■名探偵コナン』のアノ発明品が現実に

もはや国民的アニメと呼んでも良いだろう『名探偵コナン』。その中でお馴染みなのが、主人公・江戸川コナン（実は高校2年生の工藤新一が、悪の組織によって小学1年生に変えられてしまった姿）が私立探偵・毛利小五郎の体を借りて事件の真相を暴くシーンだ。

コナンは彼を睡眠薬で眠らせると、胸に付けた「蝶ネクタイ型変声機」を使って、自分の声を毛利小五郎そっくりに変換する。そして自らつきとめた事実を語って、問題を解決するのである――あたかも毛利小五郎が事件の謎を解いたかのようにして。

もちろん名探偵コナンはフィクション作品だが、多くのフィクション作品と同様に、劇中に登場するテクノロジーに現実のテクノロジーが追い付こうとしている。そう、この蝶ネクタイ型変声機さながらの「声の変換」を実現する技術が登場しているのだ。

まずはこちらのデモ映像をご覧いただこう。

（中略）

自分や誰かの声を任意に変化させることを「音声モーフィング」と呼び、いまAI技術をこの分野に応用しようという取り組みが盛んになっている。

そしてModulateがこのサービスを実現するのに活用したのが、「GAN（Generative Adversarial Networks、競争式生成ネットワーク）」と呼ばれる最新のAI技術だ。

■悪用防止の対策はあるものの…

GANについては、以前フェイクニュースに関する記事でも取り上げたことがある。簡単に説明すると、目標とするコンテンツを自動生成するAIと、そのコンテンツが本物かどうか見破るAIを用意し、その間でコンテンツ生成と真偽鑑定の「競争」を何千何万回と繰り返させることで、より自然で本物に近いコンテンツを生成できるようにするという手法である。

GANはいま、映像コンテンツ生成の分野で大きく注目されており、その威力を見せつけるものとして、同じくオバマ前大統領をサンプルとした（なぜか彼はデモの素材として人気らしい）有名なフェイク動画がある。

■動画
You Won’t Believe What Obama Says In This Video! 😉 https://youtu.be/cQ54GDm1eL0



この中で偽のオバマ氏は、「キルモンガー（映画『ブラックパンサー』に登場する悪役）は正しい」「トランプ大統領は大バカ者」など、本物がまったく言いそうにないセリフを口にしている。

そのため彼をよく知る人であれば、「何かおかしい」というフェイクの可能性を疑うことだろう。しかし彼の性格や表現のスタイルについてよく知らないという場合は、これがフェイクかどうか見破るのは至難の業に違いない。

そうした高品質のフェイク映像をつくり出せるAI技術を活用しているのが、Modulateのサービスというわけだ。となれば悪用が心配されるところだが、当然ながら同社もそのような使い道は推奨しておらず、たとえばオンラインゲームなどで使用するアバターに好きな声を喋らせるといった活用法を想定しているそうである。

最近は他のユーザーとマイクを通じてコミュニケーションできるオンラインゲームも増えているが、いくらアバターを可愛らしい女性にしても、野太い声では自分が中年男性だとばれてしまう（もちろんその逆のパターンもあるだろう）。そこでアバターを自分好みに着飾るのと同様に、声も好きなようにカスタマイズできれば、というわけだ。

■動画
Modulate: Unlock Your Voice https://youtu.be/lJBJOnryOLU



https://amd.c.yimg.jp/amd/20190326-00063693-gendaibiz-000-1-view.jpg
 
■オレオレ詐欺がさらに横行？ 

人間がいかに音声によるコミュニケーションに騙されやすいか、振り込め詐欺、つまり「オレオレ詐欺」の被害が一向に無くならない日本に住む私たちには、痛いほどわかっているだろう。そんな状況でModulateのような音声モーフィングサービスが普及すれば、さらに詐欺行為が横行してしまう不安はないのだろうか。

実際に、気になる研究結果が出ている。アラバマ大学バーミンガム校コンピューターサイエンス学部の研究によると、人間の脳は、よく似た人間の音声の聞き比べができない可能性があるそうだ。

この研究を指揮した、主任研究者のNitesh Saxena博士は、同校のニュースリリースにおいて「人間は音声モーフィングを使用した攻撃に対し、根本的に脆弱な存在である可能性がある」と指摘している。

この研究では、オリジナルの声と変換によってつくられた声を被験者に聞かせ、その際に脳がどのような反応を示すかを、機能的近赤外分光法（fNIRS）という手法を使って観測した。

すると違う人の音声を聞かせた際には、脳の動きに違いが見られたものの、オリジナルの音声と、変換によってそれに似せた音声を聞かせた際には、脳内で同じ処理が行われていたそうである。つまりあくまで音声だけをインプットとした場合、人間の脳はオリジナルの声と、変換によってつくられた声に対して、脳のレベルで聞き分けができていないわけだ。

