ｍ－ｆｌｏの至高はＨａｎｄｓだよな！！ [188744452]

http://img.5ch.net/ico/5ta.gif
http://tech.nikkeibp.co.jp/it/atcl/column/17/122800597/010400001

アマゾンの審査で不合格になったEchoアプリ、東急ハンズが2カ月で改善

米アマゾン・ドット・コムのスマートスピーカー「Amazon Echo」。インターネットに接続し、「Amazon Alexa（アレクサ）」というクラウド上のAI（人工知能）サービスを逐一呼び出して動作する。
　Alexaは「Alexa Voice Service（AVS）」と「Alexa Skills Kit（ASK）」というフレームワークを備えており、サードパーティーの企業が独自にEcho用アプリケーション「Alexaスキル」を作りアマゾン・ドット・コムを通じて公開できる。
　アマゾンジャパンがAmazon Echoの国内発売を発表した2017年11月8日時点で、100社以上の企業が日本語対応のEchoアプリであるAlexaスキルを開発し、265個がリリースされた。米国では既に数万のAlexaスキルが登録されており、国内でも今後さらにAlexaスキルが増えると予想される。
　ただしAlexaスキルは音声で操作するため、従来のアプリケーションとはユーザーインタフェース設計の仕方が大きく異なる。一般的なPCやスマートフォンアプリにはない工夫や注意が求められる。
　Alexaスキルをいち早く開発した東急ハンズに、その狙いや難しさを聞いた。
店頭イベントやお勧め商品の情報を読み上げ
　「アレクサ、ハンズに新宿店のイベント情報を聞いて」
　「新宿店のイベントは全部で5件あります。最初の3件は…」。
　東急ハンズのAlexaスキル「東急ハンズ」はこんな具合に、ユーザーがEchoに話しかけると店舗で開催中の催事の情報を返答する。このほか
店舗のお勧め商品や同社の通販サイト「ハンズイッピンマーケット」の日替わりお勧め商品を紹介する機能も備える。Echoのユーザーはまだ少ないが、顧客との接点を増やし、将来的に来店や購買の促進につなげたい考えだ。
Alexaスキルの開発を担当した、東急ハンズのIT子会社ハンズラボの三井田雄紀イノベーショングループITエンジニアは、「開発方法に戸惑いは無かった」と話す。ハンズラボはもともと
東急ハンズの業務システムの開発・運用にパブリッククラウドサービスのAmazon Web Services（AWS）を利用している。Alexaスキルの開発環境はAWSのそれとほぼ同じで、AWSのクラウドサービスも利用できるためだ。ただし開発期間は約4カ月間掛かり、当初の想定を超過した。
　「音声で適切に応答させるのに苦労した」と三井田氏は振り返る。2017年6月から7月の約2カ月間でいったんAlexaスキルを完成させたが、アマゾンジャパンによるリリース前の審査に相当するレビューで不合格。
使い勝手の改善が必要な点がいくつか見つかった。レビューを通るまでにさらに2カ月あまりを要したという。
表現の異なる例文をひねり出す
　三井田氏は苦労した点として、Alexaスキルを利用するコマンドの例文を多数用意する必要があること、応答内容の文章量を絞り込まなければならないことを挙げる。
　前者のコマンドの例文を多数用意する必要があるとは、ユーザーが発する言葉の揺れに対処するための措置である。例えば、ユーザーが新宿店のイベント情報を確認するとき
「アレクサ、ハンズに新宿店のイベント情報を聞いて」と、想定通りに発声するとは限らない。「アレクサ、新宿店のイベント情報を教えて」「アレクサ、新宿店のイベントは？」などと聞く可能性がある。
　Alexaスキルの使い勝手を高めるには、ユーザーが発する言葉の表現が揺れてもAlexa側でユーザーの意図をくみ取ることが求められる。ところが現状のAlexaは、数個の例文を用意するだけでは表現の揺れを十分に吸収できないという。
　表現の揺れに対処するには、Alexaスキルの開発時に、想定される表現を多数登録し機械学習をさせることが必要だ。開発時にアマゾンジャパンから紹介されたドキュメントでは、1つの機能につき30個程度の登録が推奨されていたという。
　アマゾンジャパンによるレビューでは、「例文の数が少ないと指摘された」と三井田氏は打ち明ける。表現の異なる例文を機能ごとにたくさん考えて、ユーザーの意図を解釈する精度を高めるのに、想定以上の時間がかかった。
長文を読み上げてもユーザーの頭に入らない
　もう1つの文章量の絞り込みは、音声で返答するため不可欠な対策だ。東急ハンズのようなお勧め情報を配信するAlexaスキルであれば、用意したテキスト情報を全て音声に変換して読み上げる。文章が長すぎると「ユーザーの頭に入らない」（三井田氏）。
　三井田氏らのチームは、スマートフォンアプリのデータを流用して開発した。スマートフォンアプリ向けの文章量で複数のイベント情報を読み上げたところ、途中で聞いていられなくなったという。