ボイスアクトのプロ × AIのプロ
対談「AIと言語表現」

そうですね。リップシンクひとつにしても、以前は声優側が合わせていたものを、音声に対して映像が合わせてくるような技術も出てきています。

ただ、AIによる日本語の発声というのはまだまだな気がしますね。とくに『Vivy』で福山さんが演じられた「マツモト」のセリフを、AIに喋らせようと思ったら……

僕を呼んで読ませたほうが絶対に早い（笑）。
マツモトは相当な早口ですからね。僕がなぜああいう喋り方にしたかといえば、「100年後のAI」という設定を考えたときに、今のSiriや銀行のATMの音声の延長線上の声では、そこまでの未来を感じさせられないと思ったからなんです。 「ナニナニ デス」みたいな口調というのは、未来ではなく現代の合成音声を感じさせてしまう。

なるほど。

そこで自分がやったのは、抑揚を極限まで減らすということです。言葉の分節や単語には流れがあるので、ある程度の抑揚はつけたくなるところを、あえて減らす。でも抑揚をなくしすぎると今度はサイコパスの殺人鬼みたいになっちゃいますし、聞いてる人を不快に思わせてはいけないので、抑揚を抑えながらもネガティブな感情は入らないようにしていくという……。

む、難しい……（笑）。やはり福山さんのそのニュアンスをAIが表現するまでには膨大なデータが必要になりますね。

確かに英語に比べて後手後手になっているような印象は受けます。ただ、AIは学習させただけ進化していきますし、日本語というのも結局は情報処理の話に帰結するような気はします。
わかりやすい話をすると、たとえば日本人は日本人と他のアジア系民族の方々の顔を識別しやすいですよね。ただ、欧米の方にとってはそれが難しいと聞いております。なぜかといえば、多くのサンプルを見慣れていないからなのでしょうね。
AIにしても、たくさん画像を処理すれば処理するほどに分解能が増えていくというのは人間と同じなので、言語にしても似たようなイントネーションのところをたくさんやっていけば、それに合わせて学習が進みます。

人間の場合は言葉がないと色すら識別できないという話もありますよね。少し文明とかから離れたところに住んでいる人たちに緑色と青色を見せて「これは何色ですか？」と訊いたら、「同じ色だ」と答えるそうなんです。それは彼らが色の名前、つまり言葉を持っていないからで、人間は言葉がないと物理的に見えてるものや視覚しているものすらフォルダ分けできないという。

そうですね。それこそ無限の時間を使って音声を精査／分別していくと思います。
言語は時代にあわせて進化するものですが、そのあたりも随時学習させるというようなかたちにしていけば、若者の言葉を話すAIというのも登場するはずですよ。
やはりAI研究のベースは「人間が人間をつくり出したい」という欲求から始まっているので、今後、人間ができることはほとんど実装していくと思うんですよ。「自ら思考するAI」というのはまた別の話なのですが……

毬山さんがおっしゃっているのは「擬似生物としてのAI」ですよね？ 僕は研究者じゃないので、これはあくまで雑観なんですが、「身体があるのかないのか」が大きいような気もするんです。それはつまり、AIが死の恐怖を感じるかどうかということです。
肉体があれば、高いところで足がすくんだり、逆にマッサージを受けて身体が軽くなったりするじゃないですか。実は人間の心というのも、頭で思考したことよりも、そういう肉体的経験に後づけされたもののような気もしていて。

これは自分の周りの方々とディスカッションしている際に上がる話題なのですが、「吊り橋効果」ってありますよね？ 人間同士が同じ緊張下に置かれたときに、互いを好きになっていくという。
この効果というのは、緊張状態の心拍数や血流に相手の顔が合わさって起こるものなので、そのデータを突き詰めていけば、そこでの「好き」という感情は、心拍数という数値情報と、顔という画像情報に置き換えることができるかもしれないんです。
そういった情報の処理はAIの得意分野ですから、もしかしたら、そこに「心」に近いものができる糸口があるのかもしれないという……。

心の問題は本当に難しいんです。もし「心」への道筋が立ったとしても、AIに「心を持たせる」ということは「意思決定も持たせる」ことになってしまうので、その意思が人類にとって正しいものであるのかどうかという議論にも膨大な時間がかかるでしょうね。

そういう研究や「AIができるまで」の過程をテーマにしたアニメがあるといいかもしれませんね。

それはエンターテイメントになりますかね？（笑）

なると思いますよ！ 僕は映画の『アイアンマン』が好きなんですが、あの映画の何が面白いかといえば、AIと人間が共同してパワードスーツをつくる過程が面白いんです。ロールプレイングゲームでいえば、大きな敵と戦うよりもコツコツ仲間を集めている段階が面白いというのと同じですね。逆に後半の派手な戦闘シーンというのはCGがあればいくらでもつくれてしまう時代なので、「できるまで」というのはかなり面白いコンテンツになりそうな気がしますね。

そこにもちょっとしたパラドックスがあるんですけどね。たとえば先ほどの「R2D2」を例に出せば、あのキャラクターはほぼ人間と同じような思考ができるロボットとして登場する反面、ハードウェアとしてはかなり未熟で、人の形とはほど遠いですよね。それには明確な理由があって、もしソフトもハードも両方完璧なものとして描いてしまったら、それは「人そのもの」になってしまうということなんです。
心は人間でも、外見が人に近すぎると魅力的なキャラクターにはならないんですね。

アニメのAIでも現実世界のAIでも、深く話をしていくと必ず「心」の話になっていきますよね。
やっぱり人間がもっとも得意とする部分のひとつは、人の気持ちがわかる点だと思います。人は自分の中に「人のモデル」を持っているからこそ、それを使って他人の心を推し量ることができるのだと思います。いっぽう現在のAIには、人間と異なり、大量のデータを飽きることなく学習し続けられるというメリットがある。

このお話で僕が思うのは、僕らが命を削って「なんにもしない」というのはすごい贅沢なことなんだなってことですね（笑）。有限な人生の中でぼーっとするとか、無駄なことをするということが、すごく価値のあることに思えてくるし、今後AIによる便利な社会が発展すればするほど、たぶん僕らは不便なことに価値を見出していくのかもしれない。

（笑）そういう逆転現象は面白いですし、それもまた、AIの恩恵と言えるかもしれません。もし野生の動物が狩りをせずに無駄な行動ばかりしていたら、食料切れですぐに死んでしまうところ、AIというのは食料の心配もないし、時間の制約もなく、同じ作業を延々１年間やることもできるわけで。

AIは人間の時間でいうところの何千年分ぐらいの対戦を短期間に吸収しますからね。そりゃあ強くなりますよね（笑）。
ただ、だからといって人間同士の碁の対戦がなくなったわけではないですし、むしろ、最近の棋士さんなんかはAI系のソフトを有効活用して定石を覚えたりもしている。これはAIと人間の関係性におけるひとつの解だと思いますね。