RWC研究成果概要

RWC研究成果概要Ⅰ（1992～1996年度：理論・新機能）

技術研究組合 新情報処理開発機構 理論・新機能研究部 部長　岡　隆一

　1992年から5年間の研究成果、特に理論・新機能に関する成果の概要を発表致します。5年間の成果と、このシンポジウムで発表される70件を超える理論・新機能分野の論文について短い時間で説明するのはほとんど不可能なので、我々がどういう観点からRWC研究の成果を見ているかということを中心にお話致します。

　まず、我々の研究の目的ですが（図1）、1つは、理論・新機能と呼ばれる分野の個別的な発展。もう1つは、RWCの中心的な核の建設です。RWCの核を確立するには、「実世界の中で応用システムが働くこと」と「その応用システムを設計する原理となるものを建設すること」という2つの実現が必要です。

　これにはまず、リアルワールドとは何ぞやという話から始める必要があるので、それを簡単な写真を使って説明してみます（図2）。

　この写真は風景を撮ったものです。これは、一つのリアルワールドを示しているといえますが、これ自体は自然界の単なる写真です。ここに人間が介在する場合に、リアルワールドのデータはマルチモーダルのデータに変わっていきます（図2a）。

　例えば、この写真を人間が見ると、青い空があり、白い雲があると認識します。雪があって山があって湖がある。この湖は静かで音は特にありませんが、例えばここに魚が跳ねれば音がする。そして地面がある、というように、自然を写した写真は確かにリアルワールドのデータですが、人間が介在することによって自然界のデータはマルチモーダルの情報、つまり画像から記号の、あるいは音声を伴うような情報に変化させることができます。では、もう少し実際的な、我々の生活の中の情報処理の場面を想定してみたいと思います。

　この絵（図3）は、プロジェクトが始まる頃、今から5年ほど前に作成した絵ですが、一つのリアルワールドの実際の場面というのはこのようなものではないかと思います。

　これは、二人の研究者がある未知の動物の画像を見ながら、この動物は新しい種かどうかについてディスカッションしている場面です。この時、研究者二人の間にはコンピュータが介在しています。コンピューターは二人の討論、つまり音声による会話を聞き、未知の動物を見ている二人の様子を見ています。このコンピュータは何をするかというと、二人のディスカッションをモニターしながらその場面、場面で必要と思われるデータを提示していきます。ここにあるのはコンピュータの端末ですが、その背後には莫大なデータベースが存在しています。そのデータベースの中から、討論されている状況を理解して、必要なデータを提供していきます。

　このようなリアルワールドの一つの状況を想定した時に、そこにどういうテーマが介在しているかということを見てみます（図3a）。

　まずここに未知の動物がいます。これがどういう動物かということを、まずビジョンで見ることができる、ということでビジョンの役割が発生します。それから、この二人の対話者がディスカッションしている時どういう表情をしているか、あるいは誰が話しているかによって情報がある程度特定されるということで、この二人の顔を認識するというビジョンのもう一つの情報処理課題が出てきます。それから、ディスカッションというのは、スポンティニアス・スピーチと言いまして、非常にラフな形でなされているわけです。この場合の「ラフ」という意味は、この討論がコンピュータに都合のいいような話し方に基づいて必ずしもなされていない、ということです。このようなディスカッションの場面に発生している音声、画像のデータは、過去の莫大な情報、特にシンボルで記述されているデータと関係しているのですが、それとの繋がりにはインタフェースが必要となってきます。もちろん、このインタフェース自身は、足を持っていて歩き回るというようなある種の自律的な運動をすることも考えられます。また、一方、こういう場面で発生したデータを学習して役立てるなど、いろいろ重要な課題もあります。このような一つの単純な画面においても、これだけの課題が発生していると言えるかと思います。

　では、今申し上げた課題を我々のプロジェクトでどのように分担して研究しているかについて説明したいと思います（図4）。

　ここには、この後皆さんがデモンストレーションをご覧になれるものを挙げてあります。リアルワールドコンピューティングの基礎となるようなものについては、理論富士通研究室、理論GMD研究室で研究を進めています。音声、画像というようなマルチモーダル・インタフェースについては、電総研、新機能シャープ研究室、それからつくば研のデモを御覧になれます。先ほど申しました顔認識、これはシンガポールの新機能ISS研究室の成果が見られるかと思います。ロボティクスに関しては、電総研、新機能富士通研究室、新機能SNN研究室、新機能SICS研究室のデモが御覧になれます。確率の学習については、理論NEC研究室、新機能SNN研究室。ビジョンについては、ニューロ東芝研究室、つくば研、新機能SNN研究室、また、シンボルとリアルワールドの問題については新機能日立研究室、新機能三菱研究室、及びつくば研のデモをご覧になれると思います。

