タグ Facebook

2020年GAFAが買収した13のAIタレントたち:Alphabet/Googleのケース(4/4)

SHARE:

Microsoft ADRM Software(データモデリング/1999年設立/ネバダ拠点) (前回からのつづき)純粋なAI買収ではないものの、ADRM Softwareは大規模な業界特化型データモデルのプロバイダとしてリーダー的存在であり、データはAIを支えるものとして欠かせない。MicrosoftによるとADRMのデータモデルをAzureからのストレージとコンピューティングに組み合わせ、デー…

Microsoft

ADRM Software(データモデリング/1999年設立/ネバダ拠点)

(前回からのつづき)純粋なAI買収ではないものの、ADRM Softwareは大規模な業界特化型データモデルのプロバイダとしてリーダー的存在であり、データはAIを支えるものとして欠かせない。MicrosoftによるとADRMのデータモデルをAzureからのストレージとコンピューティングに組み合わせ、データレイクの作成をサポートする予定だ。ADRMによると、この統合は「最新のデータウェアハウス、次世代分析、AI、機械学習を強化する」という。

Orions Systems(コンピュータビジョン/2012年設立/ワシントン州スノコルミー拠点)

7月、Microsoftはワシントン州スノコルミーを拠点とするOrions Systemsを金額非公開で買収したことを発表した。Orions Systemsは2012年設立で、人間参加型の機械学習でトレーニングされたモデルを使って動画や画像を分析してデータを抽出するAIを取り入れたスマートビジョンシステムを作成している。MicrosoftはOrions Systemsの技術をDynamics 365のコネクテッドストアおよびMicrosoft Power Platformに統合する予定だと明かしている。小売業者などの組織が独自のAIモデルを構築・カスタマイズして、実店舗の「観察データ」からインサイトを得ることができるという。

Alphabet/Google

AppSheet(ノーコードアプリ開発/2012年設立/シアトル拠点)

1月、Googleはノーコードアプリ開発プラットフォームのAppSheetを買収したことを発表した。AppSheetは企業がコアビジネスのデータに接続されたアプリを作成することを支援する。AppSheetは、たとえばOCR(光学的文字認識)、予測モデリング、NLP(自然言語処理)など多くのAIスマートを提供しており、データ入力を迅速化し、ユーザーがどんな種類のアプリを構築したがっているかを明らかにする。GoogleによるとAppSheetはスタンドアロン製品として引き続き入手可能であり、「アプリ開発という分野を再考する戦略を補完」し、Google Cloudに統合される予定だ。

企業向けノーコードアプリ開発の「AppSheet」

あらゆるところにAIがある

今年行われたAI買収はこの他にも多数あった。クラウドコンピューティングプラットフォームのServiceNowは複数のAIスタートアップ獲得し、クラウド通信企業のRingCentralは会話型AIスタートアップのDeepAffectsを買収し、大手IntelはAIソフトウェア最適化プラットフォームのSigOptを取得している。他にも例はまだまだある。

Big5の動きを見れば現在需要のあるAI技術を概観できるだけでなく、AIが必要とされるセクターやニッチを明らかにもできる。そして、どれほど多くの新興テック企業が巨大企業の一員になることによってコンシューマーおよびエンタープライズの領域にまたがる何十億もの人々とのタッチポイントを得て製品開発を加速するチャンスをつかんだかーーあるいはまったく別のものに取り組むために製品を捨てたかーーを浮き彫りにしている。

Facebook、Amazon、Apple、Microsoft、Googleはスタートアップの技術を既存の製品やサービスのどこに組み込むかというビジョンを持って買収を行うことが多い。以前は明らかに新しいプロジェクト全域をカバーするタレントを望んでいた。だが結局は同じことだ。巨大なテック企業はこれまで以上に大きなAIタレントを求めている。

【via VentureBeat】 @VentureBeat

【原文】

2020年GAFAが買収した13のAIタレントたち:Microsoftのケース(3/4)

SHARE:

Apple Camerai(コンピュータビジョンおよびAR/2014年設立/テルアビブ拠点) (前回からのつづき)前Tipitとして知られるCameraiは写真撮影用の深層学習およびコンピュータビジョン技術を開発しており、開発者がアプリにスマート画像処理を統合する手助けをしている。たとえば、人間の特徴や形態を検出し、エンドユーザーは髪の色やヘアスタイルを変えたり、肌の色を調整したりすることができる…

Apple

Camerai(コンピュータビジョンおよびAR/2014年設立/テルアビブ拠点)

(前回からのつづき)Tipitとして知られるCameraiは写真撮影用の深層学習およびコンピュータビジョン技術を開発しており、開発者がアプリにスマート画像処理を統合する手助けをしている。たとえば、人間の特徴や形態を検出し、エンドユーザーは髪の色やヘアスタイルを変えたり、肌の色を調整したりすることができる。

