エンジニアリング哲学：ラジ・レディと、最も貧しい10億人のためのテクノロジー

要点

• 読み書きを一切必要としないインターフェースをつくる。 レディは生涯をかけて、機械に人間の音声を理解させることに取り組みました――最初の連続音声認識システム、続く Hearsay と Harpy です。なぜなら音声こそ、ユーザーに何も求めないただ一つのインターフェースだからです。話すために、読む必要も、タイプする必要も、キーボードを所有する必要もありません。文字を読めない世界のおよそ25億人にとって、音声は便利な手段ではなく、世界の知識へ通じる唯一の扉なのです。¹⁹
• 彼は、AIを大規模に現実のものとしたことでチューリング賞を受賞した。 1994年、レディはエドワード・ファイゲンバウムとともに ACM A.M. チューリング賞 を共同受賞しました。受賞理由は「大規模人工知能システムの設計と構築を切り拓き、人工知能技術の実用上の重要性と潜在的な商業的影響を実証したこと」です。彼は アジア系として初めて同賞を受賞した人物 でもあります。¹²
• ブラックボードモデルは、彼の静かで普遍的な貢献である。 Hearsay-II は、独立した複数の知識源――音響的、音韻的、語彙的、構文的な源――を、「ブラックボード」と呼ばれる共有の作業空間の上で協調させることで束ねました。このアーキテクチャは音声の枠を超えて成長し、多くの証拠源を一つの答えへと統合するための一般的なパターンとなりました。これはまさに、現代のAIスタックが今なお行っていることそのものです。³⁴
• 電灯もない村から、マッカーシーの下でAI分野初の博士号へ。 1937年、アーンドラ・プラデーシュ州のカトゥール村に生まれ、家族で初めて学校を出たレディは、ギンディからニューサウスウェールズへ、そして 1966年、ジョン・マッカーシーの下でスタンフォード大学の博士号 へと進みました。その後、カーネギーメロン大学でこの分野で最も野心的なシステムを築き――そしてそれを、自分が育った環境にいた人々へと向け直したのです。⁵⁶⁹

原理

「頭で行うことは何であれ、コンピュータを使えばより速く、より良く、より安く行えます……その余剰の生産性を、社会的に大きな必要がある領域へと向けることができるのです。」 ―― ラジ・レディ⁹

ほとんどの先端技術は、上から滴り落ちてきます。すでにそれを買える人々――文字を読め、つながりを持ち、デバイスとデータプランを備えた人々――のために作られ、それ以外のすべての人には、何年も遅れて、薄められた形で、届くとしてもようやく届く。レディはその標的を逆転させました。彼の確信は、最も高度なAIこそ、他のコンピューティングが取りこぼす人々――文字を読めない人、地方の貧しい人、開発経済学者が「最も貧しい10億人（ボトム・ビリオン）」と呼ぶ人々――に向けられるべきだ、というものでした。完成した製品に後付けされる慈善としてではなく、最初に来る設計上の制約として。⁹

この原理には、精密なエンジニアリング上の帰結があり、それが彼の築いたすべてを貫く一本の糸です。インターフェースは、ユーザーがまだ持っていないものを何一つ要求してはならない。 キーボードは識字能力とラテン文字を要求します。タッチスクリーンはデバイスと、それを操作するためのアイコンの読み取り能力を要求します。音声は何も要求しません。 話せる人間は誰もが、生まれたときから完全なインターフェースを、自分の言語ですでにインストール済みなのです。だから、文字を学んだことのない人の手に世界の知識を届けたいなら、その人に読み方を教えるのではなく――機械に聴き方を教えるのです。地球上で最も貧しい人々を気にかけた一人の男が、連続音声認識という深く技術的な問題に数十年を費やしたのは、まさにそのためでした。この二つは同じ一つのプロジェクトなのです。¹⁹

これこそが、AIの巨人たちのなかでレディを際立たせる点です。この分野の名声は能力へと流れます――より大きなモデル、より難しいベンチマーク、人間を超えるプレイへと。レディも誰にも劣らず能力を追い求め、チューリング賞を勝ち取るほど野心的なシステムを築きました。しかし彼は、どれほど強力かと誰のためのものかを決して切り離しませんでした。偉大な平等装置としての音声。ピラミッドの底辺にいる人々に奉仕するために築かれた大規模AIシステム。テクノロジーは取り残された人々に届かねばならない――そしてそれを保証する方法は、取り残された人々こそを仕様にすることなのです。

