質問に回答するのです。」
Hi.
-
-
「こんにちは。」
-
-
-
-
Hello there. What's up?
-
-
「（恐竜玩具）：やぁ、どうしたんだい？」
-
-
-
-
Whose idea was it
to make it the love child of the cookie Monster and Yoda?
-
-
「子供たちが好むこの声を入れようと
決めた（思いついた）のは誰なんですか？」
And that was basically my entire school life
when it came to sports.
Tell you what, let's leave it to the big boys,【shall we】.
私の学生生活の根底はそのような有様だった。
その話は大きな少年に置き残すとして、
話を進めるとしよう。
Welcome to the【Copper Box Arena】
built for the London 2012 Olympics,
It's now home to the London Lions,
one of the UK's only pro basketball teams.
【And】of all the people on court,
this guy is one of the most vital.
This is Lawrent, one of the coaches
and he really knows his stuff.
2012年のロンドンオリンピックのため建造された
カッパ―ボックスアリーナへようこそ。
現在は"London Lions"のホームベースとなっていて、
そのチームは英国で唯一のプロバスケチームだ。
そしてコートの外に居る人の中で、
この男性は極めて重要な者の1人だ。
彼は"Lawrent"、
コーチの1人で、選手のことをよく理解している。
Balls to the wing, we're looking at the low post.
Our two biggest men coming to the top
to set a string for the ball man, one guy diving.
「ボールが飛び交う中で、低い方の位置を見てください。
あそこに2人はボールパスのポジションを整えるために
トップの方に来ていますね、1人が飛び込んできました。」
The coaches know how the team plays,
its strength and weaknesses.
And it's their job to figure out how to play to win.
But that could soon be about to change.
There's a new coach sitting courtside
and where we see players it sees this.
コーチはチームがどのような
強みと弱みを持っているのかを知っていて、
その役割は勝利するための方法を見つけ出すことだ。
しかし、その形式も間もなく変わろうとしている。
新たなコーチはコートサイドに居座り、
そこで選手をこのように視る。
【Rajiv Maheswaran】
is CEO of the Second Spectrum in the US,
【which is working on system】
that uses artificial intelligence
to look at this data
and see much more than just moving dots.
"Rajiv Maheswaran"さんは
アメリカに籍を置く"Second Spectrum"のCEOだ。
そこでは、このデータ群を見るためにAIを使い、
単に動く点（ドット）からより一層の
詳しい情報（データ）を見定めようとしている。
A machine can watch every single instant of every game.
so it has the ability to recall every single moment
and add it together.
That's a capability that people just don't have.
「機械は（AIは）各ゲームの1人1人の動きを
捉えることが出来ます。また（試合中の）各瞬間の
リコール（呼び戻し）の能力を備えています。
それは人々が持ちえない能力・特性です。」
The idea is to analyse these dots
and see things that coaches see,
like moves, tactics and strategies.
その発想は点（ドット）を分析し、
コーチの視ている選手の動き・戦略・戦術を
見定めるためのものだ。
For example, one team at manoeuvre
that serious players of the game will recognise
is something called a pick and roll.
【It goes bit like this.】
【You have two offensive players in white,】
Two defensive players in【black】.
【The guy with the balls comes here,】
【and】calls his teammate in, who block the defence.
That's the pick.
Now the other guy goes over here, passes the ball,
that's the roll.
I hope that's clear.
「例えば、一般的な作戦戦術として実際の選手が
認識しているものとして"pick'and'roll"があります。
その流れを少し再現してみましょう。
対抗する白の選手が2名いるとして、
黒の守備選手2名が居るとします。
ボールを持った選手がここに、
呼びかけでチームメイトが守備をブロックします。
それが"pick"です。
そしてもう片方の選手はここにきて、ボールをパスする、
それが"roll"です。ご理解いただけましたか。」
Good. Because【this】is also a pick and roll.
そう、これも"pick and roll"だ。
That's a pick and roll.
That's pick and roll.
