AIの音声認識分野への可能性

AI・ディープラーニングの将来性や発展性について、音声認識を利用する場合についてＱ＆Ａ形式でまとめてみました。
Ｑ：音声認識につて聞きたいんですが？
Ａ：声に関しては、音声テキスト変換とか、スマートスピーでも認知症予防サービスとかが、もう実用化されています。研究ベースでは、電話のバックグラウンド・サウンドから、「どこの都市にいるのか」がわかってしまう、というものがあります。都市ごとに特有の音=特徴量があるらしいです。
Ｑ：映画やドラマで電話していると、背後の音で居場所がわかってしまうという、あの方法ですか？
Ａ：ドラマ等の場合は汽笛が鳴ったとか、駅のアナウンスが間こえてわかる物でしたが、それとは違って、「都市に特有の音」というのがあるようです。といっても、狭い地域まで絞り込めているわけではなく、例えば「東京」、「ロンドン」、「ニューヨーク」といった大都市レベルですが。都市特有の音に関して「特徴量」を学習して、ということのようです。まだ研究レベルの話らいいですが。会議で「社長の声が聞き取りにくい」とか、電話で「犯人の声だけをピックアップしたい」という場合、その声だけを採取することもできるようになってきているようです。「音声分離モデル」と呼ばれている分野で、ディープラーニングを使っているそうです。今後はおそらく各社のテレビ会議系のシステムにも入ってくるんじゃないでしょうか。
Ｑ：音声分離モデルの技術は、他にも応用が効きそうですが？
Ａ：そうです。大ありです。人間の声だけじゃなく、ノイズに使えば、いろいろと応用が考えられています。たとえば機械のノイズ音を聞いて、異常を検知するシステムとか。すでに事例があって、工場で、IoTセンサーをつけておいて、操業中に何かしら音が変化したときにアラー卜が出る仕組みになっているということを聞きました。
Ｑ：故障の異常音のデータというのは少ないから、機械の正常音だけを大量に入れておけばいいのかもしれませんね？
Ａ：そうです。正解データだけ入れるという意味では、Auto Encoderの利用になりますね。橋やトンネルの検査で、ハンマーでカンカンと叩いて音で異常の有無を確かめることがありますが、それをディープラーニングでやっている例はたくさんあるそうです。今後、音をビジネスに活用する方法はきっとたくさん出てきそうですね。