背景

ダバラ・ラジャゴパル・レディは、1937年6月13日、現在のインド・アーンドラ・プラデーシュ州にあるカトゥールという村 に生まれました。彼は 家族で初めて大学に進学した人物 であり――ある意味で、村の軌道を離れた最初の人物でした。⁵⁶ 数十年後、その生い立ちについて尋ねられたとき、彼は欠乏という枠組みを拒みました。「空は美しく澄みわたっていて、星がすべて見えました。『なんてこと、そんなに貧しかったの？』と聞かれることがあります。でも私は、欠けていると感じたことなど一度もありませんでした。」⁹ この一文はエンジニアリングにとって重要です。なぜなら、最も貧しい10億人のために設計したこの男は、抽象を相手に設計していたのではないからです。彼は自分が出てきた人々のために設計していたのであり、その人々に欠けているのはアクセスだけであって、それ以外の何も欠けてはいないと見なしていたのです。

そこから抜け出す道はエンジニアリングを通っていました。彼は1958年に ギンディ工科大学 （マドラス大学）で学士号を取得し、続いて1960年にシドニーの ニューサウスウェールズ大学 で修士号を取り、太平洋を渡る前にはオーストラリアのIBMで働きました。⁵⁶ スタンフォード大学 では1964年に修士号を、そして 1966年にジョン・マッカーシーの下でコンピュータサイエンスの博士号 を取得しました――マッカーシーは、その10年前に「人工知能」という言葉を生み出した人物です。レディはマッカーシーの下でAIの博士号を取得した最初の人物として広く知られており、これは彼をこの分野の文字どおりの源流に位置づけます。⁵⁶

彼はスタンフォードに教員として残り（1966〜69年）、その後、残りの人生を決定づける一歩を踏み出しました。1969年、カーネギーメロン大学に着任し、以来ずっとそこに在籍しています。⁶ CMUでは、名を成すことになる音声システムを築き、1979年にロボティクス研究所を設立 し（米国のいかなる大学でも初のロボティクス学科）、コンピュータサイエンス学部長を務め（1991〜99年）、モザ・ビント・ナーセル冠コンピュータサイエンス・ロボティクス教授となりました。⁵⁶⁷ スタンフォードは彼にこの分野の最も純粋な系譜を与えました。カーネギーメロンは彼に、大きく、雑然とした、現実のシステムを築く自由を与え――そしてチューリング賞に値するほどの信用を、AIの誰もが対象にしていなかった人々のために費やす自由を与えたのです。

仕事

音声認識：Hearsay、ブラックボードモデル、そして Harpy

まずは難しい部分から始めましょう。なぜなら、そこでこそ原理が数学へと姿を変えるからです。人間の音声は、単語と単語のあいだに明確な切れ目のない、連続した音の流れです――単語のあいだに聞こえている気がする沈黙は、その大半が脳の供給する錯覚にすぎません。さらに厄介なことに、同じ音響信号が異なる単語へと切り分けられることがあります。古典的な例が、英語の “recognize speech”（音声を認識する）と “wreck a nice beach”（素敵なビーチを台無しにする） がほとんど同一に聞こえる、というものです。生の音声だけを見れば、どちらの読みもほぼ同じスコアになり、機械にはあなたがどちらを意図したのか本当に判別できません。下のウィジェットでは、その曖昧さが崩れて一つに定まる様子を聴くことができます。

レディの洞察は、1970年代を通じてDARPAの音声理解研究プログラムの下でCMUの学生たちとともに育まれたもので、いかなる単一の知識源もその曖昧さを解消できないが、協調する複数の知識源ならそれができる、というものでした。音響はどんな音が存在するかを教えてくれます。音韻モデルは音を候補となる音素へと対応づけます。語彙はどの音素の並びが実在する単語かを制約します。文法はどの単語の並びがもっともらしい文かを制約します。それぞれは単独では当てになりません。しかし合わさると、答えを一点に絞り込むのです。問われていたのは、独立した、当てにならない複数の源を、いかに協調させるかでした。

