AmazonがEcho Autoに騒がしい車内での音声認識を学習させた方法

WIREDに掲載されているすべての製品は、編集者が独自に選定したものです。ただし、小売店やリンクを経由した製品購入から報酬を受け取る場合があります。詳細はこちらをご覧ください。

ダナンジャイ・モトワニはある動物のことを考えており、20の質問の相手は質問ごとにそれが何なのかを解明しようとしています。

「電子レンジより大きいですか？」
「はい。」
「芸はできますか？」
「できるかもしれません。」
「捕食動物ですか？」
「いいえ。」
「柔らかいですか？」
「いいえ。」
「ベジタリアンですか？」
「はい。」

ここで印象的なのは、質問者がコンピューターだということではない。それはもう陳腐な話だ。機械とモトワニ氏が、シリコンバレーに数多くある高速道路の一つを走る青いヒュンダイ・ソナタの中で会話していることだ。この地域ではよくあることだが、交通渋滞はひどい。このゲームは単なる時間つぶしではなく、サニーベールの研究所へとゆっくりと進む中で、Echo Autoの実力を見せつけるのにうってつけだ。Amazonは、車という音響の試練の場の中で、Echo Autoに人間の声を理解させる訓練を行った。

Amazonは昨年9月にAlexa搭載の公道走行型デバイスを発表し、1月から一部顧客への出荷を開始しました。Amazonは複数の自動車メーカーと提携し、新型車へのAlexa搭載を進めていますが、50ドルのAutoは既に走行している数千万台の旧型車にも対応しています。必要なのは電源（USBポートまたはシガーライター）と、車載スピーカーへの接続手段（BluetoothまたはAUXケーブル）だけです。

カセットテープほどの大きさと形状のEcho Autoは、ダッシュボードに設置するだけで、7万種類ものAlexaスキルを車内で利用できます。8つの内蔵マイクで、電話をかけたり、リマインダーを設定したり、買い物リストを作成したり、近くのレストランやカフェを探したり、ジェイク・ギレンホールによる『グレート・ギャツビー』の朗読を聴いたりできます。

増え続けるEcho製品群にAutoが加わるのは理にかなっている。「車内ほど音声認識に適した場所はありません」と、AmazonのEcho製品責任者であるミリアム・ダニエル氏は語る。本来、両手はハンドルに、目は道路に向けられているべきなのだ。しかし、彼女とチームが約18ヶ月前に開発を開始した時、音声認識を実際に機能させるには車内ほど適した場所はないことに気づいた。「キッチンが最も音響的に厳しい環境だと考えていました」とダニエル氏は言う。しかし、家族の話し声や冷蔵庫のブーンという音は、風、エアコン、雨、ラジオ、ロードノイズに比べれば、容易に克服できることが判明した。「車内はまるで戦場のようでした」

聴覚の地雷原を安全に通過するために、ダニエルのチームはまず、Echoのハードウェア、ソフトウェア、そしてユーザーインターフェースを車に適応させることから始めました。つまり、頻繁な電源のオンオフに対応し、初回試用時には1分半かかっていた起動時間を数秒に短縮できるように調整したのです。さらに、応答時間を短縮するように調整しました。さらに、位置情報機能も追加し、デバイスがユーザーを最寄りのカフェイン注射場へと誘導できるようにしました。さらに、承認された友人などがEchoデバイスに自動的に接続してチャットできる「ドロップイン」機能も無効化しました。

ダニエルのチームは、新たなオーディオキューを作成し、AutoのLEDバーによる注意散漫の原因となる可能性のある動作を合理化しました。エラーメッセージを時折再生するための小さなスピーカーを1つ搭載しましたが、Autoのかさばりとコストを削減するため、重要な処理は車載オーディオシステムに任せることにしました。様々なマイクアレイをテストした結果、カップホルダー（運転者の口元から遠く、ガタガタと音が鳴りやすい）、エアコン吹き出し口へのクリップ式（ノイズが大きすぎる）、天井（配線があちこちに垂れ下がる）を除外し、ダッシュボードが最適な配置場所として決定しました。

Amazonの信頼性ラボでは、Echo Autoは気候制御室、高温・紫外線曝露、落下テスト（まさにその名の通り）、そして専用の装置でコードを様々な力で引き抜く引っ張りテストに耐え抜いた。これはすべてのEchoデバイスに共通する標準的なテストだ。

しかし、走行中の車内でEchoがきちんと聞き取れるかを確認するには、新たな種類のテストが必要だった。Alexaプロダクトマネージャーのモトワニは、サニーベールにあるAmazonのテスト施設へ私を車で連れて行きながら、大きくて柔らかくない草食動物について考えていた。施設内にはキッチンやリビングルームの模型があるが、私はそれらを見学することは許されていない。代わりにモトワニは、一台分のガレージほどの灰色の部屋に私を案内した。その部屋の大部分は、黒のホンダ・アコードで占められていた。

運転席には、衝突試験用のダミー人形の上部のような、灰色のプラスチック製の箱に頭部と肩部が取り付けられている。頭部には、人間の目と鼻にあたる部分に黒い十字が描かれ、口は錠剤型の開口部、そして不気味なほど精密に成形された耳が付いている。メーカーのヘッド・アコースティクス社はこれを「人体構造の音響学的に重要な構造」を備えた人工頭部測定システムと呼んでおり、音響試験ではよく使われるツールだ。また、ホンダには車内全体に6つの大型スピーカーが搭載されている。

壁際に置かれたテーブルに置かれたコンピューターのそばに立ったモトワニ氏と、2人のアマゾンのエンジニアは、雨の中、時速40マイル（約64キロ）でデモを開始することにした。数回キーを叩くと、スピーカーが鳴り響き、動かない屋根付きの車内からは、嵐の中を運転している時の音を再現した音が聞こえてくる。激しい雨音、ワイパーの音、エンジン音、濡れたアスファルトを走るタイヤの音。彼らはこれらの音を、マイクを満載した車にドライバーを乗せて野外に送り出し、各ドライバーが録音した音を同じ場所に設置されたスピーカーで再生することで収集した。

エンジニアたちはコンピューターから、車が模倣できる他の状況を見せてくれた。速度の違い、天候の変化、窓の開閉、ラジオや大音量の音楽などだ。ここでダミーが動き出す。ダミーの顔の特徴が口だけである理由が分かった。口は実際にはスピーカーなのだ。ダミーは最大18時間連続でダッシュボードに置かれたEcho Autoに話しかけ、同じコマンドや質問を何度も繰り返す。チームはAlexaの応答を記録し、弱点や誤解を探す。機械学習はこうして行われる。システムにできるだけ多くのデータを入力する。そして、そのデータがAlexaが聞き取るであろうものをシミュレートするように慎重に選択（または作成）されると、このプロセスは最も効果的に機能する。

Echo Autoが一部顧客への出荷を開始した今、ガレージラボはオープンカーや雨天といった過酷な条件下での性能向上に注力しています（ただし、この2つが重なる状況は避けるべきでしょう）。他のAlexa製品と同様に、Echo Autoも今後も進化を続け、スキルを追加していく予定です。しかし、少なくとも今日のところは、人間の知能を超えることはできませんでした。モトワニ氏とのドライブは、彼がどんな動物のことを考えているのか理解する前に終了しました。なんと象でした。

WIREDのその他の素晴らしい記事