GoogleのAIにより、自然言語でモバイルアプリを操作できる

Googleは、スマートフォンアプリのアクションを自然言語で行うため、AIの活用方法を調査している。2020年のACL会議で採択された研究は、自然言語を介してアプリを操縦するモデルを訓練するためのコーパスを提案し、視覚障害を持つ人々のために有用である可能性を示した。画面遷移の際に生成される画面を予測できる。

GoogleのAIにより、自然言語でモバイルアプリを操作できる

要点

Googleは、スマートフォンアプリのアクションを自然言語で行うため、AIの活用方法を調査している。2020年のAssociation for Computational Linguistics(ACL)会議で採択された研究は、自然言語を介してアプリを操縦するモデルを訓練するためのコーパスを提案し、視覚障害を持つ人々のために有用である可能性があることを示した。このモデルは、アプリの画面遷移の際に生成される画面を予測できるという。

アプリの画面遷移の際に生成される画面を予測

一連の行動を伴うタスク(例えば、レシピに従ってバースデーケーキを焼くなど)を達成する際には、人々は互いに指示を与え合う。このことを念頭において、研究者らは、同様の相互作用を助けることができるAIエージェントのベースラインを確立することに着手した。一連の指示が与えられると、これらのエージェントは理想的には、アプリのアクションのシーケンスだけでなく、アプリが1つの画面から別の画面に遷移する際に生成される画面やインタラクティブな要素を予測することができる。

研究者らは論文の中で、アクションフレーズ抽出ステップとグラウンディングステップからなる2段階のソリューションを説明している。アクションフレーズ抽出は、Transformerモデルを使用して、マルチステップ命令から操作、オブジェクト、引数の記述を特定する(モデル内の「領域注目」モジュールにより、説明を解読するために命令内の隣接する単語のグループに注目することができる)。グラウンディングステップは、抽出された操作とオブジェクトの説明を画面上のUIオブジェクトと一致させる。これもTransformerモデルを使用するが、UIオブジェクトを文脈的に表現し、オブジェクトの説明を画面上のUIオブジェクトと一致させる。

共著者らは、アクションフレーズ抽出とグラウンディングモデルを訓練・評価するために、3つのデータセットを新たに作成した。

  1. 1つ目のデータセットには、Pixel Phoneを操作するための187の多段階の英語の指示と、それに対応するアクション画面のシーケンスが含まれている。
  2. 2つ目のデータセットには,ウェブからの英語の「ハウツー」指示と,各アクションを説明する注釈付きのフレーズが含まれている。
  3. 3つ目は、公開されているAndroid UIコーパスから、25,000のモバイルUI画面のうち17万8,000のUIオブジェクトをカバーするUIアクションに対する29万5,000のシングルステップコマンドを収録している。

彼らの報告によると、エリアアテンションを持つトランスフォーマーは、グランド真実と完全に一致するスパンシーケンスを予測するために85.56%の精度を得ることができた。一方、フレーズ抽出器と接地モデルを併用することで、言語命令を実行可能なアクションにエンドツーエンドでマッピングするというより困難なタスクについて、部分的に89.21%の精度、完全に70.59%の精度で接地真実のアクションシーケンスをマッチングさせることができた。

研究者らは、データセット、モデル、結果のすべてがGitHubでオープンソースとして公開されており、自然言語による指示をモバイルUIのアクションへのグラウンディングという困難な問題の重要な第一歩を提供していると主張している。

「この研究と、一般的に言語の接地は、グラフィカル・ユーザー・インターフェース上で多段階の指示をアクションに変換するための重要なステップだ。タスクの自動化をUIドメインにうまく応用すれば、アクセシビリティを大幅に向上させる可能性がある。言語インターフェースは、視覚障害者が視覚を前提としたインターフェースでタスクを実行するのに役立つかもしれない」とGoogle Researchの科学者Yang Liはブログで書いている。「これは、手元のタスクに縛られている間にデバイスに簡単にアクセスできない場合にも重要です」。

参考文献

Yang Li, Jiacong He, Xin Zhou, Yuan Zhang, Jason Baldridge. Mapping Natural Language Instructions to Mobile UI Action Sequences. arXiv. [v2] Fri, 5 Jun 2020 02:11:56 UTC.

Photo by Charles Deluvio on Unsplash

Read more

米国のEV革命は失速?[英エコノミスト]

米国のEV革命は失速?[英エコノミスト]

米国人は自動車が大好きだ。バッテリーで走らない限りは。ピュー・リサーチ・センターが7月に発表した世論調査によると、電気自動車(EV)の購入を検討する米国人は5分の2以下だった。充電網が絶えず拡大し、選べるEVの車種がますます増えているにもかかわらず、このシェアは前年をわずかに下回っている。 この言葉は、相対的な無策に裏打ちされている。2023年第3四半期には、バッテリー電気自動車(BEV)は全自動車販売台数の8%を占めていた。今年これまでに米国で販売されたEV(ハイブリッド車を除く)は100万台に満たず、自動車大国でない欧州の半分強である(図表参照)。中国のドライバーはその4倍近くを購入している。

By エコノミスト(英国)
労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

2010年代半ばは労働者にとって最悪の時代だったという点では、ほぼ誰もが同意している。ロンドン・スクール・オブ・エコノミクスの人類学者であるデイヴィッド・グレーバーは、「ブルシット・ジョブ(どうでもいい仕事)」という言葉を作り、無目的な仕事が蔓延していると主張した。2007年から2009年にかけての世界金融危機からの回復には時間がかかり、豊かな国々で構成されるOECDクラブでは、労働人口の約7%が完全に仕事を失っていた。賃金の伸びは弱く、所得格差はとどまるところを知らない。 状況はどう変わったか。富裕国の世界では今、労働者は黄金時代を迎えている。社会が高齢化するにつれて、労働はより希少になり、より良い報酬が得られるようになっている。政府は大きな支出を行い、経済を活性化させ、賃上げ要求を後押ししている。一方、人工知能(AI)は労働者、特に熟練度の低い労働者の生産性を向上させており、これも賃金上昇につながる可能性がある。例えば、労働力が不足しているところでは、先端技術の利用は賃金を上昇させる可能性が高い。その結果、労働市場の仕組みが一変する。 その理由を理解するために、暗

By エコノミスト(英国)
中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

脳腫瘍で余命いくばくもないトゥー・チャンワンは、最後の言葉を残した。その中国の気象学者は、気候が温暖化していることに気づいていた。1961年、彼は共産党の機関紙『人民日報』で、人類の生命を維持するための条件が変化する可能性があると警告した。 しかし彼は、温暖化は太陽活動のサイクルの一部であり、いつかは逆転するだろうと考えていた。トゥーは、化石燃料の燃焼が大気中に炭素を排出し、気候変動を引き起こしているとは考えなかった。彼の論文の数ページ前の『人民日報』のその号には、ニヤリと笑う炭鉱労働者の写真が掲載されていた。中国は欧米に経済的に追いつくため、工業化を急いでいた。 今日、中国は工業大国であり、世界の製造業の4分の1以上を擁する。しかし、その進歩の代償として排出量が増加している。過去30年間、中国はどの国よりも多くの二酸化炭素を大気中に排出してきた(図表1参照)。調査会社のロディウム・グループによれば、中国は毎年世界の温室効果ガスの4分の1以上を排出している。これは、2位の米国の約2倍である(ただし、一人当たりで見ると米国の方がまだひどい)。

By エコノミスト(英国)