その答えが、Hearsay-II で実現された ブラックボードモデル でした。共有の黒板を囲む専門家のパネルを思い浮かべてください。それぞれが、自分の理解できるもの――音素、単語、フレーズ――に目を光らせ、貢献できるときには、確信度のスコアを添えて仮説を黒板に書き込みます。他の専門家は黒板を読み、目にしたものの上に積み上げ、自分自身の仮説を書き込みます。指揮を執る専門家はいません。固定されたパイプラインが彼らを順序に押し込むこともありません。正しい解釈は、共通の作業空間の上で協調する多数の部分的・確率的な貢献から立ち現れるのです。発表された論文の副題が、それをそのまま言い表しています。「不確実性を解消するための知識の統合」。³⁴ それに先立つ Hearsay-I は、そもそも連続音声認識ができた最初のシステムでした。Hearsay-II は、その能力に持続的なアーキテクチャを与えたのです。¹³

Hearsay と並行して走っていたのが Harpy （ブルース・ロウェアとレディ、1976年頃）で、これは正反対の賭けに出て、同じくらい大きな影響を残しました。独立した源が共有の黒板に書き込むのではなく、Harpy はすべての知識――語彙、文法、発音――を、システムが耳にしうるあらゆる発話からなる一つの巨大なネットワークへとコンパイルし、そのネットワークを ビームサーチ で探索しました。各ステップで最も有望な一握りの経路だけを残し、それ以外は枝刈りすることで、空間が広大であっても探索が扱える範囲にとどまるようにしたのです。⁸ Harpy は 1,011語の語彙 を扱い、ほぼリアルタイムで連続音声を10パーセント未満の誤り率で理解した最初のシステムでした。⁸ Hearsay のブラックボードは、AIに知識源を組み合わせる手立てを与えました。Harpy のビームサーチは、組み合わさった空間を効率的に探索する手立てを与えました。どちらの発想も今なお屋台骨として効いています――証拠の協調と、可能性の規律ある枝刈りは、今日あらゆるスマートフォンに載っている音声認識の下に横たわっているのです。

CMUロボティクス研究所

1979年、レディはカーネギーメロン大学にロボティクス研究所を設立し、初代所長を務めました――米国のいかなる大学でも初のロボティクス学科です。⁵⁶⁷ これを別の章、音声から機械への方向転換として読むのは簡単です。しかし、同じ本能が広がったものとして読むほうが正確です。音声認識とは、機械が、深い不確実性のもとで雑然とした連続的な現実世界の信号を知覚し、解釈する問題です。ロボティクスは、その問題に物理世界の残り全部を加えたものです――視覚、運動、操作、そのすべてがノイズに満ち、すべてが曖昧で、すべてが、多数の不完全な情報源を一つの判断へと融合することを要求します。

ブラックボードの本能――協調する多数の知識源が、不確実性をともに解消すること――は、自律ロボットが周囲を理解するためにまさに必要とするものです。一つの研究室ではなく一つの機関を築くことで、レディは一人の研究者にはできないことを成し遂げました。知覚と学習と行動の統合を、何百人もの人々が何十年にもわたって追求できる場所を作り出したのです。ロボティクス研究所はこの分野で最も重要な拠点の一つとなり、それは彼の音声研究を駆動するのと同じ確信の構造的な表現でもあります――面白い問題とはシステム全体の問題であり、ラベルの貼られていない状態でやってくる世界を扱うために、多くの部分が協調しなければならない問題なのだ、という確信です。

1994年のチューリング賞と大規模AIシステム

1994年、レディとエドワード・ファイゲンバウムは ACM A.M. チューリング賞を共同受賞しました――コンピューティングの最高の栄誉です。その受賞理由は、じっくり読む価値があります。「大規模人工知能システムの設計と構築を切り拓き、人工知能技術の実用上の重要性と潜在的な商業的影響を実証したこと」。¹² レディは アジア系として初めてチューリング賞を受賞した人物 でした。⁵

この受賞理由が何を称えているのか、よく味わってみてください。定理ではありません。単一のアルゴリズムでもありません。大規模システムの設計と構築、そしてその実用上の重要性の実証です。ファイゲンバウムは、AIが現実の領域で専門知識を捉え、応用できることを示しました。レディは、AIが連続音声という現実の雑然とした人間世界を知覚し、理解できることを示しました。二人は共に、AIを研究室のデモから動く実システムへと移したのです――これらの発想が大規模に築けること、そして学界の外でも意味を持つことの証明でした。¹² その築かれ、大規模に、実用のためにという強調こそ、レディのキャリア全体の基調です。彼は、論文の中にしか存在しない結果に決して満足しませんでした。要点は常に、誰かが実際に使えるシステムでした――それはもちろん、最も持たざる人々へと彼を向かわせるのと同じ衝動なのです。

