人の感情を察する音声対話AI。NTTドコモ、「高EQな音声対話技術」を確立

　NTTドコモは10月26日、AIで「EQ（感情指数）」の高い対話を実現するための評価指針・共通設計図・4つの要素技術を確立したことを発表した。

　従来の対話型AIは、共感や状況への配慮といった「情緒的価値」を実現・評価する方法がなく、機械的な応答や不適切な迎合が発生する場合があった。そこで同社は今回、対話型AIが個々のユーザーの状況や文脈に配慮し、共感力の高いコミュニケーションでの音声対話を実現することを目指し、評価指針・共通設計図・4つの要素技術を確立。既存のAIモデルに付加することで、AIモデル本体を作り直すことなく、声色や話の内容から相手の状況を察して安心感のある自然な対話を実現する。

　具体的には、AIが相手や場に配慮して「どう振る舞ったか」を評価する指針として「AI EQ+1 Framework」を策定した。AIの応答速度などの基本性能だけでなく、安全性や誠実性、相手への寄り添い方やキャラクターの一貫性といった質的な側面に加え、AIを利用したことによる愛着や継続利用意向など利用者への効果も踏まえてAIの振る舞いを評価する。

　また、対話型AIにEQの要素を組み込む際に、どのプロセスでこれらの評価を実施するかの共通設計図「EQリファレンスアーキテクチャ」も策定。「AI EQ+1 Framework」および「EQリファレンスアーキテクチャ」の2つを活用して対話の結果を評価することで、AIの中核を作り直さずに対話型AIの改善点を明確にし、適切に対応できるよう改善できる。

　これらに加え、同社は高EQな対話を実現する以下の4つの要素技術を開発した。対話型AIの開発において、これらの要素技術を組み込むことで、より自然で安心・安全なAIとの対話を実現できる。

【高EQな対話を実現する4つの要素技術】

・ユーザーの状態を判断するルールを自動作成する技術

　開発者の指示をもとに、表情や声のトーン、話の内容からユーザーの状態を判断する際のルールを自動作成し、ユーザーに最適な対応を実現。

・会話の不自然な「間」をなくすレスポンス高速化技術

　応答の文章生成から音声変換までに発生する不自然な沈黙を解消し、自然なテンポの会話を実現。

・安全性と共感を両立するEQガードレール技術

　対話の場面やユーザーの状況に寄り添い、同調する内容や禁止する内容を的確に判断して適切な応答をすることで、安全性を確保しながら一人ひとりに寄り添った自然な会話を実現。

・使えば使うほど対話品質を高めるEQ自律改善技術

　AIとの対話ログを継続的な改善に活用することで、サービスごとに求められる配慮に沿って対話の質を向上。

　今回確立した内容に基づき、EQの要素を取り入れた対話型AIと取り入れていない対話型AIを比較して、ユーザーの対話行動や心理面、継続利用に伴う評価にどのような違いが出るかを確認するため、8月～10月に成人約40名を対象とする実証実験が実施された。その結果、EQの要素を取り入れた対話設計により、利用者の継続利用意向が高まる傾向が確認されたため、実証実験の詳細をまとめた「AI EQ+1 Framework Whitepaper v1.0」が本日公開された。

　同社は今後、同社サービスへの適用や社外パートナーとの共創を通じ、カスタマーサポートや介護、教育、エンタメ等の分野で、安心感や信頼感をもたらす対話型AIの社会実装を加速するとしている。