タグ: コミュニケーション

翻訳は難しい作業だ。2つの言語の距離が遠くなるほどそれは難しくなる。フランス語からスペイン語？それほど問題はない。古代ギリシャ語からエスペラント？かなり難しいだろう。しかし、手話は独特だ。そしてその翻訳の難しさも独特である。なぜならそれは話されたり書かれたりしている言語とは、根本的に異なるものだからだ。こうした事情から、SignAllは、アメリカ手話（American Sign Language：ASL）の正確でリアルタイムな機械翻訳を実現するために、何年も努力を重ねてきた。

AIとコンピュータビジョンに現在起きている進歩を考えれば、このような解くのが面白くて有益な問題は、既に一流中の一流どころが一斉に取り組んでいることだろうと想像するかもしれない。シニカルな市場拡大の観点から考えても、手話を理解できるEchoやテレビは何百万人もの新しい（そして感謝を捧げてくれる）顧客を引きつけることだろう。

しかし残念ながら、そうしたことは起こっていないようだ。それがこのブタペストを拠点とする小さな企業であるSignAllのような会社に、不自由な人びとへの利便性を提供するこの難しい仕事が残された理由だ。そして、手話をリアルタイムで翻訳することは、思われていたよりも複雑な作業であることが判明したのである。

CEOのZsolt Robotkaと最高研究開発責任者のMártonKajtárが、今年のCESに出展を行っていた。私はその場で、会社のこと、彼らが挑戦している課題、そしてこの分野がどのように発展していくのかについての話を聞いた（私は彼らが2016年のDisrupt SFにも出展していたことを知って嬉しくなった。残念ながらその時は彼らに会うことはなかったのだが）。

おそらく、このビジネスの中で私にとってもっとも興味深いことは、彼らが解決しようとしている問題がどれほど興味深く、そして複雑なものであるかということだ。

「これはマルチチャネルコミュニケーションなのです。実際に、大切なのは形や手の動きだけではないのです」とRobotkaは説明する。「手話を本当に翻訳したいのならば、上半身の動きと顔の表情をすべて追跡する必要があります。このことはコンピュータービジョンの部分を非常に難しいものにします」。

ちょっと考えただけでも、それは大変な作業である、わずかな動きも追跡することを考えるとそれは膨大な量となるだろう。現在のシステムはKinect 2を中心に置いて、3台のRGBカメラを1〜2フィートの位置に設置している。誰の話し方も少しずつ違っているように、ASLユーザーも少しずつ違った動作を行う。このためシステムは新しいユーザー毎に再調整をする必要がある。

「この複雑な構成設定が必要なのは、こうすることで異なる視点を持つことができ、そのおかげで時間と空間（リフレッシュレートとピクセル数）に対する、解像度の不足を補うことができるからです」とKajtárは語る。「ASLでは非常に複雑な指の動きを行うことができますが、手を骨格として捉える従来の手法は役に立ちません。何故なら指同士が重なるからです。そこで、サイドカメラを使用してこの重なりを解決しています」。

それでは十分でないと言うかのように、顔の表情やジェスチャのわずかな変化も、伝えられていることに加わる。例えば感情の追加や方向の指示などだ。そしてさらに、手話は、英語や他の一般的な話し言葉とは根本的に違っているという事実がある。これは単なる置き換えではなく、完全に翻訳なのだ。

「手話の本質は、連続した身振り（サイン）です。この性質から、いつ1つのサインが終わり、そしていつ次のサインが始まったかを区別することが難しいのです」とRobotkaは語る。「そして、それはまた非常に異質の言語でもあるのです。語彙から拾い上げて、単語単位で翻訳をすることはできません」。

SignAllのシステムは、順番に提示される個々の単語だけではなく、完全な文章を対象に動作を行う。サインを１つずつキャプチャして、翻訳していくシステム（性能が限定的なバージョンは存在している）は、言われていることに対して、間違った解釈や、過度に単純化された表現を生み出しやすい。行く方向を尋ねるような単純なコミュニケーションに対しては十分かもしれないが、本当に意味のあるコミュニケーションは、検知され正確に再現されなければならない、何層にも重なった複雑な階層で構成されているのだ。

これらの2つのコミュニケーションレベルの間のどこかを目指して、SignAllはギャローデット大学で、最初の公開パイロットプロジェクトを行おうとしている。このワシントンDCにある聴覚障害者のための学校は、ビジターセンターのリノベーションを行っている最中だが、SignAllはここに、訪問した健聴者が聴覚障害スタッフと対話できるようにできる翻訳ブースを設置する。

Robotkaは、これはシステムのテストを行うための良い機会だと語る。通常は情報提供は逆方向で、聴覚障害者の方が健聴者から情報を貰う立場だからだ。手話ができない訪問者は、喋ることもできて、（もしスタッフが読唇術を使えない場合には）その質問はテキストに変換される。そしてスタッフによる手話による応答はテキストに変換され、音声合成が行われる。

これは複雑なやり方に聞こえるし、実際技術的はとても複雑だが、現実的にはどちらの側の人間も普通にやっていること以上のことを行う必要はない。それで相手には理解して貰えるのだ。少し考えてみれば、これがどれほど素晴らしいことかが分かるだろう。

