強化されたテクノロジーにより、音声アシスタントの受け入れが加速されます

150年以上前の電話の発明は、通信の革命を引き起こしました。今日、音声通信革命は新たな飛躍の真っ只中にあります。新しいクラスのスマートデバイスにより、人工知能（AI）が音から意味を抽出し、人々がより直感的に世界と対話するための新しい方法を提供できるようになります。仕方。この記事では、私たちが現在どこにいるのかを調べ、ユビキタスな音声アシスタントを私たちの生活の自然な一部にするテクノロジーをプレビューします。

「Mr。ワトソン、ここに来て…。」

1876年にアレクサンダーグラハムベルが発した有名な言葉は、音が電気的に伝達されたのは初めてのことでした。この世界を変えるイノベーションは、私たちの働き方、生活、遊び方の劇的な変化の中心であり続け、私たちが周囲の世界と対話する方法における新たなブレークスルーの不可欠な部分です。

1世紀には、有線電話ネットワークが世界中の人々をつなぎました。その後、過去50年間の電子機器の革命により、音声とビデオの会話がワイヤレスでポータブルになりました。この10年間で、私たちは人々の間のハンズフリー電話会話から機械との会話に移行しました。まだ初歩的ですが、この新しいタイプの人間と機械の相互作用は、イノベーションの次の飛躍を推進しています。

コンピューター、スマートフォン、スマートスピーカーには、クラウドベースのディープラーニングシステムを使用して質問やプログラムアクションを実行できる音声アシスタントが組み込まれています。同じ機能が、私たちが毎日使用する他のデバイスにまもなく統合されます。 Statisticaによると、2020年までに、18億人もの人々が、携帯するデバイスや、自宅やビジネス環境でさえ、他の種類のプラットフォームで音声アシスタントにアクセスできるようになると推定されています。

それでも、音声アシスタントシステムの成功は、今日のテクノロジーの限界によって依然として挑戦されています。 AI、専用プロセッサ、より感度の高いマイクの進歩により、音声アシスタントのパフォーマンスが向上し、市場での採用が加速します。

人間的な会話をする

音声アシスタントシステムが直面する課題の1つは、人間の会話が非常に豊かでインタラクティブであることです。時々、あなたが文を終える前に、友人があなたの発言に反応するかもしれません。技術的には、人が話し合うときの応答時間は数十ミリ秒で測定されます。友人と話すとき、時折ゆっくりと思慮深い反応をするのは非常に自然ですが、通常の会話のギャップに最大数秒の遅延が含まれる場合や、質問やコマンドを頻繁に言い直す必要がある場合、日常のやり取りがどれほど厄介になるか想像してみてください。

音声アシスタントの「会話」のペースが遅いことは、基盤となるテクノロジーのいくつかの側面に関連しています。音声認識と応答を強化するアルゴリズムは多くの処理能力を必要とするため、今日のスマートフォンとスマートスピーカーシステムは音声を録音してクラウド内のコンピューティングリソースに中継します。送信遅延の可能性を最小限に抑えるために、システムは通常、低品質のオーディオファイルを送信します。これにより、エラー率が高くなります。また、インターネット自体は可変速度の媒体であるため、伝送速度が変化する可能性があります。これら2つの要素の組み合わせは、音声認識の大幅な向上をクラウドに依存する音声アシスタントの品質に常に影響します。

これらの欠点があっても、消費者は明らかにテクノロジーに興奮しています。音声アシスタントを搭載したスマートフォンに次ぐ新製品であるスマートスピーカーシステムの売上は、初のスマートフォン導入以来、今までにないペースで伸びています。 voicebot.aiによると、米国でのデバイスの販売は2018年に40％増加し、6,640万台の新規販売台数により、スマートスピーカーの数は1億3,300万台に増加し、米国の成人の26％強に相当します。

また、音声アシスタントが会話のエミュレートを上手く行うことも避けられません。会話の遅延は縮小し、アルゴリズムを改善すると、対話は人間の対話のように見えます。これらの改善の大部分は、処理をユーザーに近づけることによってもたらされます。

会話を端に持ってくる

クラウドベースの音声アシスタントを実現するテクノロジーは、これらのデバイスをはるかにパーソナルなものにするペースで進歩しています。現在の音声アシスタントは、クラウドとの間で情報を中継します。明日、これを可能にするAIはエッジデバイスに常駐し、プライバシー、消費電力、およびシステムの応答性にメリットをもたらします。つまり、エッジコンピューティングは、AIをクラウドから自宅、職場、そして私たちの周りの世界に埋め込まれている他のデバイスに移動することで、音声アシスタントをより効果的にすることを約束します。この未来に向けた一歩として、インフィニオンは最近、世界で最もパワーの低いエッジキーワード認識ソリューションを実証しました。

よりスマートな音声アシスタントに大いに期待できる分野の1つは、医療および個人の健康状態の監視です。たとえば、高感度マイクは、睡眠中の呼吸音を監視し、睡眠時無呼吸などの睡眠障害の発症を予測できます。多くの人は、この種の個人の健康情報を処理のためにクラウドに送信することに不快感を覚える可能性があります。エッジ処理により、分析されたデータのオーディオキャプチャ、計算、および保存をローカライズすることにより、この情報を監視および分析することが可能になります。これにより、ユーザーはデータを共有する方法とタイミングを管理できるようになります。より高いレベルのプライバシーを保証する音声アシスタントにより、人々は心臓と呼吸器の健康、睡眠状態、および全体的な健康状態をより快適に監視できるようになります。

今日私たちが目にしているAIの進歩は、深層学習の研究と、特殊な深層学習システムを構築するために使用される新しいタイプのハードウェアによって推進されています。この分野のパイオニアであるインフィニオンのパートナーであるSyntiantは、エッジデバイスにディープラーニングをもたらす新しいクラスのチップを構築しています。わずか数年以内に、音声アシスタント技術によって支援される人間と機械の相互作用は、何十億もの人々にとって日常的な出来事になるでしょう。また、よりスマートな音声アシスタント用に開発されたテクノロジーは、他の多くのアプリケーションで小型のバッテリー駆動のインテリジェントオーディオ認識を可能にする電力使用特性を備えています。テクノロジーが他にどこに価値があるかを予測するには、聞こえる音が世界との対話方法にどのように影響するかを検討してください。日常のユーザーの視野の外では、音声アシスタントテクノロジーは、モノのインターネット（IoT）で動作するスマートマシンのセンサースイートの一部となり、インダストリー4.0の一部となります。

自動運転車は、音声入力を他のセンサーと組み合わせて使用​​して、周囲の環境を検出して応答します。自転車、電車、その他の交通、子供たちの叫び声などの音はすべてAIネットワークへの入力であり、車が角を曲がったところにある物体を「見る」ことができます。工場では、機械の音をスマートコントロールネットワークで使用して、潜在的な問題が発生する前に診断することができます。スマートシティシステムは、ガラスの破損や自動車事故などの異常なイベントを「聞き取り」、適切な当局に警告します。また、次世代のロボットは、インテリジェントな操作と相互作用をサポートするセンサーネットワークの一部としてオーディオシステムを採用する予定です。確かに、潜在的なアプリケーションのリストは無限です。

— Pradyumna Mishraは、インフィニオンテクノロジーズの在宅起業家です