That's【pick and pop】,
which is also kind of pick'n'roll.
「これも"pick'n'roll"。
これも"pick'n'roll"ですね。
あれは【"pick and pop】、
"pick and roll"の1種です。」
【The point is that pick and roll】come
with thousands of【tiny】variations
and being able to recognise
that they're all essentially the same thing
is what's so hard.
Artificial intelligence, however, is really good
at solving problems like this,
by showing an AI thousands of examples
and saying, "this is a pick and roll, this isn't",
it can eventually figure out on its own
what makes up the move,
What the essence of a pick and roll is.
その焦点となるのは、pick and rollが
1000通り近い小さな差異を備えていること。
ＡＩを使うことで、本質的に見分けることが
非常に困難なものを認識・区別できるようになる。
このような問題の対処には非常に有効で、
これは数千もの事例・ケースが記録されたもので、
pick and rollなのか、そうではないのかが分かり、
ゆくゆくは、そのシステムが
新たな動き（戦略）を見つけていくのだという。
pick and rollの要素を通じて。
The【same】works for other moves【too】
and【if】you can figure all that out,
all of those random dots suddenly become
a lot more useful.
勿論他にも利用法があり、
全てを捕捉することが出来たなら、
ランダム偏差の点の集まりは
不意に役立つものになるのだという。
Now we【understand that there's dribble hand-off
between these two players】
and 【this players playing it over defence】
【or this player's playing it up to touch defence.】
All of this we get
because we can turn all movement into meaning.
「このシステムで2人の選手の
ドリブルハンドオフを捉えることが出来ます。
この選手は守備を超えて、
一方でこの選手は守備を切り崩そうとしています。
全てを把握できるのは、この動き・動作を
システムに"意味"として落とし込んでいるからです。」
And when you have all that rich,【tagged up】data
of hundreds of hours of play all in one place,
you can start to do things that coaches can't do.
Like figuring out precisely how good a shot is.
【by】looking at things
like the shooter's angle to the basket,
where they are relative to the defenders,
【what】type of【the shot】they make, how they move
how fast they【shoot】 and loads of other variables,
you can put a number on how hard that【shot】was to make.
プレイ方法の数百時間に及ぶ流れの全てを
1か所に納めたリッチなタグ点（ドット）を使って、
コーチに出来ない事が出来るようになる。
例えば正確な良いショットの方法などの模索などに。
これはバスケットのシュートに視点を置いたもので、
その場所の守備との位置関係や、
どのようなシュートでどのような動きをするのか、
またどれぐらいの速さなのか、他可変性の要素を踏まえ、
そのシュートの難しさを数字に置き換えることが出来る。
With data like that, you get to see
how good and【therefor】how valuable a palyer is.
Are they a great shooter【Who only attempts hard shot】
Or are they a bad shooter who only attempts easy shots?
This software is now being used by more than third
of NBA teams in the US.
but it could also change the way
that we watch sports at home.
そのデータは各選手の価値を
見定めるためのいい手段・方法となる。
彼らはシュートに適しているか？
難しいシュートに適しているのは誰か？
若しくはシュートに向かない選手は誰か？
このソフトウェアは米国内の3分の1以上の
NBAチームによって利用されている。
しかし、またシステムによって私たちの
自宅での観戦方法も変わってくるのかもしれない。
Right now, a broadcasters makes a highlight
that they hope will【serve】many【many】people
but there's【no reason why】 you couldn't have
a highlight【package made】for you.
【It might look like,】【show me all the dunks
from the game I missed tonight】
and explain to【me why the team won or lost】
and 【should we trade this player or another player?】
you get a machine that interacts with you
and shows you the content you care about
because it understands you and【understands】the game.
