サマリー
次世代の自然言語処理（NLP）と大規模言語モデル、AIアシスタント、AIチャットボット、自然言語処理の生成を効率化・高速化する言語モデリング、多言語LLM、視覚言語モデル、生成系AIとの対話を支援する各種自然言語処理モデルに係る諸テーマを網羅的・重点的にとりあげ、その全容と実践的な課題を提示。
■概要■
本白書は、次世代の自然言語処理（NLP）と大規模言語モデル、AIアシスタント、AIチャットボット、自然言語処理の生成を効率化・高速化する言語モデリング、多言語LLM、視覚言語モデル、生成系AIとの対話を支援する各種自然言語処理モデルに係る諸テーマを網羅的・重点的にとりあげ、その全容と実践的な課題を提示している。
人間はお互いに言語でコミュニケーションをとることで成立し、これはあらゆる活動を支えている。従って自然言語処理技術（NLP）を活用したAIによるコミュニケーションは、人工知能がより人間に近づき、人間社会にとけ込んでいく上で必ず解決しなければならないテーマであり、最も大きな課題でもある。
すでに多くの大手 IT 企業が音声認識／デジタルアシスタント（チャットボット）／スマートスピーカーの開発に注力しており、今後、家庭向けAIアシスタント以外に、自動車、医療、金融、小売、顧客対応サービス、教育、流通、運送などの幅広い業界で、多様なソフトウェア／プラットフォームに統合されながら、広範に活用されることが予測されている。
今後、AIの実用の場を大きく広げていく過程において、自然言語処理技術（NLP）は、教育分野、メンタルケア、公共サービスなど、コミュニケーションが重要な要素となる分野における軸となり、さらなる高度なコミュニケーションを実現する上で鍵となる技術として期待されている。
AI／ディープラーニングやコグニティブシステムの成果が音声認識／デジタルアシスタント（チャットボット）／スマートスピーカーに取り入れられ、ほぼ実用レベルに達しつつある流れのなかで、コネクテッドホームはじめIoT指向のフレームワークにおいても、音声認識／AIアシスタントが中核的な存在として位置づけられている。
一方、大規模言語モデル（LLM）は、自然言語処理（NLP）において大きな進歩を遂げている。大規模言語モデルは、入力された自然言語の内容を予測するために開発されている。言語モデリングの課題だけでなく、これらのモデルの使用は自然言語のパフォーマンスを向上させている。LLMを利用したアプローチは、情報抽出、質問応答、要約などの医療タスクで効果を発揮している。
大規模言語モデルの成果は、トランスフォーマーモデルというアーキテクチャとプロンプトエンジニアリングというフレームワークに起因している。トランスフォーマー・モデルはニューラルネットワーク・アーキテクチャの一種で、自然言語処理（NLP）の分野で大きな人気を博し、革命をもたらした。
また、プロンプトは、LLMを搭載した技術で使用される自然言語の指示である。タスクの仕様、予測が遵守すべきルール、そしてオプションとしてタスクの入力と出力のサンプルが、すべてこの命令セットに含まれている。そして、プロンプトエンジニアリングとは、AI、特に大規模言語モデル（LLM）モデルが望ましい出力をするようにプロンプトを設計し、最適化することである。
自然言語処理の代表的なアプリケーションであるチャットボットは、非常に高いレベルで、自然言語理解（NLU）、自然言語生成(NLG)のエンジンにガイダンスするプロンプトエンジニアリングによってユーザーのクエリ（自然言語）に適応させ、正しいコンテキストやレスポンスを得る機会を最大化している。
こうした観点に立ち、本白書では。大規模言語モデル（LLM）を利用した機械学習モデル・自然言語処理AI、自然言語クエリを処理するLLM、LLMによる自然言語処理アプリケーション、自然言語処理の生成を効率化・高速化する言語モデリング、多言語LLM、視覚言語モデル、生成系AIとの対話を支援するビジュアルファウンデーションモデルなどのテーマを重点的に取り上げている。
その他、自然言語処理（NLP）とLLMに関連する以下のテーマを取り上げて解説している。
● 自然言語処理モデルの事前学習とT5（Text-To-Text Transfer Transformer）
● ChatGPTの推論・対話機能をNLPアプリケーションに活用する方法
● 文脈内学習を持つLLM・AIフレームワーク
● 対話型解決エージェントで大規模言語モデル補完を強化するAIフレームワーク
● コードドキュメントの取得による自然言語によるコード生成
● 転移学習を利用した機械学習モデル・自然言語処理AI
● 推論と演技を相乗させるためのAIモデル
● 有害・不快なコンテンツを生成させない安全ルールを備えたLLM
● ユーザーフィードバックに基づくリアルタイムに近いモデル更新
● 高品質なラベル付きデータを必要とする自然言語処理アプリケーション
● ゼロショットChatGPT分類
● マルチモーダル大規模言語モデル
● 生成系AIとの対話を支援するビジュアルファウンデーションモデル
● 生成を3倍高速化する信頼性適応言語モデリング
● 多言語LLMのオープンソース化
● 自然言語クエリを処理するLLM APIとAIフレームワーク
● モバイルUIで会話型インタラクションを可能にするLLM
● 自然言語で携帯端末を操作するための学習データセット
● 視覚言語モデルとその応用可能性
● 自然言語処理とLLMの課題
※ なお、「次世代NLP（自然言語処理）と大規模言語モデル（LLM）」というテーマは、複眼的、立体的な視点で解明し、アプローチすることで、より精確で深みのある理解が得られるものである。当団体でもそうしたコンセプトで本白書を編纂している。
関連レポート
-
