KIBITKIBIT的特徵和未來展望

01可實現以往所不能及的夢想!

可將人類的判斷用於大量數據上

KIBIT是藉由學習涵蓋使用者所賦予之訓練數據的特徵,再基於學習結果評估其他數據,便可從大量數據中找出符合使用者預期的訊息。具體而言,在學習階段上,從非典型自然文句中,透過構詞分析(morphological analysis)特別指定詞類或找出單字。接下來,針對各使用者的判斷下,計算出單字或句子的重要程度,再優化功能特徵軸。而且,在評估階段上,沿著優化的功能特徵軸,評估涵蓋其他數據的各單字或單字間的關係(評分)後,依照可能符合使用者預期的順序,按序排列整體數據。

本公司將獨自開發的學習評估演算法(algorithm)稱為「Landscaping」(改造)。這是因利用大自然形成風景的造形活動(Landscaping)思想與概念,相當類似於本公司理想的數據分析過程與性質。

KIBIT就是藉由這個Landscaping自動學習人類的敏銳系統,而具備可將學習結果,應用於多樣化應用程式的泛用性。以藉此實現例如訴訟支援事業中的預測編碼(predictive coding)(藉由評估文書與訴訟之間的關連性,僅預測分類訴訟相關文書的手法)。

専門家は、 調査対象として重要なデータであるか否かを判定 「専門家の暗黙知(人間の機微)」(人工知能「KIBIT」へ) 人工知能「KIBIT」の場合、 専門家の暗黙知(人間の機微)を学び、専門家に代わって判断します。調査対象文書の残りに対して判断し、文書を発見(専門家へ) ※摘錄於研發報告第6頁

學習量少的現實性

就如同難以預測「要讀多少書,才能通過資格考試」的問題一樣,人工智能也同樣難以事先瞭解合理的學習量。這是因為,一般而言,人工智能所需學習量的多寡,會依目的、數據性質、期待性能等而呈現複雜的變化。當學習量不足時,KIBIT可再度學習以提升性能,因此只要最少的學習便可發揮最大的性能。

教師データ 【1】 重み最適化1回目 → 再現率80% 【2】 重み最適化2回目 → 再現率88%  【3】 重み最適化3回目 → 再現率90% 「データの分析状況に応じて重み付けを最適化。見つけたい情報の網羅性(再現率)を自動的に上げます。」 ※摘錄於研發報告第6頁

02充實「決定」

瞭解您的喜好再作提議

例如,在數位行銷領域的大數據(Big Data)上,存在著涵蓋網站的文字資料。KIBIT可藉由分析這個大數據,推薦(recommend)使用者沒有注意到的價值訊息。
換言之,KIBIT透過網站上所記載的部分文字(text),學習使用者的潛在需求,並使學習結果適用諸多網站,再搜尋符合使用者本人所未留意的潛在需求訊息。使用者只需簡單的操作,便可從網路發現「驚奇有趣」的訊息。

「いろいろなレストランのレビューがあるのはいいけれど、多すぎて行ってみたいレストランを見つけるのが大変…」 【1】 「このお店レビュー いいね!」 ユーザーが任意のレビューを評価し、自分好みに合うものを選ぶ → 【2】 分析学習 KIBITが、ユーザーが評価したレビューを分析し、ユーザーの嗜好を学ぶ → 【3】 分析抽出 学習内容からインターネット上のレビューを分析、ユーザーの嗜好に合致するレビューに紐付く店舗を抽出する → 【4】 「たしかに好きかも!」 抽出した店舗をオススメする。学習内容は他分野のレコメンドにも利用可能 → フィードバック 【2】へ ※摘錄於研發報告第13頁

出示理由

KIBIT說明「評估數據的理由」、或將某主題在諸多數據所占比例作成視覺後,以動態方式生成資訊內容,便可反映給使用者。例如,使用者將某作曲家所作的鋼琴曲登錄於「我的最愛」後,當KIBIT對該使用者推薦歌劇時,便可說明「因為是同一位作曲家」的推薦理由。本公司為了讓人工智能KIBIT更貼近人類,而認為讓KIBIT自行說明發現「連結」的理由乃屬至關重要,也因此而著手研發實現未來的介面。

與人工智慧展開對話

當人類使用高精密度的資訊處理軟體時,一開始需要先去理解使用方法,然後再透過捕捉主動式的動作,來發現與解釋資訊。因此,人類必須對於軟體具備一定的專業素養,以現況而言,很難去存取超出此範圍的資訊。
本公司藉由在KIBIT身上搭載對話型智慧代理人的機能,力求克服此項難題。例如,當使用者找不到所需要的資訊時,可以告知原因,讓人工智慧提出對策方案等,透過和KIBIT之間的對話,深入發掘對於資訊的真正需求,以便存取超出專業素養範圍的資訊,提供更加深入理解與接納的全新使用者體驗。

讓機器人成為我們的生活好幫手

為了有效地運用人工智慧,建立起符合各種用途的適當平台相當重要。原因在於,若想根據使用者與人工智慧之間的對話,發揮出真正的性能,就必須降低對話的門檻,以帶動人類的回應。然而,人類對於是否可將對方視為:「能夠進行對話的對象」,有著相當嚴格的標準,例如,光是在螢幕上顯示「人工智慧角色」的身份,並不足以促使雙方順利地展開對話。
本公司正在開發搭載KIBIT的溝通型機器人「Kibiro」。Kibiro有著可愛的造型,惹人憐愛的自然應答表現方式,可以促進和人類之間的對話。透過對話掌握到資訊之後,再學習對方的興趣,最後成長為個人化的生活好幫手,「幫助您找出連自己也未發現到的自我潛力」。

※關於KIBIT的詳細資料,請參閱「研究開發報告書開新視窗

Analyzing Big Data and looking into human behavior.行動情報科学研究所 開新視窗