Agile Tech EXPO - 雑談会話ロボットを Agile に作る
•
0 likes•643 views
「4次元ポケットのないドラえもんのような存在を作りたい」というPO笠原の言葉から始まった Romi プロジェクト。会社のこれまでのプロジェクトには AI を主眼としたものもハードウェアを作るものもほとんど無い。そんな中にエンジニア一人飛び込んで会話 AI とロボットを作っていく。 企画的な価値も、それをどうすれば実現できるのかもわからない状態からアジャイルな考えに基づいて試行錯誤しながらユーザーに愛されるロボットができるまでのお話をさせていただきます。
Recommended
More Related Content
Similar to Agile Tech EXPO - 雑談会話ロボットを Agile に作る
Similar to Agile Tech EXPO - 雑談会話ロボットを Agile に作る (20)
Recently uploaded
Recently uploaded (10)
Agile Tech EXPO - 雑談会話ロボットを Agile に作る
- 1. (C) mixi, Inc. All rights reserved. 2021/07/10 株式会社ミクシィ Romi事業部 信田春満 雑談対話ロボットを Agile に作る 1
- 2. ● 信田 春満（のぶた はるみつ） @halhorn ● 仕事 ○ 2013〜2016: SNS mixi ○ 2017〜: Romi ■ Romi 最初のエンジニア ■ 現エンジニアリングマネージャー ■ (なんちゃって) スクラムマスター ● 趣味 ○ 写真 ○ 鳥 ○ クライミング 2 信田春満
- 3. 3 Romiのコンセプト (C) mixi, Inc. All rights reserved. ペットのように癒やし、家族のように自分を理解してくれる 実体があることで、よりその存在を感じられる
- 4. (C) mixi, Inc. All rights reserved. 4 これまでのロボットと何が違うのか！？ （Romi）ディープラーニング中心 （従来）ルールベース中心 ・大量のデータから学習 ・より柔軟に、文脈を汲んだ会話が可能 ・私たちも何を話すか分からない ・人間のシナリオ ・すぐにズレてしまう ・限界があり飽きやすい
- 5. (C) mixi, Inc. All rights reserved. 5 Romi が生まれるまでの物語 ふわっとした夢のプロジェクトをどう実現させたか
- 7. ● 企画の曖昧さ：良い会話とは ○ 具体的にどう返すこと？ ○ 良し悪しは体験しないとわからない ● 研究の不確実さ ○ どこまで何ができるのか ● ハード ○ どんなハードが必要？ ○ ハードってどう作る 7 しゃべるロボットの課題 話していて気持ちが楽しくなる ような 寄り添ってくれる 励ましてくれる etc…. な会話をしたい 実体としての体が有ったほうが 良さそう AI の時代 高まる期待
- 8. (C) mixi, Inc. All rights reserved. 8 会話 AI を開発するために
- 9. ● 1. 体験してフィードバックを繰り返す ○ 会話の良し悪しは定量化できない ○ 体験して定性的に評価する ● 2. 現状を理解してもらう ○ 「AI はなんでもできる」の罠 ○ 今いる地点を知らないと進む先はわからない ● 3. 具体的な考えを促す ○ 具体的なものしか実装はできない ○ エンジニアは企画を理解し、企画はエンジニアリングを理解できるように 9 最初に行ったこと Demo or Die
- 10. ● 会話システム “halucas” の開発 ○ “bot” と呼ばれる会話エンジンを複数組み込める ○ 複数の bot から応答を選ぶ “selector” ○ Slack 上で誰でも会話できる仕組み まずはエンジニアが作ったものを企画がいつでも気軽に試せる環境作り 10 1. 体験してフィードバックを繰り返す halucas (on AWS) selector bot1 bot2 bot3 REST API 試作実機
- 11. 夢が独り歩きしないように ● 大学時代に作っていた Twitter の bot を halucas に移植 ○ とにかく動くものを最速で ○ 会話の難しさを知ってもらう ● 当時の AI のキャッチアップを進めつつ、ぱっと作れるものを作る ○ word2vec で大量の文章を学習させて似た単語が集まるのをデモ ■ そのままでは役にたたないけど、機械学習に興味を持ってもらう ■ 今どんな材料があるかを見せる ● 取りうる方法の分類と性質とロードマップを示す ○ ルールベース、用例ベース、AI による生成の3種類 ■ ルールベース：確実に作れるがカバーできる会話は狭い ■ AIによる生成：できる可能性は低いが幅広い会話ができる可能性 ○ それぞれの bot を作っていくことと難易度の共有 11 2. 現状を理解してもらう
