Googleの研究部門Google Researchは11月20日、公式ブログで、電話でAIが人と自然に会話する技術「Google Duplex(デュプレックス)」の約8年の歩みを紹介した。今週から、DuplexがGeminiアプリの「タスク」(Tasks in Gemini)に組み込まれ、利用者の代わりに店へ電話をかけて用事を済ませられるようになったとしている。

ブログはGoogleのヨッシ・マティアス副社長らが執筆した。レストランの予約や美容院の予約のような用事は、電話だと意外に手間がかかる。相手は台本どおりには話さず、途中で言い直すこともあり、声の調子で話す番を伝え合う。少し間を空けすぎると電話が切れたように聞こえ、早く話しすぎると声が重なってしまう。AIでこれをこなすには、聞き取り、文脈の理解、音声の合成を、遅れの少ない1つの仕組みでまとめる必要があったという。

検索やマップの裏側で働いてきた技術

Duplexは2018年に発表され、その後はGoogleの多くの製品の裏側で使われてきた。新型コロナの流行で店の営業時間が頻繁に変わった時期には、電話で店の情報を自動確認する役割を強めた。Googleによると、Duplexの電話で集めた店の情報は、2023年時点で検索とマップに1兆回以上表示されていた。

スマホの中でも使われており、2019年から5世代続けてPixelに搭載された通話支援機能に生かされている。知らない番号からの電話を選別する「通話スクリーニング」や、保留中に代わりに待って担当者が出たら知らせる「Hold for Me」がその例だ。2025年と2026年には、検索やマップで、見積もりや在庫、ペットのトリミングから車の修理までの空き状況をAIが電話で確かめる機能も広がった。

3世代を経てGeminiに一本化

ブログによると、Duplexの仕組みは約10年で3つの世代を経てきた。最初は今の言語モデルや、その土台となる「Transformer」が登場する前に作り始めた、用途を絞った専用の仕組みだった。それが社内の多くのチームと共有する会話の基盤へ広がり、現在はすべてGeminiで作った1つの仕組みにまとまったという。

Geminiのタスクは、電話や支払い、買い物などをAIが代わりに進める機能で、当サイトの「Geminiの「タスク」が日本など6か国で無料に」で伝えたとおり、日本でも無料で使えるようになっている。ただし、今回のブログはDuplexによる電話がどの国・言語で使えるかには触れていない。