AI Shift Academy

AI Shift Academy（#シフアカ）前回に続き、ボイスボット開発の裏側を深掘り！今回は、AIと人間らしい対話を実現するための試行錯誤に焦点を当てます。・ ストリーミング認識の落とし穴スムーズな会話のために導入したストリーミング認識。しかし、「どこで会話を切るか」という難問に直面。ボットが「ずっと空気を読んでしまう」現象とは？・ 人間らしさ vs 機械のわかりやすさ人間のような「間」や「相槌」は本当に必要なのか？あえて機械的に振る舞うことで、ユーザーの心理的ハードルを下げる逆説的なUX設計について議論します。・ アバター接客の衝撃体験ホテルでのアバター接客から見えた、プロの接客術とAIの現在地。最新のLLMでも超えられない「文脈理解」の壁とは？・ 割り込み機能「バージイン」の失敗談ユーザー体験向上のために実装した「割り込み機能」が、なぜ全く使われなかったのか？技術とユーザー心理のギャップに迫ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のシフアカは、方向性を変えて開発の「現場トーク」をお届けします！テーマは、AI Shiftのプロダクト「ボイスボット」の立ち上げ秘話。2019年、ボイスボットの始まりは「秘書さんサポート」だった！？「土日」が「兄貴」に聞き間違えられるなど、精度がまだ低く、運用が定まっていなかった当時の音声認識とどう戦ったのか。・独自の「聞き間違い辞書」の作成・「こう言ってください」と誘導するUXの工夫など、LLM登場以前のエンジニアの泥臭い試行錯誤を語ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）パイプラインからE2Eへ！最新音声対話技術の現在地 人間のように自然で低遅延な対話を実現する「E2E型音声モデル」へのパラダイムシフトを徹底解説します。・ Half-duplex vs Full-duplex爆速応答の「LLaMA-Omni」と、話しながら聞く同時双方向を実現する「Moshi」。それぞれのアーキテクチャと訓練手法の違いとは？・ 技術の裏側OpenAI Realtime APIの「擬似」Full-duplexの仕組みや、音声コーデック「Mimi」によるトークン化（Semantic/Acoustic）の構造を深掘り。・ 課題と展望対話データの不足やセキュリティ評価、今後のマルチモーダル化について議論します。音声AIの最前線をキャッチアップしたい方は必聴です！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のテーマは「対話システムの歴史と未来」です。音声対話の基礎となるテキスト対話の進化を、1966年の元祖ELIZAから最新のLLMまで深堀りします。・ELIZAとSHRDLU：黎明期の対話と擬人化現象・主導権の変遷：一方通行から混合主導型へ・技術の進化：ルールベースから確率モデル、深層学習へChatGPT以降、AIは言葉を理解できるようになりました。では次の競争軸は何か。答えは理解の正確さから「体験の心地よさ（UX）」へのシフトです。技術の先にある、これからの対話デザインの核心に迫ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のテーマは、音声対話システムの核心「対話制御とモデルの変化」について。ユーザーの発話をAIはどう理解し、記憶し、次の応答を決めているのか？NLU（理解）→DST（記憶）→Policy（決定）という「対話の脳みそ」の仕組みを徹底解説します！▼主なトピック・ASR（音声認識）のストリーミング進化・対話制御3モジュールの役割と連携・LLM登場による「パイプライン型」から「End-to-End型」への構造変化・精度と柔軟性を両立する「ハイブリッド型」の現実解「AIがどう考えて話しているか」を知れば、技術トレンドがより深く見えてきます。是非ご視聴ください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）なぜ私たちはスムーズに会話のキャッチボールができるのでしょう？今回のテーマは「ターンテイキング」（話す・聞くの順番交代）です。人間は相手の話の終わりを予測し、わずか0.2秒で交代していると言われます。この複雑な仕組みをAIでどう実現するのか？ターンテイキングの基礎、読み取る手がかり（声のトーン、視線など）から、LLMを活用した最新AIモデル（Turn GPT, VAP）、音声対話システムでの重要性（UX向上、「バージイン（割り込み）」）まで詳しく解説。会話AIの「間（ま）」の秘密に迫ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）ChatGPTのボイスモードなど、AIと「声」で話す仕組み＝「音声対話システム」が急速に進化しています。かつては、(1)音声検出 → (2)文字化 → (3)意図理解 → (4)文脈把握 → (5)応答決定 → (6)文章生成 → (7)音声合成、という7つの専門分野を組み合わせる「パイプライン型」が主流でした。しかし、この方法ではエラーが伝播しやすく、全体最適化が困難でした。現在は、LLMを中心に多くを統合する「End-to-End型」が標準に。さらに、音声のトーンや感情をそのまま理解する研究も進んでいます。とはいえ、人間のように自然な「間」で会話を切り返す「ターンテイキング」や応答速度にはまだ課題も。音声対話の技術的な変遷と未来の課題を解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）#2番外編として、ゲストパーソナリティの栗原から、言語処理学会「YANS」について紹介します。毎年実施されている言語処理学会「YANS」20代〜30代前半の研究者が中心で、活気ある雰囲気が特徴です。発表者と直接対話できる「ポスターセッション」がメインとなっており、参加者が自由にディスカッションできる場となっています。番組では、特に印象的だった研究として、「言い淀み」や「ノリ」といった即興性を含むリアルな会話の再現を目指す「自発音声」の研究を紹介。また、LLM（大規模言語モデル）を活用したデータセット作成など、学会で見られた最新の研究トレンドにも触れています。AI研究の最前線がわかるエピソード、ぜひお聴きください！▼おたよりは⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）AIの「賢さ」を測るモノサシが変わる？