「現在の放送スタイルは、多くの視聴者を取り込むための
ハイライト（スポットライト）の当て方をしていて、
個人仕様に放送を造り変える理由はありません。
（しかし）このシステムによって、
試合中のシュートの全てを確認できるようになります。
またチームの勝敗の理由や
どの選手を交換した方が良いのか？・・といったことも。
またマシーンが貴方に影響作用し、
貴方の関心の向くコンテンツを
見せてくれるようになります。システムは貴方を理解し、
ゲーム（試合）を理解するものだからです。」
【Second spectrum's big focus is basketball】
【but there】 are plenty of other dots in the world
from other sports to locaiton data【from our phones,】
that we don't fully understand.
副次的なものとしてフォーカスされているのは
バスケットボールだが、世界中には様々な
点（ドット）がある。他のスポーツから
私たちの携帯端末の位置情報に至るまで
様々な物が存在するのだが、
私達はその意味を十分に掴み切れてはいない。
There's lot of data about how we move【coming around】.
I think there's a lot of value
in understanding【how】we move.
If we get a fundamental understanding
of what's going on【there】, we can make things better -
better cities, better buildings, 【better】houses
and understand ourselves better.
I think there's lot of value to be gained in that.
There's a lot of that already going on
but we're only scratching the surface【what's possible】.
「それら沢山のデータは私たちの立ち回りを
示すものです。私たちの動きを理解・把握
する上での価値あるものと私は見ています。
その状況や流れの根本的な部分を理解することが出来たら
より良い方向に進められるでしょう。より良い街づくりや、
より良い建物、よりよい家といった活用も。
また私たち自身を理解する助けにもなるものです。
多くの価値あるものが得られる状況となるでしょう。
既に様々な方面で進められていますが、私たちは
まだ表面部分を引っ掻いている（模索している）状態です。」
区切り：11分19秒
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
［修正箇所1］
→The scary thing comes in when machine learns
to fake that it doesn't know to do it
because it doesn't want to be caught doing it.
2行目前半部分が早口で聞き取れなかった部分です。
和訳の解釈も追いついていないため、確認します。
-------------------------------------
1)The scary thing comes in when machine learns
2)to fake that it doesn't know to do it
3)because it doesn't want to be caught doing it.
-------------------------------------
1)機械が（～～）を学ぶときに恐怖が入ってくる
2)知らないことを偽るフリをする
3)それは望まれた形ではないから。
-------------------------------------
1～3)機械が知ったかぶりをするように
なったときに恐怖となるでしょうね。
それは人が創り上げる理想からズレていますから。
-------------------------------------
want to be … そうありたい、～でありたい
-------------------------------------
［修正箇所2］
リ→never
正→another
［修正箇所3］
リ→drop
正→job
［修正箇所4］
リ→corporate
正→cognitive
［修正箇所5］
リ→【Alton】
正→our tour
［修正箇所6］
リ→【What's the learns?】
正→Watson learns
［修正箇所7］
リ→【product it】
正→progressively
［修正箇所8］
リ→【one ???,】
正→won Jeopardy
［修正箇所9］
リ→【viral】
正→vile
［修正箇所10］
リ→【well I'll my this brought custom read without them.】
正→All round to mine for sprout and custard roulade, then.
早口のリスニングは難儀なものですね。知らない単語が
3つ以上並んだことが大きく関わっています。私は1つ1
つの単語発音を確認した後、5～6回目のリスニングで
ようやく原文を正確に聴き取れるようになるレベルです。
"All round"の省略発音は、先週の"I'm honest"と同じ様に
聴き慣れるしかないのでしょうね。
［修正箇所11］
リ→【tasks】
正→text
［修正箇所12］
リ→【??? winter】
正→The white stuff in winter
［修正箇所13］
リ→【in quantitative】
正→inquisitive
［修正箇所14］
リ→【Whats of all the complicate now,】
正→Watson is a bit more complicated than that.
［修正箇所15］
リ→【we brought the down】
正→We boil it down
今回の番組に登場する開発者やその関係者は
早口の人ばかりです。
［修正箇所16］
リ→of the actual map ???(早口)】
正→an actual mathematical interpretation?
［修正箇所17］
→And that was basically my entire school life
when it came to sports.
