AIは現在、医療・農業・金融・輸送といった重要分野の発展を加速させるために活用されています。しかし、AIが地域や分野を問わず均等に発展するためには、質の高いデータソースが不可欠です。データの入手可能性はAIシステムの学習において鍵を握る要素であり、製品やサービスはパターン認識や洞察生成から、より高度な予測技術へと急速に進化し、より的確な意思決定を可能にしています。
このAI競争に参加し、最新のテクノロジートレンドを捉えてリードするには、企業が膨大なデータウェアハウスを保有することが必要です。FPT、Viettel、VinAI、VNGといったベトナムの有力テクノロジー企業はすでに大規模なデータウェアハウスを構築し、将来のトレンドに備えています。ベトナムのテクノロジーリーダーの一員として、RikkeisoftはAIの領域からも外れることなく、「Speech to Text」製品向けの豊富な音声データウェアハウスを保有しています。なお、読者の皆様にデータがAI発展において果たす役割を多角的にご理解いただくため、Rikkei AI（RikkeisoftのAI製品・プロジェクトのほぼすべてを生み出す「ゆりかご」）の副社長、グエン・ミン・タン氏に短いインタビューを行いました。どうぞご期待ください！
AIとはArtificial Intelligence（AI）の略です。人々はコンピューターをよりスマートにするためのアルゴリズムを常に研究・開発してきました。AIの概念は1950年代に生まれましたが、当時は演算能力の限界から、コンピューターはあらかじめ定義されたコーディングタスクしか実行できませんでした。現代はAIの時代です。コンピューターの処理能力は向上し続け、コストは下がり、より多くの人が先進技術にアクセスできるようになった結果、AIは広く認知され実用化されています。
データは石油に代わる21世紀の新たな「黒い金」だという意見も多くあります。AI製品はさまざまな素材の集合体であり、データはその中でも不可欠な要素の一つです。統計によると、AI製品の開発時間の最大80%がデータ関連の処理に費やされています。AIの学習は子どもの教育に似ています。正しいデータで学習させれば、AIは正確に習得できます。一方、誤ったデータで学習させれば、誤った形で習得してしまいます。不正確なタイミングで異質なデータを使用すると、AIは混乱します。適切なデータを多く使うほど、AIは賢くなり、より精度の高い認識が可能になります。
GoogleやMicrosoftといった大手テクノロジー企業、そしてTesla、Hyundai、Toyotaのような自動運転車メーカーが競争優位を維持するためにデータへ多大な投資を行っていることは間違いありません。例えばGoogleの音声認識エンジンの学習には数十万時間に及ぶ音声データが使用されました。同様に、Teslaは自動運転車の学習に何百万枚もの実写真を活用しています。
データラベリングを専門とする企業もAIのトレンドを追っています。さらに、より高速で精度の高いデータラベリング技術も開発されています。その結果、こうした企業の多くがユニコーンスタートアップへと成長しています。
ご存知の通り、Rikkeisoftの「Speech To Text」はコア技術として音声認識ソリューションを採用し、国会や複数の省庁・地方機関・政府機関に展開されています。音声認識技術は幅広い用途を持ちますが、ベトナムでこれを保有する企業はわずかです。Viettel、FPT、VNG、VinGroupといった大手企業がいずれも重要なプレイヤーです。なぜこの領域に参入する企業が少ないのでしょうか。それは、建物・設備インフラ・AI学習が可能な技術スタッフといったリソースに加え、この技術を実現するには大量の音声データが必要だからです。この音声データの収集・分類には多大なコストがかかります。特に技術の習得やプロダクトアウトプットの実現可能性が不確実な状況では、財務リスクを引き受ける企業は多くありません。Rikkeisoftは先見性のあるビジョンと優れた技術チームを持ち、最も重要な技術の一つを保有できたことは幸運だったと言えるでしょう。
精度の高いデータ収集と品質管理の困難さ、そしてデータラベリングのコストは、世界中でデータ生成における最も困難な課題です。例えば、VinfastはベトナムにおけるAI応用の代表的企業であり、ベトナム唯一の自動運転車研究開発センターを持ちます。Vinfastは、さまざまな時間帯・天候条件下で市街地を走行しながら写真を撮影できる車両群の整備に多大な時間とコストを投じてきました。
Rikkeisoftは「Speech-To-Text」製品の開発において、現実を反映し、内容・地域・年齢・性別において多様性のある音声データソースの確保に努めてきました。各人の聴取・理解能力が異なるため、データラベリングは容易ではありません。この地域の人々は特に、他者が発した音声を聞き取り、正確に記録することが難しいとされています。Rikkeisoftは内部ラベリング需要への対応と新サービス開発のため、プロフェッショナルなデータラベリングツール「Rikano」を研究・開発しました。Rikanoは世界中のさまざまなラベリングツールの機能を参考に構築されており、画像・音声・テキストなど最も一般的なデータ種別のラベリングが可能で、プロジェクト参加者ごとの進捗・品質・生産性・作業履歴の管理も容易です。Rikanoはこのようにして、Rikkeisoftのデータラベリングサービス発展戦略において重要な役割を担っています。
AIのメリットへの理解が深まるにつれ、企業のAIへの関心は高まっています。その結果、事業活動に関連するすべてのデータが、業務最適化のためのAI構築を支援するために活用されるようになるでしょう。
もう一つのAIトレンドは、労働集約的なデータラベリング作業を不要にするアルゴリズムの開発です。このタスクは感情的要素や人的要因に左右されやすいとされています。ただし、これはまだ将来の課題です。