続きはソースで

https://amd.c.yimg.jp/amd/20190326-00063693-gendaibiz-000-1-view.jpg

https://gendai.ismedia.jp/articles/-/63693

ソースコードを広く公開し、利用・修正・頒布も商用・非商用問わずに認めるオープンソースソフトウェア(OSS)は、コミュニティに参加する多くの人々に「益」を与える存在です。しかし、オープンソースのウェブブラウザであるFirefoxを開発するMozillaに勤務するプログラマーのIan Bicking氏が、「オープンソースは利益を生み出せないようになっている」と、自身のブログで主張しています。

Open Source Doesn’t Make Money Because It Isn’t Designed To Make Money
http://www.ianbicking.org/blog/2019/03/open-source-doesnt-make-money-by-design.html
https://i.gzn.jp/img/2019/03/20/open-source-doesnt-make-money/00_m.jpg

Bicking氏の所属するMozillaは、今後数年間で収益を多様化させたいと考えています。しかし、その過程には「オープンソースだとお金にならない」という問題が立ちはだかっているとのこと。オープンソースとして世の中で広く使われるようになり、「成功を収めた」とされているOSSでさえ、ささやかな収益化にすら苦戦しているとBicking氏は指摘しています。

OSSはその名前の通り、ソースコードを無償公開していて修正も頒布も自由なため、「お金を払う」という方向に利用者の意識を向けることが困難です。

Bicking氏はオープンソースプロジェクトについて、開発者の中に暗黙の了解が広がっていると感じています。それは、「人々の役に立つ有益なものであれば、やがて収益化するチャンスが訪れる」というもの。精力を傾けてソフトウェアの開発を行い、ソフトウェアをオープンソースにして多くの人々に利益を与えたならば、これに報いる利益を得られると多くの開発者が信じています。

しかし、残念ながらBicking氏はこの考えについて、「人々は暗黙のうちに道徳的な期待を持ってしまっていますが、これは一種の公正世界仮説(人間の行いに対して公正な結果が返ってくるという考え)に過ぎません」と述べています。実際には、たとえOSSの開発によって多くの人々に恩恵を与えたとしても、それだけで持続的な収益を得ることは難しいとのこと。

もちろん、すべてのOSSがお金にならないわけというわけではなく、中には開発者に多額の利益をもたらしているOSSもあります。Bicking氏はオープンソースでありながらも収益を得る方法について、いくつかの候補があると主張しています。


◆1：アプリにして販売する
オープンソースであってもアプリにお金を払う人は一定数いるため、アプリ化して少しの収益を得ることは可能です。しかし、商業的なスケールアップを試みるにはより多くの資本が必要であり、大抵のオープンソースプロジェクトがその資金を得るのは難しいとのこと。

続きはソースで

GIGAZINE
https://gigazine.net/news/20190320-open-source-doesnt-make-money/ 

まだ生きている状態の人間の脳に化学処理を施し、何百年も保管できるようにするサービスを計画しているスタートアップ企業がある。将来の科学の進歩により保存した脳から情報を復元できるようになれば、コンピューター・シミュレーションとして蘇ることができるという触れ込みだ。

スタートアップ養成企業であるYコンビネーター（Y Combinator）主催の超冒険的・野心的な企業を支援する3カ月間のブート・キャンプが人気だ。

だが、ネクトーム（Nectome）のような企業は、これまでにはなかった。

ネクトームの共同創業者でマサチューセッツ工科大学（MIT）の卒業生であるロバート・マッキンタイヤーCEO（最高経営責任者）は、3月21日に開催されたYコンビネーターのデモ・デイ（日本版記事）で、ハイテク死体防腐処理加工をして巧妙に脳を保存するテクノロジーについて説明した。そこでマッキンタイヤーCEOは、自身のビジネスに対する意気込みを語ったはずだ。ネクトームのWebサイトで問いかけているように「あなたの心をバックアップできるとしたらどうしますか？」と（日本版注：現時点ではその後の報道に対する声明が掲載されている）。

そう、ネクトームは「脳を保存してアップロードする」企業なのだ。ネクトームの化学溶液を用いれば、数百年、もしかすると数千年間、肉体を傷つけずに凍結したガラス像として保存できる。未来の科学者がいつの日か、レンガのように硬くなった脳をスキャンして、コンピューター・シミュレーションとして脳を蘇らせるというアイデアだ。そうなれば、非常に似ているが厳密には異なる人物が、どこかのデータ・サーバーの中でもう一度花の匂いを嗅いだりするようになるだろう。

だが、この話には身の毛のよだつような落ちがある。ネクトームの処置が効果を発揮するには、脳は新鮮でなくてはならないのだ。ネクトームは、末期症状の患者がまだ生きている間に（ただし麻酔をかけられた状態で）人工心肺に接続し、頸動脈にさまざまな防腐剤を調合した薬剤を投与する計画だという。

カリフォルニア州では2年前に、末期症状の患者に対する医師による自◯ほう助を容認する法律「終末期選択法（End of Life Option Act）」が制定された。ネクトームはこの法律に詳しい弁護士に相談して、自社のサービスは合法であろうと信じるに至った。同社の手法を用いれば「間違いなく死にます」とマッキンタイヤーCEOはいう。「Yコンビネーターが投資する企業の中でも、ネクトームが特異な位置にいるのはそのためです」。

