世界が新しい働き方やつながりの維持に適応していく中、Microsoft は組織が目的を持って創作するのを支援するために、Azure AI ソリューションを提供することに全力を尽くしています。

すべての開発者が AI を使用してより多くのことを達成できるようにするというビジョンのもと、本日 Microsoft は、Azure Cognitive Services 内での以下のような機能拡張を発表します。

• Text Analytics for health のプレビュー。
• Form Recognizer の一般提供開始。
• カスタム コマンドの一般提供開始。
• 新しいニューラル Text to Speech の音声。

医療、保険、持続可能な農業などの分野の企業は、ビジネスを変革するための AI アプリケーションの構築とデプロイに、Azure AI を選択しています。IDC¹ によると、2022 年までに 75% の企業が AI ベースのソリューションを導入し、業務効率の向上とカスタマー エクスペリエンスの強化を実現する見込みです。

この需要の高まりに対応するため、本日の製品更新情報では、Azure Cognitive Services の既存の言語、ビジョン、音声機能の拡張をお知らせします。これにより開発者は、より豊富な分析情報を取得し、時間を削減してコストを減らし、顧客エンゲージメントを強化するためのミッションクリティカルな AI アプリを構築することができます。

強力な自然言語処理により、豊富な分析情報を得る

組織が対応している方法の 1 つは、データをすばやく処理し、データから新たな分析情報を生み出す機能をスケーリングすることです。COVID-19 は、特に医療業界の緊急性を加速させました。毎年膨大な量の医療データが生成されており²、患者のアウトカムを改善する新しいソリューションを見つけるために、医療提供者がこれらの情報にすばやくアクセスできるようにすることがますます重要になってきています。

Text Analytics の新機能である Text Analytics for health をご紹介します。これにより医療提供者、研究者、企業が、構造化されていない医療データから豊富な分析情報と関係性を抽出することができるようになります。医療向け機能は、臨床ノートや臨床試験プロトコルなど、さまざまな形式のさまざまな医療データに対応しており、さまざまなデータの種類やタスクを処理することができます。また、データから分析情報を引き出すためのカスタム モデルを、時間のかかる手作業で開発する必要はありません。

COVID-19 のパンデミックに対応するため、Microsoft は Allen Institute of AI および主要な研究グループと提携し、COVID-19 Open Research Dataset を作成しました。47,000 件以上の学術論文のリソースをもとに、Microsoft は Text Analytics for health と Cognitive Search を利用した COVID-19 検索エンジンを開発しました。これにより研究者が、病気との戦いを支える新たな分析情報を生み出せるようになりました。

さらに、Microsoft は自然言語処理 (NLP) の発展への取り組みを続けており、開発者はテキスト内のセンチメントに関する分析情報を生成するアプリをより迅速に構築することができます。Text Analytics の意見マイニング機能では、特定の機能やトピックにセンチメントが割り当てられ、ユーザーはソーシャル メディア データやレビュー サイトなどからの顧客のフィードバックをより適切に理解できるようになります。

フォームを便利なデータに変換して時間を節約し、コストを削減する

構造化されていないデータの多くは、テーブルやオブジェクトなどの要素を持つフォーム内に含まれています。これらの種類のドキュメントで分析情報を引き出すには、一般的には、ドキュメントの種類別に手動でラベル付けしたり集中的にコーディングしたりする必要があります。

Form Recognizer の一般提供を開始しました。これにより開発者は、データ サイエンスの専門知識がなくても、何百万ものドキュメントから効率的かつ正確に情報を抽出することができます。

Capgemini Group の Sogeti のようなお客様は、Form Recognizer を使用して、顧客が大量のデジタル ドキュメントをよりすばやく処理できるように支援しています。

「Sogeti は、AI と機械学習の最先端のソリューションを提供することで、お客様のデジタル トランスフォーメーションの行程を支援するための新しい方法を常に模索しています。当社の Cognitive Document Processing (CDP) オファーを使用すると、お客様は構造化されていないドキュメントを処理して分類し、高精度でデータを抽出することができるため、結果として運用コストと処理時間を削減することができます。CDP は、Form Recognizer の強力なコグニティブおよびタグ付け機能を活用しており、スキャンやデジタルの非構造化ドキュメントからキーのないペアリング データやその他の関連情報を簡単に抽出し、全体的な処理時間をさらに短縮することができます。」- Mark Oost 氏 (Chief Technology Officer、Sogeti、Artificial Intelligence and Machine Learning)

