Alexa Dev Day Tokyo 2018レポート- VUIワークショップ第一部 #alexa #devdays

せーのでございます。今日は2018年10月12日、13日に千葉はヒルトン東京ベイにて行われた「Alexa Dev Day Tokyo 2018」の様子をレポート致します。

この記事ではVUIワークショップより「VUIワークショップ第一部」をレポートします。スピーカーはAmazonシニアソリューションアーキテクトであるJustin Jeffress氏、同じくデベロッパーエバンジェリストの畠中俊巳氏です。

レポート

• 昔から人間はツールを使うことで便利な環境を手に入れてきた
• スマートフォンが開発されて以降、歩きながらあらゆることができるようになった
• 携帯は自分の手の中にないと使えない。音声であればハンズフリーで情報をもらったりものを動かすのはラク
• 音声はここ数年で実用的になった。なので最近VUIが注目されている

VUIとは

• バナナがある。人はバナナがなくなったとしても「ここにバナナがあった」ということをイメージした上で会話ができる。人はそういったコンテキストをともに会話が成立するが、機械はその場でもらった情報のみで判断せざるを得ない。
• 人間は様々な情報を全て含めて会話を行う。予想外に話が変わったとしても対応できる。機械にはできない。それが難しい

• GUIは全部で何項目質問項目があるのか、が見てわかる。「コンピュータのデザインはこうあるべきだ」という流れに人間が無意識に合わせている。
• VUIの場合はそのようなフォーマットや項目は全くない。そこで人間をうまく誘導する必要が出てくる。

スキル開発のライフサイクル

• スキル開発には5つのフェーズがある。
  • 1: プランニング。このサービスは音声でやる必要があるのだろうか、というところからリサーチを重ねる
  • 2: VUIデザイン。シナリオを作ってユーザをどう誘導するか考える。一番時間がかかる。
  • 3: ビルド。開発工程。
  • 4: ローンチ・宣伝。出した数日はTOPに出て目立つが、すぐに埋もれてしまうので、自分でスキルをアピールする場所を持つ。
  • 5: 改良。一度作っただけで放置するとユーザは飽きてくる。毎日何か違う反応を行うような改良をしてバージョンアップを繰り替えさないと、長く使ってもらえない。

会話のデザイン

• シャノンとウィーバーのコミュニケーションモデル

• コンピュータ同士はインターフェースが規定されているため「何がくるか」はわかっている。ノイズが入っていてもパリティチェックなどで弾く => シャノンが考えた「通信路符号化定理 · 標本化定理」
• ウィーバーはそれを元に「人間ならどう考えるか」を考えた
• 人間同士のコミュニケーションにはフォーマットはない。何が来るかはわからない
• 今、隣の席の人に「次なんだっけ？」と聞くと、「おそらく次のセッションの話」をするだろう。それはお互いに同じ環境にいて、同じことを考えているから
• しかし、外にいる人に同じように「次なんだっけ？」と聞くと、バスの時間を答えるかもしれない。ここにいる人といない人では反応が違う
• それをコンピュータにやらせようとしている
• 人間は無意識に推測して答えを出す。コンピュータにはできない。でもそれがやりたい

「問答」と「会話」の違い

• 単純な問答と会話の違いは何？
• 「会話」とはお互いに知識の前提が共有している上で話している
• 「会話」は相手の答えにくいことは聞かない。言われて嫌がりそうなことは無意識に避ける。
• 会話中に得た情報は次回のために覚えておくことができる。前回の会話を元に話し合う

Foodie（お食事ガイド）

• 「Foodie」をジャスティンさんが作った。畠中さんがそれを「お食事ガイド」として翻訳した
• Foodie: 会話を元に時間と場所にぴったりな食事を提案するスキル
• 「お食事ガイド」デモ

• IVRのように番号を指定させるようなものではなく、カジュアルに会話をしても受け止める
• 人間らしい要素はどこ？
  • リアクションを返す
  • 思いがけないもの（複数の答え）を言われた時に受け止める
  • 「お役に立ててよかったです」という気遣い
  • 名前を呼んでくれるところ

• 二回目以降の起動が初回と違うところ
  • 前回情報を使う（名前、住所を聞かない、履歴）
  • 前回よりショートになっている
  • 初対面じゃない人の話し方（夕食の時間ですね）
  • 意図しない答え（味を聞かれているのにチーズバーガーと答える）に対応している

スキルの作り方

アイデアの発想

• 何をしてくれるスキルなのか
  • 希望に沿う食事を提案する
  • いくつかの質問を順番に問いかける
  • ユーザーの好みや週間を学習
  • ユーザーは質問をスキップできる
• 音声でやるメリットはそこにあるか
• 過去の経験を元により速い情報を届けられるか
• 究極は「いつもの」で成立するもの
• 常にVUIがふさわしいわけではない。大事なことはアイデアと実装のバランス

ユーザーの特定（ペルソナ）

• 設定を想像して実際のモデルを作る
  • どんなユーザーを想定しているのか
  • ユーザーはこのスキルで何がしたいのか
  • ユーザーはいつこのスキルを使いそうか
  • ユーザーは俗語や同義語を使ったりするか
• 例えば
  • たけしさん、東京都在住、22際、職場にいる、ランチを外で食べたいと思っている
  • いつも同じところで食事するのに飽き飽きしている。どこかいいところを提案して欲しい
  • 職場にいてお腹が空いた時に使う
  • たけしさんは典型的な関西人。関西弁を使う。
• ゴミ収集のスキルなどは地方ごとにある。地方色の濃いスキルは地方の言葉に対応させたほうがよい

台本の作成

• 「台本」と「フローチャート」の違い
  • フローチャートで会話を再現しようとすると条件が多すぎて書ききれなくなる
  • 会話が飛ぶ場合に再現できない

• Happy path scripting（ハッピーパス）
  • ユーザーが最終目的までたどり着くようなシンプルなパターンを想定して台本に起こす
  • 実際に声を出して「書き言葉」になっていないように確認する
  • 予想外の展開にも対応する

シノニムとコンボブレイカー

• 格闘ゲームではコンボをよく作る
• 情報をもらっても、大きな反撃を食らう（コンボブレイカー）
  • 「大盛りか通常か」を聞いているのに「大盛りとは何グラム以上か」を聞き返してくる、など
• 同じものを別の言い方で表現する（シノニム）
• コンテキストギャップとはー人間は長い時間をかけて、あらゆる状況や経験から判断している。が、コンピュータはわからない

ワークショップ

• ユーザーに聞かなくても得られる情報 => ◯で囲む
• ユーザーに聞かなければ得られない情報（他に情報源がない）=> アンダーラインを引く

まとめ

いかがでしたでしょうか。コーディングに入る前のVUIの設計について、とても細かい、ステップに分けたお話を聞くことができました。このワークショップを参考に、深みのあるスキルを作っていきたいものです。