生成AI版アレクサが｢日本上陸｣するのはいつか？ アマゾンが導入する独自生成AIの秘密【現地取材】

｢我々は『アンビエント・インテリジェンス』を実現する試みを、もう10年以上も続けている。生成AIによって、その夢は手の届くところまで来た｣

バージニア州・アーリントンにある｢Amazon HQ2｣で、アマゾンは秋の新製品発表会を9月20日（現地時間）に開催した。

その壇上で、アマゾンで個人向けハードウエア事業を統括する部門の責任者であるDave Limp（デイブ・リンプ）氏は、｢Alexa（アレクサ）への生成AI導入｣を発表した。

アマゾンの施策はどんな形になるのか、発表内容とキーパーソンへの取材からまとめてみよう。

生成AIでAlexaの理想が実現

アマゾンが音声アシスタント｢Alexa｣を搭載したスマートスピーカー｢Echo｣シリーズを最初に発売したのは2014年11月のこと。すでに9年近くが経過している。

リンプ氏は、AlexaとEchoについて、スタートからずっと責任者として関わり続けてきた。彼は近々アマゾンを去ることを公表しており、現在の職責として公的な場でスピーチをするのは、これが最後になると見られている。

｢個人としてはほろ苦い思いもある｣とリンプ氏はプレゼンテーションの中で語る。

そんな、リンプ氏が長く時間をかけて成長させてきたAlexaが、生成AIの力を使い、ようやく、多くの人が思い浮かべるような｢対話型コンピューター｣になった。

今回アマゾンがAlexaに搭載したのは｢Alexa Chat｣という機能だ。｢Alexa, Let’s Chat｣と話しかけると、チャットモードに変わり、連続的に話題を維持しながらAlexaと対話できる。

｢贔屓のチームの試合はどう？｣

｢あの選手は活躍した？｣

｢友人と一緒に試合を見るけど、ホームパーティーのグリル料理にはなにを付け合わせればいい？｣

｢ところで、当日の天気は？｣

そんな風にAlexaに話しかけると、ちゃんと文脈を踏まえながら回答してくれる。

今までのAlexaは｢単発で命令していくいもの｣という印象が強かっただろう。

話をつなげつつ利用者の希望に応えていく、という技術の開発は進められていたが、なかなかうまく実装されてこなかった。日本語では機能していないし、英語でもかなり不完全だ。

しかしAlexa Chatでは、｢チャットモードに入る｣という手順を踏む必要はあるが、より自然な対話になってきている。多くの人がAlexaに望んでいたのは、こういう機能であるはずだ。

アマゾンは自社独自開発の生成AIを採用

Alexa Chatの裏にあるのはもちろん、大規模言語モデル（LLM）を使った生成AIである。

では、アマゾンはどんな生成AIを使ってAlexa Chatを作ったのだろうか？　マイクロソフトがOpenAIをパートナーとしたように、アマゾンにもパートナーはいるのだろうか？

Amazon Devices・インターナショナル担当のEric Saarnio（エリック・サーリーノ）氏は、日本記者団との取材に応え、次のように説明している。

｢私たちはAlexaを動かすために、さまざまな機械学習技術を利用している。LLMもその一つ。

使っているのは、我々独自の生成AIであり、LLMだ。私たちの生成AIと他のLLMは異なっている｣（サーリーノ氏）

具体的にどんなロジックなのか？ また、パラメータ数はどのくらいなのか？ そのあたりに関する回答はなく、詳細は不明だ。

だが、どこかのパートナーと組んでその生成AIをエンジンとしているのではなく、自ら学習させたLLMをベースにした生成AIを使っているのは間違いないようだ。

実のところ、アマゾンは以前より、今の生成AI技術の基盤となる｢Transformer技術｣を使ってはいる。

ただそれはいわゆるチャットサービスにではなく、英語のために作り上げたAlexaの学習データを他の言語へと｢教師データなし｣で効率的に変換するためだ。これは｢Alexa Teacher Model｣と呼ばれるもので、200億パラメータのLLMであるという。

あくまで裏で動くものであり表には見えなかったわけだが、Alexa Chatはまた別に、表に見える形で生成AIを導入してきたことになる。

利用者の対話履歴で｢自分に合った対話｣を実現

Alexa Chatにはもう1つ秘密がある。

｢我々の技術は、生成AIに加え、知識について、データベースやナレッジグラフを活用している。

つまり、最も正確で信頼できるAIを提供するために、古いものと新しいものをブレンドしているようなものだ｣（サーリーノ氏）

これは簡単に言えば、Alexa Chatは｢利用者のことをわかって対話する｣ということだ。

Alexaは現在も、利用者がどんな人で、どこに住んでいて、これまでにどんな対話をしたのかという情報を知っている。

それに合わせて返答しているのだが、人間のように続けて会話しているわけではないので、そのことを強く意識することは少ないかもしれない。

だが、現在は家族を声や顔で見分けて、それぞれに合った会話をする機能がちゃんとある。個人のプロファイルをちゃんと記録し、それを使って対話しているわけだ。

Alexa Chatでは、これまでに蓄積したプロファイルを生かし、パーソナライズされた会話ができる。

人が会話する時でも、その人がどんな人でこれまでどんな会話をしたのか、という情報を元に話すはず。Alexaがパーソナルプロファイルを使った対話を行うのも、そのことを考えるとよくわかる。

奇遇なことに、アマゾンが発表を行った翌日、マイクロソフトも検索サービス｢Bing｣のチャット機能において｢対話履歴を活かしたパーソナライズ機能｣を導入すると発表している。

今後個人向けのサービスで、対話履歴を活かしたパーソナライズは必須のものになるだろう。当然その分、プライバシーを守る必要性はさらに強くなる。

スムーズな対話のためにさまざまな工夫

もう1つ、Alexa Chatにとって重要なことがある。それは｢対話が素早い｣という点だ。

生成AIとチャットすると、反応に一定の時間がかかるのが気になることが多い。今は物珍しいので我慢できるが、本来は｢スムーズな対話である｣ことが求められる。

アマゾンのHead ScientistであるRohit Prasad（ローヒット・プラサード）氏は｢対話は快適であることが重要｣と説明する。

現在のAlexaでは、音声のトーンを認識し、Alexaへの反応に反映するようになっている。楽しそうな会話には楽しそうなイントネーションを加える、ことができる。

そうした音声対応の工夫に加え、生成AI自体も素早く反応できるものを選び、バランスをとった処理されていると想定される。