ニューラルネットワークによる音声対話制御: 統計的対話制御の基本からニューラルネットワークを用いる場合の考え方まで

摘要

近年の音声認識技術の発展や，スマートフォンにおける音声アシスタント，スマートスピーカなどの登場を受けて，音声を操作に用いる音声対話システムは一気に我々の身近なものとなりました。また，対話研究の世界においても，チヤットボットのような対話型インタフェースがある程度の流暢さで応答生成を行うことができるようになったことから，様々な場面で音声対話システムを利用したいというニーズを耳にします。この解説記事では，こうした音声対話システムを構成する要素技術の中でも，その制御，つまりシステムの意思決定がどう行われるかについて焦点を当てて解説を行います。