予約リスト

脳のアップロードは、レイ・カーツワイルなどのフューチャリストの文献を読んだことがある人なら馴染みがあるだろう。コンピューター・プログラムとしての不死は今後間違いなく現実のものになっていくとすでに確信している人もいるかもしれない。あるいは、こういった考えの総称である「超人間主義（トランスヒューマニズム）」は、死に対する人間の恐れにつけ込むハイテク宗教に過ぎないと思う人もいるかもしれない。

いずれにしろ、ネクトームには注目しておくべきだ。ネクトームは多額の連邦政府補助金を獲得し、MITで最も優秀な神経科学者であるエドワード・ボイデン教授と共同研究しているのだから。ネクトームは、同社の手法を使ったブタの脳の保存状態が極めて良好であり、すべてのシナプスを電子顕微鏡で観察できたことを評価されて、賞金8万ドルの科学賞を受賞したばかりだ。

コンピューター科学者のマッキンタイヤーCEOと共同創業者のマイケル・マッカナは、異常なまでの熱心さでYコンビネーターの教えに従っている。「ユーザーが体験することは、医師のほう助による自◯と同じでしょう。このサービスが市場に受け入れられるかどうかは、この方法がうまくいくと人々が信じるかどうかにかかっています」（マッキンタイヤーCEO）。

ネクトームの保存サービスはまだ提供されておらず、今後数年は無理かもしれない。死んだ組織の中に記憶を見つけられる保証もない。

続きはソースで

https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2018/03/14184611/preserved-brain.jpg
https://www.technologyreview.jp/s/78899/a-startup-is-pitching-a-mind-uploading-service-that-is-100-percent-fatal/

「ライバルがAI（人工知能）を使ったサービスを発表したそうだ。ウチはどうするんだ」――本連載では、上司から突然こんなむちゃぶりを受けて困っている人のために、AIプロジェクトの進め方をいちからまとめてきた。

　あなたはAI導入の目標を明確にし、必要なデータをそろえ、PoC（概念実証）を実施して、AIをどう活用すれば本当に役立つのかを把握した所だ。


　あとは本番環境に実装すれば任務完了――と言いたいところだが、残念ながらこれで終わるわけではない。

　採用した新人を現場に配属して「あとはよろしく」で終わる人事担当がいたらどう思うだろうか？　AIを開発して終わりと考えるのは、それと同じようなものだ。AIが真に成果を出せるかどうかはその後のフォローで決まると言っても過言ではない。本稿で解説する3つのフォローが実施できるよう、予算とマンパワーを確保しておいてほしい。

■その1：「偏見を持つAI」を作らないために　運用後も「再学習」
　これまでの記事でも述べてきたが、本連載ではAIを「これまで人間のみが実行可能だった作業や、人間には不可能だった作業を、機械がデータに基づいて実行することを可能にする仕組み」と定義している。

　実際に最近のAIアプリケーションは、データを使ってAIを学習させ、目標とする作業をさせるものが多い。そのため連載第2回で解説したように、AI導入プロジェクトでは「適切な質と量のデータを集められるかどうか」が重要になる。
http://image.itmedia.co.jp/news/articles/1901/25/koba4_02.jpg

　AIの開発が終わったからといって、この課題が消えてなくなるわけではない。1度学習させた内容が、時間経過や環境の変化などで不適切なものになる可能性があるためだ。

連載第2回では、米Amazon.comの失敗についても解説した。採用候補者の履歴書を自動で審査するAIを開発したところ、女性よりも男性を高く評価する「偏見」を持つようになってしまったというものだ。この原因は、学習に使用した過去10年分の履歴書において、男性からの応募が大半を占めていたことにある。そして実際に大量の男性が採用されていたことで、AIが「女性」という性質を、低い点数を与えるシグナルと解釈してしまったわけだ。

　これは開発時の学習用データ準備の失敗ということになるが、環境や時代の変化によってAIの学習内容が時代遅れになってしまった事例という解釈もできるだろう。

　例えばいま、日本の企業がAmazonのように過去の履歴書を学習用データとした「履歴書審査AI」を導入したとしよう（ソフトバンクやサッポロビールなど、実際に採用プロセスにAIを活用する企業は既に登場している）。

　このAIは女性差別をしないように調整されているものの、過去の採用で応募してきたのは日本人ばかりだ。しかし今後、少子高齢化対策として日本で外国人が働きやすくなり、大勢の外国人がこの会社に応募するようになったとしたらどうだろうか。非常に優秀な外国人候補者がいても、AIは彼もしくは彼女を適切に評価できない恐れが大きい。

　このように、いくら過去のデータに基づいて優秀なAIを開発しても、その後の環境変化でAIのアウトプットが不適切なものになる可能性がある。そのためAIの判断精度を定期的に確認して、必要であれば新しいデータを使って「再学習」してやる必要があるのだ。

続きはソースで

ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1901/25/news041.html