従来の「難しい問題が解けるか」という評価（ベンチマーク）だけでは、AIの真の実力は測れなくなりつつあります。これからのAI評価は、・ウェブ探索能力 (BrowseComp)・ツールの使い方 (LiveMCP)・研究能力や洞察の深さ・マルチモーダルや対話能力など、より実践的なスキルが問われます。また、「Chatbot Arena」のようなユーザー投票や、人間が評価ループに入る「Human-in-the-Loop」も再注目されています。「AI版ムーアの法則」と呼ばれるタスク完遂速度や、安全性・バイアス（RedTeaming, HELM）など、評価軸はどんどん複雑で多角的に。AI評価の未来を解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）TECH BLOG「LLM-as-a-Judgeにまつわるバイアスまとめ」はこちらから。今回は「AIの評価」評価における課題についてお話しています。特にLLMの性能評価における信頼性の問題を深掘りします。今回の放送では、AI評価者や人間に内在し、結果を歪める「バイアス」の体系的な分析から始めます。さらに、評価データが学習データに混入する「データ汚染」が如何にベンチマークを無意味にするか、そして評価AIの癖に最適化し実用性を損なう「ジャッジへの過適応」の危険性を指摘。問題設定自体の誤りや環境依存性といった、スコアの再現性を揺るがす要因も解説。AIの能力を正しく見極める上で、開発者や研究者が直面する深刻な課題を論じます。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回は「AIの評価」LLM as a Judgeについてお話しています。従来のAI評価は、自動指標では精度に、人手評価ではコストと時間に大きな課題がありました。そこで登場したのが、GPTのような高性能LLMを「評価者」として使う新手法「LLM as a Judge」です。人間による評価と遜色ない精度を実現しつつ、高速・低コストで大規模な評価を可能にします。評価の質はプロンプト設計が鍵を握り、明確な基準を与えることで人間の判断をスケールさせることができます。RAGの性能評価や、AIからのフィードバックでAIを強化するRLAIFなど応用も多彩。AI開発の常識を変えるこの技術を詳しく解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）テーマ第2弾は「AIの評価」かつて「人間らしさ」を問うたAI評価は、翻訳や要約など具体的なタスクの性能を競う時代へ。そして、AI版センター試験とも言える「ベンチマーク」が登場し、開発競争が加速します。今回の放送では、AI評価方法の歴史から、日本語特有のデータセット問題、そして国産ベンチマーク「JGLUE」の開発秘話までを深掘り！ChatGPTの登場で評価の常識も激変し、今やAIがAIを評価する時代に…⁉ AI開発の裏側がわかる、知的好奇心をくすぐるエピソードです。ぜひお聴きください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）テーマ第2弾は「AIの評価」第1回はAIの「知能」を測る方法の歴史を解説します。人間と区別できるかで判断するチューリングテストから始まり、チェスAIのような課題達成能力、ベンチマークによる客観的比較、そして近年のLLMをAIに評価させる「LLM as a Judge」という最新の試みまでを紹介。それぞれの評価方法のメリットと、指標が形骸化する問題点などを通して、AIの知能を問うことの難しさと面白さに迫ります。▼おたよりは⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）#1番外編として、パーソナリティの自己紹介とPodcastのスタート秘話についてお話しております。MLエンジニア戸田とチーフエバンジェリスト及川の普段の業務や二人の関わりについて紹介し、なぜPodcastを始めたのか、そのきっかけについて深掘ります。次回は「#2 LLMの評価」編をお届けします！お楽しみに！▼おたよりは⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）第5回は「RAGのR」編最終回、情報検索システムの商業化に迫ります。今回は、画期的な検索理論が研究室を飛び出し、ビジネスの世界へと羽ばたいていく物語です。「情報検索の父」が開発した技術は、世界初の商用オンライン検索サービスへと繋がります。それは革命的でしたが、非常に高価でした。そこに「接続料金を気にせず使える」CD-ROMが登場し、「最新情報か、手軽さか」という競争が始まります。この歴史は、単なる昔話ではありません。現代のAI（特にRAG）を活用する上で欠かせない「情報源の質」「適切な技術選択」「ユーザー体験の設計」という本質的な教訓を教えてくれます。情報の洪水と戦ってきた人類の歴史から、AI活用のヒントを探りましょう。本テーマは、下記の5章で構成されています。 情報検索の起源：人間はもともとどうやって探していたのか？ なぜ検索が必要になったのか？ 検索結果の「評価」：測れないものは改善できないという原則 機械による検索の誕生：コンピューターがもたらした新しい可能性 検索結果の「順位付け」：関連度という革命的な発想 情報検索システムの商業化：実験室から社会実装へ▼おたよりは⁠⁠⁠⁠こちら⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）第4回は「RAGのR」検索結果の順位付けに迫ります。Google検索で当たり前の「検索順位」。しかし、かつて検索結果が五十音順だった時代をご存知でしょうか？今回は、RAGの「R」＝情報検索の歴史を深掘り。「大量にヒットしすぎて、どれを読めばいいかわからない」という課題を打ち破ったのは、「たくさん出てくる単語は重要」という直感と、「珍しい単語こそ重要」という逆転の発想でした。このブレークスルーを導いた、哲学出身の女性研究者カレン・スパーク・ジョーンズの物語とは？ 50年以上経った今も現役の技術「TF-IDF」の誕生秘話から、技術革新の本質に迫ります。本テーマは、下記の5章で構成されています。 情報検索の起源：人間はもともとどうやって探していたのか？ なぜ検索が必要になったのか？ 検索結果の「評価」：測れないものは改善できないという原則 機械による検索の誕生：コンピューターがもたらした新しい可能性 検索結果の「順位付け」：関連度という革命的な発想 情報検索システムの商業化：実験室から社会実装へ▼おたよりは⁠⁠⁠こちら⁠⁠⁠から