最も貧しい10億人のためのテクノロジー：百万冊プロジェクト、RGUKT、そしてデジタルデバイド

ここで原理が完全に表に出てきます。大規模AIシステムを築いたことでこの分野の最高の栄誉を得たレディは、キャリアの後半を、テクノロジー産業が日常的に忘れ去る人々へとその能力を向けることに費やしました。彼は 1999年から2001年まで米国大統領情報技術諮問委員会（PITAC）の共同議長を務め、政府の内側から国家の研究の優先順位を形づくりました。⁵ しかし彼の最も特徴的なプロジェクトは、発展途上世界のために築かれたものでした。

レディが2001年からカーネギーメロン大学で率いた ユニバーサル・デジタル・ライブラリー／百万冊プロジェクト は、百万冊の本をスキャンしてオンラインで無料公開することを目指し、多言語かつ十分なサービスを受けていない人々への意図的な注力を掲げていました――デジタル化された世界の知識を、図書館を持ったことのない人々のために、というものです。2007年12月までに、インド、中国、エジプトのパートナーと協働しながら、およそ20言語で150万冊以上をスキャンしていました。¹⁰ ラジーヴ・ガンディー知識技術大学（RGUKT） は、レディが創設に尽力し初代総長を務めた大学で、インドの 「低所得で才能ある地方の若者の教育上の必要に応えるため」 に特別に設立されました――かつて村から運よく抜け出した、カトゥール出身の少年のような学生たちのためにです。⁵⁶ 彼はまた 国際情報技術研究所（IIIT）ハイデラバード の初代会長でもあり、2001年にはインド最高位の民間人栄誉の一つである パドマ・ブーシャン を授与されました。⁵

それらを結ぶ論理は、彼が繰り返し立ち返るものです。「世界の25億人の非識字者のために、[レディ]は自らの音声認識技術を応用し、彼らがインターネットを通じて世界の知識にアクセスできるよう手助けすることを目指している。」¹ 彼は、貧困、医療、教育といった発展途上世界の最も困難な問題にこそAIを向けるべきだと――それらを商業製品の後付けとして扱うのではなく――明確に主張してきました。¹¹ 音声研究と開発の仕事は、二つの別々のキャリアではありません。機械に話し言葉を理解させることの要点は、初めから常にこれでした――文字を読めない人が、電灯もない村で、自分の言葉で機械に問いを投げかけ、答えを得る。音声が偉大な平等装置であるのは、それがあらゆる人間が生まれながらに使い方を知っているインターフェースだからです。

方法

レディの方法は、スローガンというよりは、一連の揺るがぬ信条です。音声研究、研究所、そして開発プロジェクトを横断して読めば、同じ手つきが繰り返し現れます。

ユーザーの制約を、システムの仕様にする。 レディのキャリアにおける最も深い設計上の決断――数十年にわたって音声認識を追い求めたこと――は、想定ユーザーについての一つの事実から直接に導かれています。彼らは文字を読めないかもしれない。だからインターフェースは何も要求してはならず、機械がすべてをやらねばならなかったのです。一般的な教訓は、あなたの最もサービスを受けていないユーザーが直面する最も困難な制約を見つけ出し、それにアーキテクチャを駆動させること――楽なユーザーのために設計して残りを継ぎはぎするのではなく、です。これは、ピラミッドの底辺から上へと読み解かれた最小限の価値ある製品（Minimum Worthy Product）なのです。⁹

単一の源が当てにならないなら、多数を協調させる。 ブラックボードモデルは、単なる成果物ではなく一つの方法です――不確実性を解消する唯一の神託を探し回るのをやめ、その代わりに、独立した、誤りうる複数の証拠源を共有の作業空間に書き込ませ、収束させるのです。それが Hearsay の音声の聴き方であり、現代のシステムが信号を融合させるやり方であり、率直に言えば、人々のあいだでの良い熟議の進み方でもあります。³⁴

デモではなく、システムを築く。 チューリング賞の受賞理由が称えるのは大規模な構築です。レディの基準は決して「論文の中で動くか」ではなく、「誰かが使えるシステムか」でした。築いて展開できない結果は、彼の物差しでは不完全です――単一の主張ではなくシステム全体に適用された証拠の関門なのです。²

