一休社長の榊淳氏が気鋭のデータサイエンティストを訪ね、「データサイエンスの未来」を語り合う対談企画。今回は2018年に起きた自然言語処理のブレークスルーとそのインパクトについて、AI（人工知能）スタートアップ、ストックマーク（東京・港）の林達社長と語り合う。

AI（人工知能）スタートアップ、ストックマークの林達社長（右）と一休の榊淳社長（左）

［画像のクリックで拡大表示］

榊淳氏（以下、榊氏）　前回の対談で、2016年に会社を設立するまでの経緯は分かりました。ストックマークにとって自然言語処理（NLP）は重要な技術ですが、ディープラーニングが世の中に出てきたのが10年。いつからNLPに目を付けていたのですか。

林達氏（以下、林氏）　NLPが実用的になったのは18年ころだと思いますが、BERTやELMoといった、さまざまな汎用言語モデルが公開されたことが、実用化に向けたブレークスルーになったと思います。

榊氏　汎用言語モデルを知らない人向けに、なぜビジネスに適用できるようになったのか。解説してもらえますか。

林氏　汎用言語モデルが登場する以前のNLPで可能なのは、文章を分かち書きにして、単語を抽出することが中心でした。ビジネスで使うには、それでは不十分。全ての単語をベクトルに置き換えて、単語の意味まで理解する必要があるからです。

　BERTやELMoは、いわば「日本語の義務教育を終えている状態」の言語モデルです。そこに専門分野に特化した教師データを渡すと、情報の判別や意味の理解までが可能になります。

榊氏　文章を単語に分解して、数学的に理解するアプローチは以前からありました。そこにBERTやELMoが登場して、画像解析と同じように自然言語処理の精度が一気に向上した。ではNLPは、ストックマークのビジネスにどれほどインパクトを与えたのですか。

林氏　あらかじめ設定したゴールを目指してプロダクトを開発できるようになりました。処理精度が向上するので、設定したゴールと現在地とのギャップが、いつになれば埋められるのかという、時間の問題として考えられるようになった。

　それまでは、結果を得るためのモデル構築に数万件の教師データが必要でした。しかし汎用言語モデルを使えば、教師データを数百件程度、用意すればよくなったのです。

［画像のクリックで拡大表示］

榊氏　そんなブレークスルーが可能になったと知って、どんな気持ちになりましたか。「キター！」という感じですか。

林氏　まさにそうです。AIの世界では、米グーグルのようなグローバルプレーヤーが新しいアルゴリズムを開発するとエンジニアたちが盛り上がり、1年くらい遅れてビジネスで使えるようになります。