■生成AI白書 2023年版
-
■大規模言語モデル（LLM）白書 2023年版
-
■機械学習／ディープラーニング（DL）／生成AI・大規模言語モデルと機械学習・DL白書 2023年版
-
■次世代NLP（自然言語処理）と大規模言語モデル（LLM）白書 2023年版 ※当レポート
上記4タイトルをまとめてご購入の場合、個別にご購入された場合に比べ、およそ半額程度の価格でお買い求めいただけます。また、各タイトルの英語版の発行予定が御座います。
一括購入のお見積や最新の発行予定など、お気軽にデータリソースまでお問合せ下さい。
ページTOPに戻る
目次
■内容編成（目次）■
序
第1章 自然言語処理（NLP）とNLP市場の展望
1-1 自然言語処理（NLP）の活用分野とその市場展望
［1］ 人工知能（AI）研究の発展と自然言語処理（NLP）
［2］ 世界の企業向け NLP ソリューション市場の展望
1-2 「自然言語」、「テキスト」、「音声」、「言語モデル／生成AI」というビッグデータがもたらすビッグチャンス
1-3 各業界における NLP の活用状況
［1］ 各業界における NLP を用いたテキスト分析の活用
［2］ 各業界における音声認識／スピーチ分析の活用
1-3 自然言語処理開発を取り巻く世界と日本の動き
［1］ 概況・近況
［2］ 産業構造への影響
第2章 地域別政策・振興策／国際基準策定／指針整備動向
2-1 国際統一基準／条約策定／規制緩和を巡る動向
［1］ 条約制定
［2］ ガイドライン／指針策定
［3］ 日本政府 人工知能研究開発の国際統一基準提言
2-2 国・地域別政策・振興策
［1］ 米国
［2］ イギリス
［3］ ドイツ
［4］ イスラエル
2-3 産業競争力の成長戦略とAI／自然言語処理の位置づけ（日本）
［1］ 概説
［2］ 経済成長の新たなけん引役としてのAI／自然言語処理
［3］ 総合科学技術・イノベーション会議
［4］ 人工知能技術戦略会議
［5］ 文部科学省、経済産業省、総務省３省連携
［6］ 自由民主党政策提言
第3章 自然言語処理／大規模言語モデルに関連した経済効果、予測、市場動向統計
3-1 グローバル市場
［1］ 概況・近況
［2］ BBC Research（米国調査会社）の報告書
［3］ Strategy Analyticsの調査報告書
3-2 バーチャルアシスタント／AIアシスタントの世界市場
3-3 AI活用による産業構造への影響試算
3-4 大規模言語モデルの進展予測
3-5 自然言語処理／大規模言語モデルの拡大・発展が社会に与える影響／インパクト
3-6 活発化する産学連携体制による自然言語処理／大規模言語モデルの取り組み
第4章 自然言語処理／大規模言語モデル領域を対象とした各種調査研究レポート
4-1 AIの意識調査
4-2 AIの導入・実態調査
4-3 AI進化が社会・産業に与える影響
4-4 ガートナー 「エンタープライズ・アプリケーション分野におけるチャットボット活用」
4-5 Pew Research Center's Internet & American Life Project
4-7 vocalize.ai 「スマートスピーカーの聞き取り性能調査」
4-8 Walker Sands Communications 「2018 Future of Retail Study」
4-9 スマートサウンドラボ（SSL） 「スマートフォンの音声アシスタントの利用調査」
4-10 GranView 「グローバルでのチャットボットビジネスおよび市場調査」
第5章 産業界における自然言語処理／大規模言語モデル／AIアシスタントの活用動向
5-1 金融
5-2 各種メディア
5-3 流通、運送、小売
5-4 その他
第6章 自然言語処理技術／自然言語処理サービス 参入企業動向
6-1 NLP を活用した AI の技術開発に取り組む企業
［1］ Google（Alphabet）
［2］ Microsoft
［3］ Apple
［4］ IBM
［5］ Amazon
［6］ Facebook
他
6-2 ベンチャー企業の取組み
［1］ Next IT 社
［2］ Quantified Communications 社
他
第7章 学際領域としての自然言語処理／コグニティブコンピューティング［1］
7-1 学際領域としての自然言語処理／コグニティブコンピューティング 概説
［1］ 人工知能と自然言語処理 概説
［2］ 目的特化型人工知能と汎用人工知能
［3］ 予測システム／予測モデリング／自動推論システム
［4］ 脳・神経ネットワークのモデル化とニューラルネットワーク
［5］ 脳・神経ネットワークのモデル化／ニューラルネットワーク 事例検証
7-2 自然言語処理の発展・拡張
［1］ 概況
［2］ 自然言語理解
［3］ 人間の言語理解と推論
7-3 データ解析から意思決定の全過程に係る言語解析エンジン
7-4 リカレント・ニューラル・ネットワーク（RNN）と自然言語処理
［1］ 概説
［2］ RNNのライブラリ
［3］ Google／スタンフオード大学
7-5 ヒューマンオーグメンテーション（人間拡張学）と自然言語処理
7-6 人間の感情を検知する AI ／自然言語処理の先端研究究
［1］ 概況・近況
［2］ MIT 無線（RF）信号で感情を検知するデバイス「EQ-Radio」
［3］ 富士通 「Human Centric AI Zinrai（ジンライ）」
［4］ 声で感情を分析し、空間を演出する「空間ロボット」
［5］ Affectiva 「感情ＡI技術」
7-7 能動的コミュニケーションシステムとAI／自然言語処理
7-8 制御された自然言語（Controlled Natural Language