最も高度な能力を、最もサービスを受けていない人々へ向ける。 これこそ、残りを単に印象的なもの以上にする手つきです。その規律とは、デフォルトの勾配――テクノロジーがすでにサービスを受けている側へと流れていく勾配――を拒み、最先端を最も貧しい10億人へと意図的に向けることです。価値ある標的を欠いた能力は曲芸にすぎません。その仕事が存在するに値するかを問うスティーブ・テストに、誰のためのものかによって答えるのです。⁹

欠乏という枠組みを拒む。 「欠けていると感じたことなど一度もありませんでした。」 レディは、サービスを受けていない人々のために設計しながら、彼らを見下しません――彼らを、能力ではなくアクセスを欠いた人々として扱うのです。その敬意そのものが一つの設計原理です――彼らが扱えるだろうと勝手に決めつけた簡略版ではなく、対等な存在として、彼ら自身の言語で彼らと向き合う道具を築くのです。⁹

影響の連鎖

彼を形づくった人々

ジョン・マッカーシー。 レディは、この分野を名づけた人物の下で、スタンフォードで、その創成期に博士号を取りました――AIが自らの正体を定める前に、AIにたどり着いたのです。それは彼の世界観全体を源流に位置づけます。彼は、この学問を築くものとして、それを発明している当人たちから学んだのです。（直接的影響）

彼が出てきた村。 カトゥールは背景の色付けではありません。チューリング賞受賞者としてのキャリアを最も貧しい10億人に費やすという決断は、それなしには理解できません。家族で初めて学校を出たこの少年は、自分が後にしてきた人々のために設計することを決してやめませんでした。だからこそ、彼の最も技術的な仕事と最も人道的な仕事は、同じ一つの仕事なのです。（形成的影響）

DARPAの音声理解プログラム。 1970年代の、資金が付き、競争的で、締め切りに駆られた推進は、レディと学生たちに、Hearsay と Harpy をスケッチではなく実システムとして築くための圧力と資源を与えました――ブラックボードモデルとビームサーチによる音声認識が鍛え上げられた試金石です。（直接的影響）

彼が形づくった人々

現代の音声認識。 レディと学生たちがCMUで築いた連続音声システムは、その発想――協調する知識源、確率的なスコアリング、巨大な仮説空間の効率的な探索――を確立しました。それらは進化した形で、今日のあらゆる音声アシスタントと口述筆記システムの下で動いています。この仕事はそのままプラットフォーム機能としてのアクセシビリティへと流れ込んでいきます。

いたるところにあるブラックボード・アーキテクチャ。 独立した知識源が共有の作業空間の上で協調し不確実性を解消するというパターンは、音声の枠を超えて成長し、多くの部分的な信号を一つの答えへと融合しなければならないあらゆる場面で使われる、一般的なAI設計パターンとなりました。

一世代の研究者と諸機関。 CMUロボティクス研究所、コンピュータサイエンス学部、RGUKT、IIITハイデラバードを通じて、レディは発想だけでなく、それらを生み出す場所と人々をも――米国でもインドでも――形づくりました。それはそれ自体が一種の影響であり、何十年にもわたって複利で効いていくのです。

貫く糸

レディは、このシリーズが追ってきたテクノロジーは誰のためかという糸が、AIの深い機構と交わる地点にいます。グレース・ホッパーはコンピュータに人間が読める言語を話させ、プログラミングこそが人間に合わせて曲がるべきで、人間が機械に合わせるのではないと主張しました。レディはその鏡像です――彼はコンピュータに聴かせた、読むこともタイプすることもできない人々が、それでも理解してもらえるように。ティム・バーナーズ＝リーは誰もが使えるウェブを、アクセスは特権に依存すべきでないという原理の上に築きました。レディはその普遍性をもう一段下へと押し進めます――ウェブそのものがなお排除している人々、すなわち識字能力を持たない人々へと。そしてフェイフェイ・リーが人間中心のAIを主張するところで、レディはその教義の初期の証明です――最初の制約から、最も持たざる人間を中心に設計されたAI、という教義の。ホッパーは機械に人間の言葉を話させよと言い、バーナーズ＝リーはそれを誰にでも届かせよと言い、レディは、決して届かなかった人々にそれを聴かせよと言う――そして自分が築ける最も高度なシステムを、最も貧しい10億人へと向けるのです。（シリーズの橋渡し）

