三つの手法を提示

聞き手：本日はよろしくお願いします。今回の国際画像機器展 2011の特別招待講演でお話しいただくテーマは「時代は今マッシブビジョンへ」ということですが，この「マッシブビジョン」という言葉の意味を，まずお教えいただけませんでしょうか？

山本：マッシブビジョンという考え方は，実は非常に当たり前の話なのです。街にカメラがあふれる，ネット上に膨大な画像データが蓄積されていく，そういう時代に翻ろうされることなく，それらを使いこなす技を準備していこうということです。これから市場が拡大して行くであろう画像の世界で生き抜くためにはどうしたら良いか，考えることです。
　そうした課題を解決するために，今回の講演では三つの手法を提示したいと思っています。まず一つ目は，昨今，増大し続けるコンピュータパワーを引き出し，有効に利用する方法です。二つ目は，ちょっと言葉が難しくなりますが，統計や学習という手法です。従来，「経験と勘」に頼って人がプログラムを組んでいた，その「経験と勘」とは何かということを明らかにします。まず，経験とはデータベースのことです。「どれだけたくさんのデータを見たか」ということです。一方，勘とは統計結果です。「この現象がどういうことを引き起こすか」と予測していくことです。両者をうまく組み上げて使って，プログラムのプロダクション（アップデート）を行います。この時，ネットワーク上にあふれているデータは大変有利に働きます。それは人が翻ろうされるべきものではなくて，有効利用できるものです。

聞き手：そう解釈すると，今まで得体の知れなかった「経験と勘」というものが分かりやすくなりますね。

山本：「学習」や「統計」と聞くといきなり逃げてしまう人もいますが，もしそれらを取り込まなかったら大変なことになるのです。なぜかというと，今後，アプリケーションがどんどん増えていきますが，単に増えるだけでなく非常に多様化していくからです。「ロングテール」と言ったら良いでしょうか。一つ一つのアプリケーションは小さいのですが，非常に多様性が出てくる。それらをいちいち従来の方法論でプログラムしていたら，コストパフォーマンスが悪くなります。今はそういう意味で，従来方法では手が付けられない市場がたくさん眠っています。
　大企業は，大きな市場がある時には対応力があります。でも，このような個別のコンシューマーに近く，かつロングテールのプロダクトにはなかなか着手できません。実はこういう市場に対しては中小企業や，新規参入組などの方が得意なのです。しかし，できることはできるのですが，まともに対応する，すなわち従来の方法論で作ろうとすると自沈してしまいます。ですからそうならないために，個別の課題を吸収するような枠組みが必要なのです。

聞き手：すでに深刻な問題になっていますね。

山本：確かにそうです。3番目の手法は，コラボレーションということです。ネットワークコラボレーション。要するに，いろいろな専門家がお互いにソフトウエアやプログラムを共有化して，ユーザーに近いところでプログラムをアップデートしていく。そうしたネットワークとコラボレーションの枠組みが大事ということです。
　講演の中で，最後の10分程度でスマートフォンを使ったデモンストレーションを見せたいと考えています。3番目のケースを示すために，今話題のアンドロイド上で動く，文字認識と言語処理を統合して情景中の外国語にカメラを向けて日本語に翻訳するプログラムのデモを実施する予定です。これは，画像認識の専門家が専門家に向けてプログラムを作るという昔ながらのやり方から，専門家が作って素人が使えるプログラム開発の方向に変える一環でもあるのです。玄人向けに比べて素人向けの市場は膨大ですから，そういう市場に向けて一般人がある程度パッケージを使って実現するようなソフトの一例として見せたいと思っています。

聞き手：そうしたデモはいいですね。聴講者の皆さんがきっと興味を持って見てくれると思います。

山本：このデモ，あたかもスマートフォンがネットとつながって処理しているように見えるのですが，実は彼らが開発したプログラムは，スマートフォンの中だけで処理しているのです。それにもかかわらず，瞬時に結果が出ます。「だからスマートフォンは強力だ」という最初の手法の例も皆さんにお示しできると思います。ご存じのように，昔の携帯電話では考えられないような処理能力を今のスマートフォンや携帯電話は持っているのです。

＜次ページへ続く＞