7-9 包括的なテキスト前処理 NLP（自然言語処理）
7-10 深層言語処理
7-11 意味分解（自然言語処理）
第8章 学際領域としての自然言語処理／コグニティブコンピューティング［2］
8-1 意思決定支援・質問応答システム／自然言語生成
8-2 自然言語処理技術を用いた応用事例
8-3 自然言語処理を行う対話ロボット／コミュニケーション・ロボット
8-4 ディープラーニングを活用したテキスト分類処理
8-5 ビジネス・インテリジェンスと音声・言語処理
8-6 頭脳直結テキスト入力システム
8-7 次世代エキスパートシステム
第9章 学際領域としての自然言語処理／コグニティブコンピューティング［3］
9-1 ライトウエイト・オントロジーとコグニティブシステム
9-3 ディープラーニングとコグニティブシステム（Watson）の関係（関係強化）
9-4 ゲーミフィケーションと自然言語処理
9-5 仮想エージェントを活用した人間的能力・知識の一般化
9-6 エデュテインメントと自然言語処理
9-7 インフォテインメントと自然言語処理
第10章 自然言語処理関連の大規模言語モデル（LLM）およびフレームワーク［1］
10-1 概説
［1］ 概要
［2］ 自然言語処理とLLMの結合
［3］ ChatGPTと自然言語理解（NLU）・自然言語生成(NLG)
10-2 自然言語処理モデルの事前学習とT5（Text-To-Text Transfer Transformer）
10-3 ChatGPTの推論・対話機能をNLPアプリケーションに活用する方法
10-4 文脈内学習を持つLLM・AIフレームワーク
［1］ 概説
［1］ Microsoft／UT Austin研究グループ 新しいモデルアーキテクチャ 「Prompt Diffusion」
10-5 対話型解決エージェントで大規模言語モデル補完を強化するAIフレームワーク 「DERA」
［1］ 概説
［2］ 対話型解決エージェントで大規模言語モデル補完を強化するAIフレームワーク 「DERA」
10-6 CMU研究グループ 「コードドキュメントの取得による自然言語によるコード生成アプローチ：DocPrompting」
10-7 GLaM（エキスパート混合による言語モデルの効率的スケーリング）
10-8 PaLM（パスウェイ言語モデル）／Palm2
［1］ 概説
［2］ 新しいPalm2大規模言語モデルを可能にしたデータの改善とスケーリングの洞察
10-9 「転移学習」を利用した機械学習モデル・自然言語処理AI
［1］ 概説
［2］ Google 「新たな自然言語処理AI：T5」
10-10 推論と演技を相乗させるためのAIモデル
［1］ 概説
［2］ プリンストン大学／Google AI 「ReAct」
10-11 検閲に対応し、有害・不快なコンテンツを生成させない安全ルールを備えたLLM
［1］ 概説
［2］ スタンフォード大学研究グループ 検閲対応／有害・不快コンテンツを生成させない安全ルールを備えたLLM 「FreedomGPT」
10-12 レコメンデーション技術とLLM
［1］ 概説
［2］ ユーザーフィードバックに基づくリアルタイムに近いモデル更新
［3］ Bytedance 「Monolith」
10-13 高品質なラベル付きデータを必要とする自然言語処理アプリケーション
［1］ 概説
［2］ チューリッヒ大学研究グループ 「MTurkアノテーションを上回る性能を見せたゼロショットChatGPT分類」
第11章 自然言語処理関連の大規模言語モデル（LLM）およびフレームワーク［2］
11-1 インコンテキスト学習を行うことができるマルチモーダル大規模言語モデル
［1］ 概説
［2］ Microsoft Research 「インコンテキスト学習を行うことができるマルチモーダル大規模言語モデル：Kosmos-1」
11-2 生成系AIとの対話を支援するビジュアルファウンデーションモデル
［1］ 概説
［2］ Microsoft Research 「ChatGPTとの対話を支援するビジュアルファウンデーションモデル：Visual ChatGPT」
11-3 生成を3倍高速化する信頼性適応言語モデリング
［1］ 概説
［2］ Google AI 「LLMによるテキスト生成を3倍高速化する信頼性適応言語モデリング：Confident Adaptive Language Modeling（CALM）」
11-4 世論測定の言語モデル
［1］ 概説
［2］ MIT／ハーバード大学 「メディアダイエットで学習した世論測定の言語モデルを発表」
11-5 脚本を生成する映画オーサリングツール
［1］ 概説
［2］ Deepmind 「脚本を生成する映画オーサリングツール：Dramatron」
11-6 Meta 「4000言語の話し言葉を理解する多言語LLM「MMS」のオープンソース化」
11-7 Google 新たな自然言語処理モデル「ALBERT」（BERTのアップグレード）
11-8 多言語LLM
［1］ 概説
［2］ チューリッヒ大学 「多言語言語モデル「SwissBERT」を開発」
［3］ Phoenix
11-9 スタンフォード大学 「自然言語クエリを処理するLLM APIのためのAIフレームワーク」
11-10 モバイルUIで会話型インタラクションを可能にするLLM
11-11 自然言語で携帯端末を操作するための学習データセット
11-12 自然言語処理システムの仕組みを変える検索拡張世代（RAG）
［1］ 概説
［2］ 大規模言語モデルにおけるいくつかの重要な課題に対処するRAG
［3］ RAGシステムの潜在的なビジネスアプリケーションと影響
［4］ 効率的なRAGパイプラインの実装
［5］ RAGライブラリとフレームワーク