AI Shift Academy（#シフアカ）第3回は「RAGのR」機械による検索の誕生に迫ります。今、私たちは調べたいことを数秒で検索できます。しかし、その「当たり前」の裏には、膨大な手作業と時間がかかっていた時代がありました。世界で初めて稼働した検索システム「MEDLARS」は、研究者が紙に書いた依頼をもとに、専門家が論理式を組み立て、数週間後にやっと結果が返ってくる──そんなプロセスでした。それでも医学の世界では、人命を守るために欠かせない画期的な仕組みだったのです。ブール演算子、シソーラス、そして情報検索の評価指標。検索の原点を知ることは、AIやGoogle検索の未来を理解するヒントにもなります。不便さと革新が同居していた時代の物語を、一緒にたどってみましょう。本テーマは、下記の5章で構成されています。 情報検索の起源：人間はもともとどうやって探していたのか？ なぜ検索が必要になったのか？ 検索結果の「評価」：測れないものは改善できないという原則 機械による検索の誕生：コンピューターがもたらした新しい可能性 検索結果の「順位付け」：関連度という革命的な発想 情報検索システムの商業化：実験室から社会実装へ▼おたよりは⁠⁠こちら⁠⁠から

AI Shift Academy（#シフアカ）第2回は「RAGのR」検索結果の「評価」に迫ります。RAGの検索技術(Retriever)の原点は、1960年代の手作業による壮大な実験にありました。現代のAI評価にも通じる「再現率」と「適合率」という指標はこの時誕生します。AIの性能をいかに測り、改善していくか、そのヒントを探ります。本テーマは、下記の5章で構成されています。 情報検索の起源：人間はもともとどうやって探していたのか？ なぜ検索が必要になったのか？ 検索結果の「評価」：測れないものは改善できないという原則 機械による検索の誕生：コンピューターがもたらした新しい可能性 検索結果の「順位付け」：関連度という革命的な発想 情報検索システムの商業化：実験室から社会実装へ▼おたよりは⁠こちら⁠から

AI Shift Academy（#シフアカ）開設！ 記念すべき第1回は「RAGのR」（情報検索）の起源に迫ります。私たちが今、生成AIで当たり前のように使っている「検索して情報を抽出する」技術は、どんな課題を乗り越え、どんな工夫と発想によって進化してきたのか？ その歩みをたどると、現代のRAGをうまく活用するためのヒントが見えてきます。本テーマは、下記の5章で構成されています。情報検索の起源：人間はもともとどうやって探していたのか？ なぜ検索が必要になったのか？検索結果の「評価」：測れないものは改善できないという原則機械による検索の誕生：コンピューターがもたらした新しい可能性検索結果の「順位付け」：関連度という革命的な発想情報検索システムの商業化：実験室から社会実装へ歴史を知り、思考の“足腰“を鍛えましょう！▼おたよりはこちらから

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。今回は話題が2つあります。①画像を扱うAIの弱点を補う手法「Chain-of-Visual-Thought（CoVT）」を取り上げます。AIがこれまで言語だけで判断していた部分に、境界や奥行きといった視覚的な中間表現を組み込むことで、カウントや位置関係などの精度が向上する点が特徴です。②AIが長い会話や複雑なプロジェクトを“忘れてしまう”問題にどう向き合うか。今回取り上げる「General Agentic Memory」は、AIが必要なときに必要な情報を深掘りして探し出す、新しい記憶アプローチです。参考リンク:① https://arxiv.org/abs/2511.19418② https://arxiv.org/abs/2511.18423