パイロットテストの準備のために、SignAllとギャローデット大学は協力して、現在使われているアプリや、大学固有の状況に関するサインのデータベースを作成している。全ての手話サインを表す包括的な3D表現は存在しない、そのため当面システムは配備された環境に応じて提供される。ドメイン特有のジェスチャーが順次データベースに追加されていくことになる。

「これらの3Dデータを収集するのは本当に大変でした。彼らの協力を得て、丁度作業が終わったところです」とRobotkaは語る。「インタビューを行い、そこで発生した会話を集めて、すべての言語要素とサインが集められるようにしました。私たちは、最初の2、3のパイロットプロジェクトで、同じようなカスタマイズ作業を繰り返すことになると考えています」。

この長期間にわたるプロジェクトは、技術の可能性と限界の両方を冷静に思い出させるものだ。もちろん、手話の自動翻訳が、コンピュータビジョン、機械学習、イメージングの進化によって可能になったことは間違いない。しかし、他の多くの翻訳やコンピュータービジョンタスクとは異なり、基本的な正確性を達成するだけでなく、人間中心主義の側面が確実に含まれるようにするために、大量の人間からの入力が必要とされるのだ。

結局のところ、こうした活動は単に私たちが外国のニュース記事を読んだり、海外でコミュニケーションを行う際の利便性に留まる話ではなく、多くの人が対面コミュニケーションとして考えている「会話」という手段から締め出されている人たちの、利便性に関わる話なのだ。彼らの運命を良くして行くことは、待つだけの価値がある。

[原文へ]
（翻訳：sako）

Slackを利用するタスク管理ツールとして評判のWorkastが、サポートするメッセージングプラットホームを増やそうとしている。

Asanaなど、そのほかのタスク管理アプリケーションにうんざりしていたユーザーの願いに応えたWokastは、このほどGreycroft Partnersがリードするシードラウンドで185万ドルを調達し、Slack以外のメッセージングプラットホームへの対応を目指している。

WorkastのCEO Guillermo Getteによると、同社の成功の鍵は会話的インタフェイスにフォーカスしたことにあり、その成功の上に機能を拡張してきたからだ。その便利で使いやすいタスク管理の機能が、これからはGoogle HangoutsやMicrosoft Teams, Stripe, それにCiscoのチャットプロダクトでも使えるようになる。

“Slackがベースだから、ユーザーの獲得も早かった”、とGetteは語る。“Slackのユーザーの7社に1社はWokastを使っているね”。

Getteによると、現在の月間アクティブユーザーはおよそ10万で、彼らはWorkastのツールを使ってタスクを割り当て、その完了までの過程をモニタしている。

そんなアイデアは、ExpediaにいたころのGetteにひらめいた。そして2015年には彼一人が夜や週末にタスクの統合の部分をプログラミングしていたが、今ではかなりの成長を目指せるようになった、とGetteは語る。

今年前半にはリポートやアナリティクス、無制限の統合、ゲストアカウント、テンプレート、カスタムフィールドなどの機能を盛り込んだ上級バージョンをリリースするつもりだ。

“ワーク管理ツールは10年一日のごとく変わっていないし、今の製品でもその多くは、仕事の現場における個人やチームのコミュニケーションのやり方に合わせようとしていない”、とGetteは声明の中で言っている。“Workastでは、個人とチームの継続的な対話を効果的かつ効率的に追跡できる。そのカバー範囲はすべてのチャンネル（Slackの）であり、メッセージングもメールも音声もビデオもそこに包含できる。有意義な、そして管理可能な方式で”。

[原文へ]
（翻訳：iwatani(a.k.a. hiwa）

筆者: Rob LoCascio（LivePersonのファウンダーでCEO）

あなたは私の会社LivePersonをご存じないかもしれないが、そんなあなたでも私の発明を使ったことはあるはずだ。1995年に私は、Webサイトの画面にポップアップするあのチャットウィンドウを発明した。今では世界中で2万近くの企業が、わが社のソフトウェアを使って彼らの何百万という顧客とコミュニケーションしている。その中にはT-Mobile, American Express, Citibank, Nikeなどの有名大企業もいる。1990年代の半ばにインターネットの誕生を目撃した多くのスタートアップのファウンダーたちと違って、私は今でも自分の会社のCEOだ。

長いことCEOの椅子に座っていると、これまでの20年間に起きた変化に対する、独自の見方を持つようになる。そして今私に見えている現在進行形の変化は、インターネットの姿をラジカルに変えるだろう。

90年代半ばにWebサイトを作ったときは、eコマースへの大きな夢があった。基本的に実店舗は消えてしまうであろうし、何もかもドットコムが支配するだろう。でもeコマースは、惨めにもその夢を打ち砕いた。今日、Webサイトやアプリから生じている商行為は全商業の15%足らずであり、しかも企業として成功しているeコマースはAmazon, eBay, Netflixなど数えるほどしかない。Webサイトをだめにした大きな構造的問題は二つある: それはHTMLとGoogleだ。