11-13 視覚言語モデルとその応用可能性
［1］ 概説
［2］ カリフォルニア大学バークレー校 視覚言語モデルの言語埋め込みのNeRFへの組み込み 「LERF（Language Embedded Radiance Fields）」
11-14 自然言語処理とLLMの課題
［1］ 人工幻覚（AIによる真実ではない確信的な応答問題）
他
第12章 音声合成モデルと生成系AI・LLM
12-1 概説
12-2 マイクロソフト 「人の声で多様な音声編集タスクを処理できるモデル：SpeechX」」
12-3 Google AI 「最先端の音声モデルファミリ：Universal Speech Model (USM)」
12-4 CMU研究グループ 「多様な音声を扱う人間のような音声合成トレーニングのためのAIシステム」
12-5 Suno 「音声合成AIボイスクローンモデル：Bark」
12-6 自然言語を迅速に音声に変換するTTS（Text-To-Speech）システム
［1］ 概説
［2］ マイクロソフト 「クロスリンガルなニューラルコーデック言語モデル：VALL-E X」
第13章 AIアシスタントおよびチャットボットと生成系AI・LLM
13-1オープンソースチャットボット
［1］ 概説
［2］ LLaMA-13Bをベースにしたオープンソースチャットボット 「Vicuna」
13-2 GPT-Turbo-3.5アシスタントスタイル生成の言語モデル 「GPT4All」
［1］ 概説
［2］ GPT-Turbo-3.5アシスタントスタイル生成の言語モデル 「GPT4All」
13-3 自動テキスト配信、チャットボット、言語翻訳、コンテンツ制作の開発・作成モデルの訓練および微調整 「xTuring」
［1］ 概説
［2］ ストキャスティック 自動テキスト配信、チャットボット、言語翻訳、コンテンツ制作の開発・作成モデルの訓練および微調整： 「xTuring」
13-4 ナレッジソースやツールの活用によるボット構築プロセスの全体的な効果向上
［1］ Microsoft 「ローコード開発環境「Power Platform」に新機能追加」
［2］ 自然言語入力によるChatGPT連携アプリ作成ツール「MetaGPT」
13-5 生成系AIスタイルのAIボット
［1］ スタンフォード大学ビッグモデルセンター 「ChatGLM（中国人ユーザー向けに特別に設計されたチャットロボット）」
［2］ バイドゥ 「ChatGPT風AIボットの一般提供」
13-6 会話型チャットインターフェースの構築
［1］ LangChainによる会話型チャットインターフェースの構築
13-7 AIアシスタント（スマートスピーカー）／チャットボット主要ベンダー／主要製品・サービス（海外） ［1］
［1］ 概況
［2］ Amazon.com 「Amazon Echo」／「Alexa (a.k.a. Echo)」
［3］ Amazon 「Amazon Alexa」
［4］ Amazon 「Alexaに生成AIを導入」
［5］ Amazon 「Amazon Tap」
［6］ Amazon 「Amazon Echo Dot」
［7］ Amazon Lex
［8］ Amazon 液晶付きスマートスピーカー「Echo Spot」
［9］ Google 「Googleアシスタント」
［10］ Google 「Google Now」
［11］ Google 「Google Home」／「Google Home Mini」
［12］ Google 「Google Duplex」
［13］ Apple 「Siri」
［14］ Apple 「homepod」
［15］ Microsoft 「Cortana」／「Invoke」
［16］ Microsoft 「Office 365」／「Dynamics 365」
［17］ Microsoft Technology and Research／Bing 「Tay」
［18］ Facebook 「M」
［19］ Samsung Electronics 「Bixby」／「Bixby Voice」
［20］ Samsung Electronics 「Viv」
［21］ SK Telecom 「NUGU」
［22］ Baidu／Raven Tech 「Duer」
［23］ BOSE 「QuietComfort 35 II」
［24］ Harman Kardon 「Invoke」
13-8 AIアシスタント（スマートスピーカー）／チャットボット主要ベンダー／主要製品・サービス（海外） ［2］
［1］ GoButler 「GoButler」
［2］ Andy Rubin 「Essential Home」
［3］ Julie 「Julie Desk」
［4］ Maluuba 「Maluuba」
［5］ Yandex 「Alice」
［6］ BlackBerry Limited 「BlackBerry Assistant」
［7］ 導入事例
13-9 AIアシスタント／チャットボット主要ベンダー／主要製品（国内）
［1］ ソニー 「LF-S50G」
［2］ ソニー 両耳装着型スマートイヤホン「Xperia Ear Duo」
［3］ LINE 「Clova WAVE」
［4］ パナソニック 「GA10」
［5］ 凸版印刷／TIS 「AISonar」
［6］ NTTレゾナント／goo
［7］ オンキヨー 「G3」／「AIスマートオートモーティブ」
第14章 AI／機械学習／ディープラーニングと自然言語処理の連携［1］
14-1 学際領域としての機械学習／ディープラーニング 概説
［1］ 教師あり学習と教師なし学習
［2］ 機械学習とデータマイニング
14-2 ニューラルネットワーク（NN）と自然言語処理