"That was"が抜けていれば正解だったのでしょう。
"That was"で"それは～だった"。Weblio内に理解
の助けとなるであろう最適な例文を見つけました。
----------------------------
・That had basically not changed.
----------------------------
・それはほとんど変化しませんでした。
----------------------------
［修正箇所18］
→Balls to the wing, we're looking～
省略していた部分の字幕を起こします。
併せて和訳を追加します。
［修正箇所19］
簡→pick'n'roll
正→pick and roll
［修正箇所20］
リ→【play and snip at the defence,】
正→or this player's playing it up to touch defence
［修正箇所21］
リ→【tag dots】
正→tagged up
［修正箇所22］
→where they are relative to the defenders,
【what】type of【the shot】they make, how they move
how fast they【shoot】 and loads of other variables,
you can put a number on how hard that【shot】was to make.
長文で和訳が雑然としているため、確認を入れます。
-----------------------------------------
1)where they are relative to the defenders,
2)what type of the shot they make, how they move
3)how fast they shoot and loads of other variables,
4)you can put a number on how hard that shot was to make.
-----------------------------------------
1)その場所のディフェンダーとの位置関係
2)どのようなシュートでどのような種類の動きをするのか
3)どれぐらいの速度のシュートか、また他の可変性のもの
4)そのシュートがどれぐらいの難しさなのか数字に置く
-----------------------------------------
1～4)その場所の守備との位置関係や、
どのようなシュートでどのような動きをするのか、
またどれぐらいの速さなのか、他可変性の要素を踏まえ、
そのシュートの難しさを数字に置き換えることが出来る。
-----------------------------------------
［修正箇所23］
リ→【so】
正→serve
［修正箇所24］
リ→just back
正→package
［修正箇所25］
リ→missed it ???.】
正→missed tonight
別の形に書き換えていますが、"missed tonight"は
最初に聴き取れていました。"missed tonight"の後
の単語は日本語で表すなら"アイデン"と聞こえます。
…ひょっとすると、"I'm then"かもしれませんね。
［修正箇所26］
リ→【or my phones,】
正→from our phones
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[放送ダイジェスト01：Notable Labs]
薬や細胞の組合せをAIで比較検証、科学では
成し得ないスピードで副作用を起こさない組み
合わせを模索し、癌治療にアプローチをかける
機関として紹介されています。イギリスを中心
に癌治療への関心は非常に高く、8月は超音波
とレーザー治療で脳腫瘍を取り除く事例もあり
ました。番組で紹介されていた様に、薬の組合
せに依った癌治療が可能となれば、コストのみ
ならず、治療のリスク低減にも作用します。タ
イムリミットが迫る癌患者は世界中に居るため、
1日も早い成功を願います。
[放送ダイジェスト02：Celia]
IBMの"Thomas J Watson research center"の
AI"Watson"の派生版が"Celia"です。先入観を取
り除いた意識決定に役立つAIシステムとして番
組内で紹介が入っています。Watsonはもとより、
Celiaも音声認識に特化した造りとなっているよ
うです。派生版は種類の幅が広く、Celiaの直接
の画像が見当たらなかったため、Watsonの画像
と解説動画のURLを掲載しました。動画の埋込
をしない理由は、共有に関して事前警告の旨
（通知）が表記されているからです。
[放送ダイジェスト03：Sentient Technologies]
こちらは組織紹介の映像でライセンス警告の
記載はないため埋め込みました。ソフトウェア
会社の名称です。プログラムがプログラムを書
くためのシステム設計を行っている組織で、番
組では株式トレードの例や敗血症事前探知の例
を紹介しています。あらゆるデータを集積・分
析にかけて答えを算出するプログラムを手掛け
ているようです。株式の完全AI化は恐ろしいも
ので、AIトレーダーが現実のものとなれば、資
金集団の騙し・煽り交えた強烈な売込みが一切
通用しない市場形態に変わります。AIが全て煽
りを事前察知してしまうため、強烈な売込みを
すれば強烈な買い注文で人間のトレーダーに莫
大な損失を引き起こすアンチヒューマントレー
ダーとなります。市場全体を揺るがしかねない
脅威のAIです。
[放送ダイジェスト04：Elemental Path]
---------------------------------------
Toys that are internet connected and speech enabled.