Webサイトは、これまで図書館に閉じ込められていた人類の大量のコンテンツの集まりを、デジタルなユーザー体験、すなわちWebサイトによって、多数の大衆的オーディエンスに開放するはずだった。最初のころ私たちは、“閲覧する”(browsing, ブラウジング)とか“索引を作る”(indexing, インデクシング)などのように図書館の用語を使い、そして多くの点でWebサイトの中核的技術であるHTML(Hypertext Markup Language)も、静的コンテンツを図書館の本のように表示するために設計された。

しかし小売店は図書館ではないし、図書館の形式をオンラインストアに適用することもできない。消費者は、買い物をするときのいろんなダイナミックな質問や会話ができる方法を必要とした。しかし今日のモデルでは、一連の静的なページを読んで質問への答を見つけなければならない。でもふつうは、店員や店主と質問と答の一連のやり取りをしてから、そのお店を信ずる気になり、いろんな物を買いたくなる。HTMLのWebサイトには、そんな、人間同士のリアルで動的な対話がない。

Webの第二の問題は、Googleだ。90年代にWebサイトを作り始めたときは、誰もが仮想ストアを自分独自のデザインでやろうとした。それによりストアはおもしろくてユニークになり、しかし一方ではスタンダードがないので見て回ることが難しく、それらを普遍性のあるカードカタログにインデクシングすることは、とてもむずかしかった。

Googleは、1998年ごろにやってきた。Googleは世界の情報を見つけやすくし、またそのPageRankアルゴリズムにより一種のルールを定めた。そのルールのせいで企業は自分のWebサイトを、それがGoogleの検索結果のトップに来るための、何らかの方法でデザインしようとした。でもそのルールの画一的な構造は結局、eコマースにとって有害だった。

今では、ほとんどすべてのWebサイトが同じに見えるし、成績（ビューワー数、集客力、等々）も不振だ。オフラインでは、各ブランドが自分たちのストア体験をユニークなものにして自己を差別化しようとする。オンラインでは、どのWebサイトも、…GucciからGapに至るまで…同じ体験を与える。トップからのナビゲーション、説明的テキスト、少々の画像と、そのほかの互いに似たような要素。Googleのルールは、ユニークなオンライン体験からその生命（いのち）を抜き取った。そしてeコマースが困れば困るほどGoogleはさらに強力になり、ひどいeコマース体験を強制して、ブランドと消費者の仲を冷たくし、無味乾燥にしつつある。

Webサイトの良くないデザインには、隠れた連鎖反応がある。今、企業のカスタマーセンターにかかってくる電話の90%は、そのWebサイトが原因だ。その典型的な旅路は: 消費者が答を求めてWebサイトを訪れる→混乱して電話をする。今やそれはまるで疫病だ。カスタマーセンターは1年に2680億件の電話に対応し、1兆6000億ドルの費用を発生させている。

比較のために全世界の広告費支出を挙げると、それは5000億ドルだ。だからカスタマーセンターは、企業のマーケティング支出の3倍のコストを生じさせている。しかも、混み合っていてお客を待たせるカスタマーセンターが多いから、さらにひどい消費者体験を与えている。Webサイトとアプリは、電話を減らすどころか増やしており、コストも大きくしている。暮らしが楽になるというデジタルの約束は、あっさり破られる。

質問に親切に答えてもらったら、喜んでお金を払う気になる、という私たちの心理は、人間に生まれつきあるものだ。今ボットやAIが話題になっているのも、そのためだ。現実世界で何かが実現し完了するのは、何の力に依（よ）っているのか。会話に依ってだ。ロボットやAIが人間の仕事を壊す、とメディアは力説するが、Webに人間性が大きく欠けている今ではむしろ、その欠陥を補い、本当に暮らしを楽にするインターネットやWebを探究すべきだ。可能なら、AIやロボットもその探究に活用して。

今改めてeコマースの現実を知ってみると、初期に私が抱いた希望や夢も錯誤だった、という気がしてくる。しかし今の私は、私が“会話的コマース”（conversational commerce）と呼んでいるものに大きな希望を抱（いだ）いている。メッセージングや、Alexaのような音声、それにロボットを、生きた、人間的な会話に活用できれば、われわれがかつて夢に見たような普遍的で大きな規模で、強力なデジタルコマースの約束を、ついに実現できるだろう。

これまで、およそ18000社の顧客企業の仕事をし、最近、会話的コマースの探究を開始した私が大胆な予想をするなら、2018年には有名ブランドのWebサイトの最初の閉鎖が起きるだろう。ブランドは、これまでのように単に顧客とコネクトすることから、会話することへと力点を移す。それはボットと人間の共同作業になり、SMSやFacebookなどのメッセージングがフロントエンドになる。私たちはすでに数社の著名ブランドと、その実現努力を開始している。

（上記予言の）最初のWebサイトが終わると、ドミノ現象が始まる。しかしそれは多くの企業にポジティブな効果を与え、eコマースと顧客ケアのやり方を抜本的に変える契機になる。でもそれは、Googleに壊滅的な打撃を与えるだろう。

[原文へ]
（翻訳：iwatani(a.k.a. hiwa）