［1］ 畳み込みニューラルネットワーク
［2］ 再帰型ニューラルネットワーク
14-3 機械学習による引用文献／関連研究支援プラグイン
14-4 ディープラーニングと音声認識
14-5 AIの進化による「音声認識」の新たな用途
14-6 自然言語の入力を解析するAIプラットホーム
14-7 ビッグデータ解析と機械学習
［1］ 人工知能の進化に必要不可欠なビッグデータベースの学習機能
［2］ 異種混合学習技術
［3］ 機械学習分析向けクラウドサービス／機械学習エンジンAPIサービス
14-8 「多様性」を用いた自然言語処理の弱点「言い換え」の解決
［1］ 概説
［2］ Google 「言葉の順序や構造の理解（言い換え）用に新たにデータセットを公開」
第15章 AI／機械学習／ディープラーニングと自然言語処理の連携［2］
15-1 次世代人工知能と脳研究
［1］ 次世代人工知能の流れで進む脳機能の解明
［2］ 脳（ゆらぎ）情報のデコーディングを活用した次世代人工知能
15-2 AI搭載システムによる事故発生時の法的責任に関する課題
15-3 次世代ディープラーニングの現状と可能性
15-4 メディア業界での機械学習活用事例
15-5 ディープラーニングのビジネス利用と課題点
15-6 参入企業動向
［1］ Google
［2］ Intel
第16章 生成系AI・LLMとドキュメントインテリジェンス／組織におけるコンテンツ利用
16-1 自然言語処理と機械学習によるドキュメントインテリジェンス
［1］ アドビ、「Adobe Experience Manager」でAIを活用した新しい生成型サービスを公開
［2］ アドビ 「エンタープライズ向けFirefly」／「AIでクリエイティビティを加速させるAdobe Expressの導入」
16-2 生成系AIによるドキュメント・インサイト・ウェアハウス
［1］ 概要
［2］ マイクロソフト 「Azure OpenAI Documents Search App - Document Insight Warehouse」
［3］ Anthropic ChatGPT対抗AIチャットボット「Claude」（5時間以上かけて読む資料を1分以内で理解）
第17章 ナレッジベース／知識表現と推論のためのフレームワーク
17-1 ナレッジベース
17-2 評価ベースシステム（Valuation-based system
17-3 知識表現と推論
17-4 ナレッジモデリング
17-5 ダイナミック・ナレッジ・リポジトリ
17-6 ナレッジマネジメント
17-7 パーソナル・ナレッジ・マネジメント
第18章 AIデータプラットフォームWatson／WatsonX［1］
18-1 AIデータプラットフォームWatson概説
18-2 AIデータプラットフォームWatsonに見る人工知能の進化と人間の未来
18-3 クラウド経由で提供するWatson関連サービス
18-4 Watsonを使った文書の自動要約システム
18-5 Watsonを使った問い合わせ業務／コールセンター支援システム
18-6 Watsonを使ったFacebookメッセンジャー向けボット
18-7 Watsonを活用した新しいアプリケーションやサービスを展開するためのパートナープログラム
第19章 AIデータプラットフォームWatson／WatsonX［2］
19-1 Watsonを結合した血糖値管理アプリケーション
19-2 Watsonを用いたヘルスケアサービス
19-3 Watsonを活用した電子カルテ解析ソリューション
19-4 Watsonを使った「発症事前予測アプリ（システム）」
195 Watsonによるゲノム情報解釈／全ゲノムのシーケンス
19-6 Watsonを使った創薬・新薬開発
19-7 クラウド経由で提供するWatson関連サービス
第20章 AIデータプラットフォームWatson／WatsonX向けAPI
20-1 Watson向けAPI 概説
20-2 IBM Watson Developer Cloud
20-3 IBM Watson向け各種API
［1］ IBM Watson AlchemyLanguage
［2］ IBM Watson Concept Insights
［3］ IBM Watson Dialog
［4］ IBM Watson Language Translation
［5］ IBM Watson Natural Language Classifier
［6］ IBM Watson Personality Insights
［7］ IBM Watson Relationship Extraction
［8］ IBM Watson Retrieve and Rank
［9］ IBM Watson Tone Analyzer
［10］ IBM Watson AlchemyData News
第21章 先進医療機器・医療ITとAI／自然言語処理活用［1］
21-1 医療におけるIT活用／自然言語処理活用
［1］ 医療情報の公共性と個人情報保護
［2］ 法整備課題
21-2 医療ナレッジベースシステムとしての電子カルテ
［1］ 概況・これまでの経過
［2］ データウェアハウス／BIとの統合
［3］ 診療情報Webサービスと電子カルテの連携
［4］ 特定治療に特化した電子カルテ
21-3 電子カルテの課題・今後の展望
21-4 IoTデバイスとWatsonを結合した血糖値管理アプリケーション
21-5 生体データのIoT化と発症の事前予測
21-6 AIを使った症状のメカニズム解明
21-7 メドトロニック社：Watsonを使った血糖値分析アプリケーション
21-8 ディープラーニングがもたらす医療画像認識技術の顕著な発展