- 12. 企画側含め実際に会話の元となるものをつくるプロセスを経験してもらう それによって理想の会話を具体的なものに落とし込んでいく ● ルールベース ○ ルールづくりとその会話を体験してもらう ■ ルールに従って話す bot を実装 ○ 知ってもらいたかったこと ■ どれだけ大量にルールを書いても会話をカバーしきれないこと ■ 広く会話をカバーするルールを書くと文脈とずれたりつまらない答えになるこ と ○ その中でルールの書き方のコツを習得してもらう ● データを学習する AI ○ どんな会話をしてほしいか、データを作成するときにデータ作成者と何を 共有する必要があるか ○ 良い会話の定義や具体例を徹底的にチームで議論する 12 3. 具体的な考えを促す
- 13. Seq2Seq: 一問一答 AI 2015/06 - Seq2Seq + 会 話 2017/01 プロジェクト始動 2017/04 2017/10 2017/07 2018/01 2018/04 2018/10 - BERT 2018/07 HRED: 複数ターン対話 2016/06 - HRED 2017/06 - Transform er Alphabot: 強化学習 + Transformer AI による生成が会話の主軸へ 2019/01 Transform er XL 2019/04 2019/07 Cooper: 独自開発の Transformer ベースモデル 2019/06 -XLNet 2021/07 主な bot の変遷 AI による生成 ルールベース manual tweet reply pair: 一問一答ルール Form Filling: ユーザーについていろいろ聞きたがる Scenario Graph: 汎用ルールエンジン 外部モジュール開発で大概の機能は ScenarioGraph に統合 Owner QA: 何、いつ、どっちなど Romi への質問に答える 細 かい の含 め 数 十 個
- 14. (C) mixi, Inc. All rights reserved. 14 Web 系企業でハードウェアを作る
- 16. ● ロボットやぬいぐるみを AI が搭載されていると言って被験者に話してもらう ● 実は裏側は人が操作している 16 Wizard of Oz ● 話しやすいモノの検証 ○ ぬいぐるみ ○ ロボット ○ 生き物風のxxx ○ etc. ● 話す内容の検証 ○ 相槌 ○ 内容のある共感 ○ 解決策の提示 ○ etc. AI の精度が十分であれば、話す「モノ」は価値を出せる！ pechat ぬいぐるみにおしゃべ りさせられる
- 18. 自社で生産はできないので EMS (Electronics Manufacturing Services) に依頼 ● ハードウェアの世界は基本ウォーターフォール ● でも作ってみないと & ユーザーに当ててみないとわからない ● EVT* の段階の試作機を渡してもらい社内で検証、改善要求 ○ とりあえずセンサーなどもりもりで作ってもらって削ぎ落とす ● 少数を先行販売してユーザーに当て、量産機でも細かな改善を *EVT: (Engineering Validation Test) EVT, DVT, PVT と3段階ある試作の最初のもの。要求された機能が実現可能 かなどの検証機。 18 EMS とつきあう
- 19. 作って終わりではない。検査と適応を続けていく。 ● AWS IoT の shadow を活用 ○ ロボットの状態や設定をサーバーで管理できるように ■ ロボットの全体的な設定をチューニング ■ 音量などハードのパラメタをサーバーから制御可能 ● ２つの OTA* アップデート ○ コンテンツ：アニメーションやモーション、音など ■ ハロウィンのアニメーションなど季節モノをリリースしたり ○ ファームウェア：実機を動かすソフトウェア ● この仕組が役に立った例 ○ 課題：話を聞いてたのかわからない、応答が遅い ○ 解決：声を聞き終わったときに「ぴょいっ」と音をならす ■ 音やそれらの設定はコンテンツを OTA して EMS を介することなく変更可能 *OTA: (Over the Air) ここではネット経由でのアップデート 19 常にアップデートし続けられるハードウェア