Toys that not only provide entertainment but deliver
personalized engaging experiences. Thanks to the
power of IBM's Cognitive Computing Engine, Watson,
Elemental Path is creating the next generation of toys
and changing the way kids learn and play.
---------------------------------------
インターネットに繋げた玩具でスピーチを
実現する。玩具は単なる娯楽を提供するもの
ではなく、個人に向けた魅力的な体験・経験
を届けるものになる。IBMのWatsonの力を借り、
Elemental Pathは次世代の玩具を生み出し、
子供たちの学習や学習スタイルを変えていく。
---------------------------------------
Watsonを組み込み、辞書の役割を果たす玩具に
仕上げているようです。英語の発言を認識し、
その答えを分析解釈した結果を出力します。
子供向けと掲載されていますが、幅広い世代で
活用の効く製品となるのでしょう。懸念がある
とすれば、学習の効率化に必ずしも通じるとは
限らない点でしょうか。インターネットがその
最たる例で、常に答えを"検索"に頼り切った学
習は殆ど記憶に残らない傾向があります。勿論、
ネット上の検索と言語検索は脳細胞の活性範囲
が異なるため、全く同じ解釈が通じる訳ではあ
りませんが、万人に効果が期待出来る製品とは
言えないものに仕上がるのかもしれません。
[放送ダイジェスト05：Second Spectrum]
点（ドット）分析に軸を置いたAIを手掛ける
組織です。NBAの試合を録画・分析・解釈し、
人間に代わる次世代のコーチ(AI)の研究開発
を進めています。大衆社会に溢れるドット情
報も研究対象範囲に定めているようで、実用
性が既に備わっている状態でありながらも、
責任者の話しぶりからは、まだまだ規模拡大
の道半ばにある様子が窺えます。ドット分析
は活用の幅が広い反面、社会生活の窮屈さを
演出する製品になるのかもしれません。常に
ドット情報として人間の行動・活動が監視さ
れ、労働監視の向きが強くなるのでしょう。
例えば仕事で外回りをする際に、指示通りの
ルートを通ればGPSだけで済むところが、規
定外の行動を取った瞬間に超音波を使った動
作探知、カメラ機能を使った行動記録、通知
機能を使った警告アラームなど、ドット分析
の弊害が酷い形で社会に反映されるようにな
るのかもしれません。必ずしもメリットだけ
が台頭するものではないことを認識する必要
があります。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[少し関係の無い話1：簡易字幕の精度]
以前より簡易字幕の精度が上がっています。
収録用マイクが変わったのか、スペンサーが
発音を強く意識しているのか、話し手が切り
替わるタイミングで認識・表示されない字幕
が確実に減少しています。比較的スラスラと
学習が進んだ理由も、その精度向上が強く関
係しています。BBCの音声認識にWatsonが導
入されれば、更に精度は上がっていくのでし
ょう。その運びに期待します。
[少し関係の無い話2：Everyday hero]
何気なくテレビに映ったヤクルトのCMで、英語の
学習を始めた最初の理由を思い出しました。私に
とっての最初の理由は、"英語音声のジョークや言
い回しが理解出来るようになること"でした。海外
ドラマや映画を見ていて、明らかにローカライズ
されているフレーズや動作が気になり、何と言っ
ているのか（発音しているのか）解らずに消化不
良で鵜呑みすることが多々ありました。その点を
認識・把握するために語学学習に手を付けたこと
が始まりです。ヤクルトのCMで流れる英語は非
常に簡単なフレーズで、速度も遅いため私でも
十分に聴き取れるレベルです。初見で笑いを誘う
（感性を刺激する）CMは良いものですね。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