21-9 NLPモデルによるメッセージ分類
第22章 先進医療機器・医療ITとAI／自然言語処理活用［2］
22-1 AI搭載・AI活用型医療（データヘルス）の推進施策
22-2 エビデンスに基づくAI活用型医療とクリニカルパス
22-3 AI活用による最適治療システム
22-4 AIによるデータ解析と臨床診断の可能性
22-5 本格化する第4次医療革命「Medicine 4.0」に向けた動き
22-6 メンタルヘルスの定量化を実現するAI
22-7 ゲノム・オミックス医療を支える医療ビッグデータ
22-8 ディジーズ・マネジメント
第23章 音声認識・音声生成と自然言語処理の発展
23-1 音声認識概説
23-2 音声認識＋自然言語処理 概説
23-3 AIアシスタントとスマートマシン／自律型ロボット
23-4 コネクテッドホーム向け音声認識の市場・参入企業動向
23-5 米国企業の市場・参入企業動向
［1］ 概説
［2］ スマートハウス／スマートホームにおける音声認識技術導入・活用
［3］ コネクテッドホーム向け音声認識の市場・参入企業動向
23-6 AIスピーカーとコネクテッドホーム／HA機器の結合・連携
23-7 家庭用自律行動ロボットと次世代コネクテッドホーム
23-8 音声アシスタントとウエアラブル／AR（拡張現実）の結合・連携
23-9 位置情報／屋内測位技術と音声アシスタントの組み合わせ技術
23-10 MFi認証とスマートハウス／スマートホーム
23-11 音声のクローン作成と合成
［1］ ElevenLabs 「生成音声AIのバージョン2公開」
第24章 自動翻訳／通訳デバイスと生成系AI・LLM
24-1 概説
24-2 Facebook 「90言語以上の機械翻訳を加速させるためのツールキット：LASER」
24-3 Google RNNやCNNをしのぐレベルの自動翻訳を実現するニューラルネットワークアーキテクチャ「Transformer」
24-4 参入企業／主要製品動向
［1］ Google 「Google Translate on Pixel」
［2］ Google AI 「翻訳したテキストと音声を同時に生成する大規模言語モデル：AudioPaLM」
［3］ Travis 「Travis the Translator」
［4］ ソースネクスト 「POCKETALK」。
［4］ Meta 「文章と音声を翻訳するオールインワン多言語マルチモーダルAI翻訳・書き起こしモデル「SeamlessM4T」
第25章 自然言語処理／チャットボットの設計・製造体制／関連開発プラットフォーム
25-1 チャットインターフェースの効率化
25-2 SoC（System on Chip）の採用状況
25-3 Bluetoothオーディオ用SoCプラットフォーム「CSRA68100」
25-4 スタートアップ支援向けプログラム
25-5 機械学習による音声認識アルゴリズムと多言語モデルの構築
25-6 Meta 「4000以上の音声言語認識に対応するSpeech-to-Text、Text-to-Speechモデル：MMS」
25-7強化学習とNLP技術を用いたチャットボット開発
25-8 バーチャルヒューマンなチャットボット
25-9 生成系AIによるAIチャットボット設定、応対、改善業務の完全自動化
25-10 自然言語会話システムアプリ開発向けプラットフォーム
［1］ Google 「Actions on Google」
［2］ Google 「API.ai」
［3］ Google 「Cloud Natural Language API」
［4］ Apple 「SiriKit」
［5］ Apple 「Siri SDK」
［7］ Amazon 「Alexa Skills Kit（ASK）」
［8］ Amazon 「Amazon AI」
［9］ Viv 「Viv」
［10］ Matrix Labs 「VOICE RECOGNITION」
［11］ アイリッジ スマートスピーカー向けアプリの開発プラットフォーム「NOID」
第26章 コンテンツマーケティングにおける自然言語処理活用
26-1 概説
26-2 コンテンツマーケティング導入におけるNLPの機能
26-3 センチメント分析
［1］ 概要
［2］ 顧客の洞察
［3］ ソーシャルリスニング
［4］ ブランドの評判管理
［5］ 競合分析
［6］ コンテンツの最適化
26-4 パーソナライズされたコンテンツ
［1］ ユーザーのプロファイリング
［2］ コンテンツ分析
［3］ レコメンデーション・エンジン
［4］ パーソナライズされたコンテンツ配信
［5］ A/Bテストと最適化
26-5 コンテンツマーケティングにおけるチャットボット、バーチャルアシスタントの活用
［1］ 概要
［2］ 顧客エンゲージメント
［3］ コンテンツの発見と推奨
［4］ リードの創出と適格性確認
26-6 ライティングと編集
［1］ 概要
［2］ キーワード調査と最適化
［3］ コンテンツ生成
［4］ 文法とスタイルのチェック
26-7 競合分析
［1］ 概要
［2］ トピックとキーワードの分析
［3］ コンテンツの推奨
［4］ コンテンツパフォーマンスの比較
第27章 オントロジー工学の発展と自然言語処理／AIアシスタント
27-1 概説
27-2 オントロジーを用いた自然言語推論
27-3 オントロジーを利用した知識の共有／再利用
27-4 汎用オントロジーの応用と自然言語処理
27-5 デバイスオントロジーと特許文書の意味理解システムへの応用
第28章 次世代Webと自然言語処理
28-1 次世代Webと自然言語処理 概説
28-2 次世代ウェブと外部技術との統合・融合
［1］ コンテクストアウェアネスの発展
［2］ メタデータスキーマ