ここから私が受け取るもの

レディから私がいつも持ち帰る教訓は、誰のために築くかはエンジニアリング上の決断であり、それは最初に来るべきだということです。ユーザーを、最後に調整するパラメータのように扱うのは簡単です――強力なものを出荷し、それからアクセシビリティを考え、それからおそらくローカライズする、というふうに。レディはそれを逆向きに走らせました。彼は、想定ユーザーが直面する最も困難な制約――彼らは文字を読めない――を取り上げ、その一つの事実に、キャリアで最も深い技術的コミットメントを決めさせたのです。インターフェースは何も要求してはならなかった。だから彼は数十年を費やして、機械に聴くことを教えました。それは、私が自分自身の仕事について考える順序を組み替えます――「このシステムは何ができ、誰が使えるか」ではなく、「これは誰のためのもので、それはシステムをどうあらしめることを強いるか」と。仕様は、ピラミッドの頂点ではなく底辺から始まるのです。

二つ目の教訓はもっと静かで、それは行き先のある野心についてのものです。レディは、どのチューリング賞受賞者にも劣らず能力を追い求めました――大規模システム、設立した諸機関、何十年にもわたる最先端の研究。しかし彼は、どれほど強力かを誰のために役立つかから決して切り離して漂わせはしませんでした。自分が築ける最も高度なもの、それを、産業の他の誰もが忘れる人々へと意図的に向ける。それが、私が借りたい規律です――テクノロジーがすでに快適な側へと坂を上って流れていく、あのデフォルトの勾配を拒むこと。最先端のものを築き、そしてそれを下へ向ける。それは、良心を添えられた品質こそが唯一の変数です――問いは「それは卓越しているか」だけではなく、「それは最もそれを必要とした人々にとって卓越しているか」でもあるのです。レディはキャリアまるごとを費やして、その二つが同じ一つの問いになりうることを証明しました。

FAQ

ラジ・レディのエンジニアリング哲学とは何ですか？

最も高度なテクノロジーは、他のコンピューティングが取りこぼす人々に向けられるべきであり、それを保証する方法は、最もサービスを受けていないユーザーを設計仕様にすることだ、というものです。レディにとってそれは音声を意味しました。世界のおよそ25億人の非識字者は読むこともタイプすることもできないため、彼らに何も要求しない唯一のインターフェースが人間の声だからです。だから彼は、連続音声認識という深く技術的な問題に生涯を費やしました――まさにそれは、彼が最も貧しい人々を気にかけていたからこそなのです。エンジニアリングと使命は、同じ一つのプロジェクトなのです。¹⁹

ラジ・レディはなぜチューリング賞を受賞したのですか？

1994年、レディはエドワード・ファイゲンバウムとともに ACM A.M. チューリング賞を「大規模人工知能システムの設計と構築を切り拓き、人工知能技術の実用上の重要性と潜在的な商業的影響を実証したこと」により共同受賞しました。¹² この賞は、単一の定理ではなく現実のシステムを大規模に築いたことを称えるものです――レディは音声理解で、ファイゲンバウムはエキスパートシステムで。レディはアジア系として初めて同賞を受賞した人物でした。⁵

AIにおけるブラックボードモデルとは何ですか？

ブラックボードモデルは、レディの Hearsay-II 音声システムで実現されたアーキテクチャで、独立した複数の「知識源」――音響的、音韻的、語彙的、構文的な源――が、それぞれ確信度のスコアを添えた仮説を、ブラックボードと呼ばれる共有の作業空間に書き込むことで協調する、というものです。³⁴ いかなる単一の源も、音声の曖昧さを解消できるほど当てにはなりませんが、合わさることで最ももっともらしい解釈へと収束します。このパターンは一般的なものであることが証明されました――多くの部分的で不確かな証拠源を一つの答えへと融合する、AI全体にわたる標準的なやり方となったのです。

Hearsay と Harpy とは何でしたか？

それらは、1970年代のDARPA音声理解プログラムの下で、レディと学生たちがカーネギーメロン大学で築いた、先駆的な連続音声システムです。Hearsay-I は、連続音声認識ができた最初のシステムでした。Hearsay-II は、その能力に、協調する知識源という持続的なブラックボード・アーキテクチャを与えました。¹³ Harpy （ロウェアとレディ、1976年頃）は、すべての言語的知識を一つの大きなネットワークへとコンパイルし、それを ビームサーチ で――各ステップで最も有望な経路だけを残しながら――探索しました。1,011語の語彙を扱い、ほぼリアルタイムで連続音声を10パーセント未満の誤り率で理解した最初のシステムとなったのです。⁸

出典