コンサルティングおよび分析ソリューションのリーディング プロバイダーである Wilson Allen は、Form Recognizer を使用して、法律事務所やその他のプロフェッショナル サービス企業がドキュメント (財務フォーム、ローン申請書などを含む PDF や画像) を処理して評価し、複雑なフォームから正確に値を抽出するためのカスタム モデルをトレーニングしています。

「Form Recognizer を当社のツールキットに追加することで、大量の非構造化データを価値ある情報に変換することができ、400 時間以上の手作業によるデータ入力を省くことができ、従業員がより戦略的な作業に専念できる時間を確保することができます。」- Norm Mullock 氏 (VP of Strategy、Wilson Allen)

音声対応アプリを使用した顧客エンゲージメントの強化

ユーザーや組織は、デジタル主導で非接触型の運用への移行とバランスをとりながら、カスタマー エクスペリエンスをより豊かにする方法を模索し続けています²。音声技術の進歩により、開発者は、お客様が企業とやりとりするための、よりシームレスで自然な音声対応エクスペリエンスを作成することができます。

その進歩の 1 つであるカスタム コマンドは、Cognitive Services の Speech 機能の 1 つであり、一般提供が開始されました。カスタム コマンドを使用すると、開発者は、音声で制御するスマート ホーム サーモスタットのように、変数のセットが明確に定義されているコマンド アンド コントロールのシナリオに対応するための、タスク指向の音声アプリケーションをより簡単に作成することができます。音声認識のための Speech to Text、発話音声キャプチャのための Language Understanding、音声応答のための Text to Speech と統合されており、ローコードの作成エクスペリエンスを使用してお使いのアプリに音声機能をすばやく追加することができます。

さらに、ニューラル Text to Speech の言語のサポートが拡張されており、最先端のニューラル音声合成モデルをベースに、新たに 15 の自然音声が搭載されています。Salma (アラビア語、エジプト)、Zariyah (アラビア語、サウジアラビア)、Alba (カタルニア語、スペイン)、Christel (デンマーク語、デンマーク)、Neerja (英語、インド)、Noora (フィンランド語、フィンランド)、Swara (ヒンディー語、インド)、Colette (オランダ語、オランダ)、Zofia (ポーランド語、ポーランド)、Fernanda (ポルトガル語、ポルトガル)、Dariya (ロシア語、ロシア)、Hillevi (スウェーデン語、スウェーデン)、Achara (タイ語、タイ)、HiuGaai (中国語、広東語、繁体)、HsiaoYu (中国語、台湾国語)。

多くのお客様が既に、アプリに音声機能を追加して、顧客エンゲージメントを向上させています。BBC は Cognitive Services と Bot Service を利用して、AI 対応の音声アシスタントである Beeb を作成し、さまざまな視聴者に合わせてカスタマイズされた、より魅力的なエクスペリエンスを提供しています。

Microsoft は、すべての開発者がミッションクリティカルな AI アプリを構築できるようになる、これらの新製品のイノベーションをご紹介できることをとてもうれしく思っています。詳細については、以下のリソースをご覧ください。

今すぐご利用ください

詳細については、以下のリソースをご覧ください。また、Azure Cognitive Services と Azure 無料アカウントを利用して作業を開始することができます。

• Text Analytics for health: 詳細については、テクニカル ブログをお読みください。COVID-19 検索エンジンのデモで、その動作をご覧ください。検索バーに「ibuprofen」などの医療条件を入力し、グラフのリレーションシップを試してみてください。
• Form Recognizer: 詳細については、テクニカル ブログをお読みください。Form Recognizer のデモで動作をご覧ください。さまざまな種類のフォームから情報を抽出する機能を公開しています。コード サンプルにアクセスしてください。
• カスタム コマンド: 詳細については、テクニカル ブログをお読みください。インベントリ、ホスピタリティ、自動車のデモでその動作をご覧ください。最初にシナリオを選択し、プロンプトにしたがってコマンドを発話します。コード サンプルにアクセスしてください。
• ニューラル Text to Speech: 詳細については、テクニカル ブログをお読みください。デモでその動作をご覧ください。事前に入力したテキストを使用したり、自分で追加したりして、音声出力を微調整してみてください。コード サンプルにアクセスしてください。

---

¹ Worldwide Artificial Intelligence Predictions (IDC FutureScape 2020) (世界での人工知能の予測、IDC FutureScape 2020)。

² Adapting customer experience in the time of coronavirus (McKinsey 2020) (コロナウイルスの時代におけるカスタマー エクスペリエンスの対処)。