［3］ ソーシャル・サーチの可能性
［4］ セマンティックWebと次世代ウェブの合流
［5］ ウェブにおけるオントロジーの導入
［6］ メタデータ構造化によるコンテクスト検索
28-3 次世代Web／タグ・オントロジーの発展
28-4 ナラトロジーによるタグ・オントロジー
28-5 次世代Webが巻き起こす次世代ICTイノベーション
［1］ ガートナー「What’s Next with Web2.0 and Consumerization？」
［2］ 創造的データ・マイニングと次世代ウェブ
［3］ 次世代ウェブという次元を超えて
28-6 「アウェアネス」と次世代Web
28-7 エクスペリエンス・エコノミー／シェアリング・エコノミーと次世代Web
28-8 エクスペリエンスとエンゲージメント（絆）
28-9 セマンティックWebと次世代Web合流
26-10 セマンティック検索システム／セマンティック埋め込みモデル
第29章 ソーシャルメディアと自然言語処理／AIアシスタント
29-1 ソーシャルメディアのあるべき姿
29-2 集団的知性・合意形成
29-3 ソーシャル・アグリゲーション
第30章 RPAとAI／音声認識技術
30-1 サービス志向アーキテクチャ（SOA）と次世代企業情報システム
30-2 エンタープライズ・マッシュアップの定義・コンセプト
30-3 SOAとマッシュアップアプローチを統合させていくアプローチの意義
30-4 エンタープライズ・サーチが到達した技法・活用水準
30-5 エンタープライズ・サーチの活用方法
30-6 エンタープライズ・サーチ製品および製品の課題
30-7 エンタープライズ・サーチとメタデータ処理
30-8 知識流通フレームワークとエンタープライズ2.0
30-9 ナレッジ・マネジメントの進化とエンタープライズ2.0
第31章 次世代ロボットと自然言語処理／AIアシスタント
31-1 概況・近況
31-2 認知発達ロボティクス
31-3 次世代サービスロボットとAI
［1］ 多様化するサービスロボットとAI搭載形態
［2］ マニピュレーション（サービスロボットの物体操作）
［3］ ヒューマノイドとAI
［4］ 各種生活支援ロボットとAI
［5］ コミュニケーション／セラピーロボットとAI
［6］ AIが促進するサービスロボットの空間知能化
［7］ 分散型／マルチエージェント型サービスロボットとAI
第32章 次世代サービスロボットと自然言語処理
32-1 クラウドロボティクス／サービスロボットと自然言語処理
第33章 コネクテッドカー／次世代車載システムと自然言語処理
33-1 自動運転、人工知能、モビリティーサービスのシナジー
33-2 ロケーションベースのサービス（LBS）とAIアシスタント
33-3 コネクテッドカー／クルマの知能化とバーチャルアシスタント
33-4 次世代自動車と機械学習／ディープラーニング 研究開発動向
33-5 事例紹介
第34章 自動運転システムと自然言語処理
34-1 自律走行・自動運転システムとAI
34-2 次世代自動車とビッグデータ／AIの活用
34-3 自動運転×AI／自然言語処理×先端ロボット技術の結合がもたらすもの
34-4 自車位置推定技術におけるAIとビッグデータ活用
34-5 AI／自然言語処理による次世代自動車の新サービス創出
34-6 AI／自然言語処理技術の導入が生む次世代モビリティサービス
34-7 実証実験および主要メーカー別動向
第35章 車載インフォテイメントと自然言語処理
35-1 スマート・ドライビング・アシスタント機能開発と自然言語処理
［1］ 概説
［2］ 自動運転とスマート・ドライビング・アシスタント
35-2 AI／自然言語処理と次世代車載システムの開発
35-3 関連プラットフォーム
NX ソフトウエアシステムズ 「QNX CAR アプリケーション プラットフォーム 2.0」
第36章 フィンテック／金融工学と自然言語処理
36-1 フィンテック／金融工学と人工知能 概説
36-2 フィンテックは金融システムをどのように変えていくのか
36-3 決済手段・システムの高度化・多元化
36-4 送金（国際送金／P2P送金）
36-5 資産管理（アカウントアグリゲーション／PFM）
36-6 クラウド会計
36-7 ロボアドバイザー
第37章 ブロックチェーンと自然言語処理
37-1 ブロックチェーンと自然言語処理 概説
37-2 スマートコントラクト概説
37-3 スマートコントラクトと自然言語処理
37-4 分散自立型情報保管・検索システムに基づくFreenetプロジェクト
第38章 ブレイン・マシン・インターフェース／脳波活用機能・機器とAI
38章-1 ブレイン・マシン・インタフェース（BMI／BCI） 概説
38章-2 AIによる脳波活用機能・機器の課題
第39章 VR（仮想現実）／AR（拡張現実）と自然言語処理
39-1 VR／ARと自然言語処理 概説
39-2 参入企業動向
［1］ Facebook（フェイスブック）
［2］ SoftKinetic
他
第40章 主要研究所／産学連携団体／ベンチャー出資動向
40-1 大学／主要研究所動向
［1］ スタンフォード人工知能研究所（スタンフォードAIラボまたは SAIL）
［2］ MITコンピュータ科学・人工知能研究所
［3］ カーネギーメロン大学
［4］ 革新知能統合研究センター（AIP：Advanced Integrated Intelligence Platform Project Center）
［5］ 産業技術総合研究所／NEC 「産総研-NEC 人工知能連携研究室」
［6］ NECブレインインスパイヤードコンピューティング協働研究所（NBIC）
［7］ 豊田工業大学 知能数理研究室