　では、これらの研究のどこに注目すべきかということについてお話ししたいと思います（図5）。

　今日の講演の中でトイワールドの世界からリアルワールドに移るのはなかなか困難だという話が出ましたが、その困難さの主な内容は、一つは開放性、つまり、未知のデータに対しての適応性ということがあります。2番目に重要なのはロバストネス、つまり、いろいろな雑音が入ってもそのシステムが良好に働くという頑強さです。それから、限られた時間内に適当に、十分に出力に耐え得るものをそれなりに出すという、リアルタイム処理ということがあります。この3つの軸で従来の研究をみた時に、軸に近いほどトイワールドであるということが言えまして、この軸から離れれば離れるほど我々のリアルワールドコンピューティングの対象になるということです。従って、従来の研究と較べて我々のリアルワールドの研究が、この狭い領域から広がる方向にいっているかどうかということで、皆さんがこれから御覧になるデモを評価されたらいいのではないかと思います。

　先ほど申しましたように個別の研究はたくさんありますが、個々の研究の質を高めて3つの軸、すなわちオープン性、ロバストネス、リアルタイム性の３つだけを個々に追究していけばよいかというと、必ずしもそうではないと思います。先ほどの立花先生のお話にもありましたが、リアルワールドの環境というのは個々の物に必ずしも分割できない、全体が統合して存在を主張しているわけです。では、その統合を形付けているものは何かということを、先ほどの絵を使って探していきたいと思います（図3b）。

　統合を特徴付けているものに、まずホリゾンタル（水平）の問題があります。ホリゾンタルと言うのは、今日のシンポジウムでも何度もお話があったと思いますが、テキストデータとビジョンのデータ、それからスポンティニアスなスピーチ、このようにモーダリティの違う中でお互いの近さ関係が保持されているという意味です。これをホリゾンタルな統合性とよんでいます。２番目の統合の特徴は、例えば未知の生物の全体のアピアランス、つまり見かけから何かを判断するという時に必ずしも個々の細部にとらわれずに全体的な印象で判断するということがあります。ここには、全体を個々の物に分解しないで全体から物事を判断するということでバーティカル（垂直な）、つまりミクロな物とマクロな物を繋ぐという問題が存在しています。もう一つ、この二人の研究者は話し合っています。二人の話し合いにおいて、ある特定な関心事に注意がいった時にのみ必要とされる情報があります。その瞬間に必要とされる情報というのは、その後で提供されても必ずしも役に立たないということで、リアルタイム応答というものがここでなされなければなりません。そういう意味で情報がリアルタイムに統合されていなければならないという要件があります。このリアルタイム性、ミクロな物とマクロな物を統合するバーティカルな統合、それからホリゾンタルな統合という3つが、情報統合の中心的な課題ではないかと思います。

　我々が過去5年間に研究してきた中にはこれらの課題がたくさんありますが、皆さんが後でデモをご覧になる時のために、それぞれ研究室名を入れてみました（図6）。

　まずホリゾンタルな統合については、つくば研、シャープ、電総研の研究室がこれに関したデモを行う予定です。バーティカルな統合については、SNNとつくば研、リアルタイムの問題については、エルランゲン大学とつくば研で研究がなされています。

　情報統合という問題はこれから研究が進展していくことが期待されていまして、必ずしも現時点で十分な研究がなされているとは思いませんが、5年間の研究を通じて2つの結論にまとめられるのではないかと思います（図7）。

　まず一つ、理論・新機能研究に関してはかなり進歩が見られました。しかし、もう一つの目的であるRWCの核を作り上げるには未だ路の途中であると言えるのではないかと思います。しかしながら、その路が全く見えていないというわけではなく、大体2つのことが考えられると思います。一つは、先ほど申しましたように、情報を統合して新しいシステムを作り上げるための設計原理をいかに作っていくかということで、「情報の統合」ということが核になるのではなかろうかと思います。

　それからもう一つ、学習と自己組織化。これも先ほどの講演の中にもありましたが、学習という問題は、人間が必ずしも教えてやる必要はなくて、システム自らが開放系に関して適応していくためにはどうしても必要なことです。それから自己組織化。大規模なデータを人間が処理しようとしても実行上不可能ということがありますので、データが自ら自己組織化していって人間の役に立つような形まで自動的につくっていくという、そういう機能がコアになるのではないかと思います。

　5年間の研究成果を総括しますと、個々の理論と機能については、リアルワールド・コンピューティングとしてかなり満足するような成果が出てきています。しかしながら、RWCのコア、つまり新しい情報処理を意味する設計原理の確立においては、まだ努力の途中であるということが言えると思います。これはあくまで、成果を評価するうえでの一つの視点を私から提供させていただいただけでありまして、今日これからのデモ、そして明日からのポスター及びオーラルプレゼンテーションで皆さんにどのような印象を持っていただくか、発表者の誰もが期待していると思います。それぞれの発表を通じて、いろいろなサジェスチョンを頂ければ幸いと思っております。