40-3 ベンチャーキャピタル／ベンチャーへの出資動向分析
［1］ CBInsights （米国調査会社）の報告書
他
40-4 個別企業／ファンドの出資動向
［1］ トヨタ自動車
他
40-5 人工知能／機械学習分野で注目を浴びるベンチャー企業（海外）
［1］ DeepMind Technologies
［2］ Wit.ai
［3］ Enlitic
［4］ Sentient Technologies
［5］ MetaMind
［6］ The Grid
［7］ x.ai
第41章 自然言語処理関連コンソーシアム／協業・事業提携
41-1 Open Interconnect Consortium
41-2 AllSeen Alliance
41-3 欧州委員会 eCo-FEV（efficient Cooperative infrastructure for Fully Electric Vehicles）
41-4 情報処理学会 「ビッグデータ活用フォーラム」
41-5 日本特許情報機構
41-6 次世代医療ICT基盤協議会
41-7 IIJ他 「データエクスチェンジ・コンソーシアム」。
41-8 ビッグデータ・オープンデータ活用推進協議会
41-9 全脳アーキテクチャ勉強会
第42章 自然言語処理関連参入企業
42-1 主要ベンダー動向
［1］ グーグル
［2］ マイクロソフト
［3］ IBM
［4］ Amazon
［5］ Meta
［6］ OpenAI
［7］ ゼネラル・モーターズ（GM）
［8］ フォード・モーター
［9］ トヨタ自動車
［10］ 本田技研工業
［11］ Preferred Infrastructure（PFI）
［12］ 東レ
他
42-2 ベンチャーキャピタル／ベンチャーへの出資動向分析
［1］ CBInsights （米国調査会社）の報告書
他
42-3 個別企業／ファンドの出資動向
［1］ トヨタ自動車
他
42-4 自然言語処理で注目を浴びるベンチャー企業（海外）
［1］ DeepMind Technologies
［2］ Wit.ai
［3］ Enlitic
［4］ Sentient Technologies
［5］ MetaMind
［6］ The Grid
［7］ x.ai
付章 分野別自然言語処理関連API一覧
docomo 発話理解
docomo 言語解析
docomo シナリオ対話
docomo トレンド記事抽出
docomo 知識Q&A
docomo 雑談対話
Jetrun センシティブ分析
Jetrun マーケティング分析
Jetrun 文集約技術
Jetrun 感情分析
Jetrun 構文解析
Jetrun 文概要分析
Jetrun カテゴリ分析
Jetrun TrueTALK
Jetrun キーワード抽出
Jetrun 関連語抽出
Jetrun キュレーション技術
Jetrun 丁寧度判定
Jetrun キーワードゆらぎ取得
Microsoft Bing Spell Check
Microsoft Linguistic Analysis
Microsoft Text Analytics
Microsoft Web Language Model
Microsoft Academic Knowledge
Microsoft Entity Linking Intelligence Service
Microsoft Knowledge Exploration Service
Repl-AI
Google Translate
goo 商品評判要約
Affectiva
LEXALYTICS Semantria
RxNlp
Studio Ousia Semantic Kernel
Linklify
Orbit Entity extraction
Orbit Language detection
Orbit Classification
Orbit Sentiment analysis
Dandelion Entity Extraction
Dandelion Text Categorization
Dandelion Sentiment Analysis
Dandelion Text Similarity
chatbots.io
Thomson Reuters Open Calais
Diffbot Analyze
Diffbot Article
Diffbot Discussion
Diffbot Image
Diffbot Product
Diffbot Video
Semantic Biomedical Tagger
Free Natural Language Processing Service
NLP Tools
MeaningCloud Topics Extraction
MeaningCloud Text Classification
MeaningCloud Sentiment Analysis
MeaningCloud Language Identification
MeaningCloud Spelling, Grammar and Style Proofreading
MeaningCloud Corporate Reputation
MeaningCloud Text Clustering
lang id
Rosette Language Identifier
Rosette Base Linguistics
Rosette Entity Extractor
Rosette Entity Resolver
Rosette Name Indexer
Rosette Name Translator
WritePath Traslation
Microsoft Translator
wit.ai