Camerai

AppleがCameraiを買収したことが判明したのは8月だったが、取引自体は2018年から2019年の間に完了しており、取引額は「数千万ドル」と報じられている。チームはすでにAppleのコンピュータビジョン部門に統合されているようだ。同テクノロジーはiPhoneのカメラで実用化されており、開発者は容易にAR機能をアプリに導入することができる。

Vilynx(AI動画検索/2011年設立/バルセロナ拠点)

Appleは、バルセロナを拠点として動画(映像と音声を含む)を分析して内容を「理解する」AI技術を開発するVilynxも買収した。Vilynxそのものは解散しているが、チームのメンバーの多くは(設立者も含め)Appleに所属しているとBloombergは報じている。Appleはバルセロナのオフィスをヨーロッパにおける主要なAI研究開発ハブの1つとして残すとのことだ。Appleがこの買収で得たタレントとテクノロジーをどのように活用するのかは明らかではないが、Vilynxがコンテンツからメタデータを抽出する方法は、Siriを介して動画の音声検索を行ったり、Apple TVでコンテンツのカテゴライズを行ったりする上で役立つはずだ。

Microsoft

Softomotive(RPA/2005年設立/ロンドン拠点)

厳密に言えばSoftomotiveはAI企業ではない。だがRPA(ロボティック・プロセス・オートメーション)は、構造化された入力とロジックが必要とはいえ、企業で反復的に行われるプロセスを自動化すると言う点でAIに非常に近いものと考えられる。RPAは20億ドル規模の産業である。MicrosoftはすでにいくつかのRPAツールや技術を同社のプラットフォームである「Power Automate」の一部として提供している。これが今年初め、金額非公開でロンドン拠点のSoftmotiveを突然買収した理由だ。

Softmotiveの画面

Microsoftによると、Softmotiveのデスクトップ自動化ツールをPower Automateに追加し、企業顧客に「独自の手頃な価格」で提供する予定だという。今のところ、Softmotiveはスタンドアロン製品として入手可能な状態だ。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】

2020年GAFAが買収した13のAIタレントたち:AmazonとAppleのケース(2/4)

SHARE:

Amazon Zoox(自動運転車/2014年設立/サンフランシスコ拠点) (前回からのつづき)買収に関しては、Amazonにとって今年はかなり静かな年だった。同社のM&Aは6月に自動運転車企業のZooxを買収したこと以外に発表がない。取引額は12億ドルと報じられている。自動運転車はAmazonの巨大な配送インフラストラクチャにおいて重要な役割を果たすはずだが、今のところZooxは消費者用…

Amazon

Zoox(自動運転車/2014年設立/サンフランシスコ拠点)

(前回からのつづき)買収に関しては、Amazonにとって今年はかなり静かな年だった。同社のM&Aは6月に自動運転車企業のZooxを買収したこと以外に発表がない。取引額は12億ドルと報じられている。自動運転車はAmazonの巨大な配送インフラストラクチャにおいて重要な役割を果たすはずだが、今のところZooxは消費者用の自動運転車の開発を続けている。Zooxは最近4人乗りのロボタクシーを発表している

自動運転車は多くの大手テック企業にとって主要な注力分野となっている。Googleの関連企業のWaymoがこの分野をリードしておりAppleは無人運転車の計画を強化していると報じられている。Amazonは自動運転車のスタートアップであるAuroraおよび電気トラック企業のRivian投資していた。Zooxが傘下に入ったことはうなずける。

Apple

Xnor.ai(エッジAI/2016年設立/シアトル拠点)

2020年、Appleは1月のXnor.ai買収を皮切りに多くのAIスタートアップを買収した。Xnor.aiはシアトルを拠点とし、スマートフォンやドローンのようなエッジデバイスにおけるAIの効果的な展開に注力するスタートアップだ。取引額は2億ドル相当と言われている。Appleにとって、ハードウェア全体にAIをデプロイする方法を改善したり、開発者向けのツールキット「Core ML 3」でエッジコンピューティングを強化したりする点で、Xnor.aiの買収にメリットがあることは明白だ。

Voysis(音声アシスタント/2012年設立/ダブリン拠点)

AppleはVoysisの買収によって音声アシスタント「Siri」の強化を図っている。Voysisはダブリンを拠点とするスタートアップで、特に「ブランドとユーザー間の豊かな自然言語のやりとり」のサポートに重点を置いており、モバイルデバイスで直接実行できる自然言語の会話型インターフェイスを構築している。この取引により、Appleの音声アシスタントはeコマースアプリ内でより便利なものとなるはずだ。

Voysis

Scout FM(AI対応ポッドキャスト/2017年設立/サンフランシスコ拠点)

近年、ポッドキャストはますます広がりを見せておりSpotify、Google、Appleはメディアに多額の投資を行っている。Appleがサンフランシスコ拠点のScout FMの買収を決定したことは理に適っている。同社はユーザーの聴取履歴に基づいてポッドキャストをキュレートすることに特化している。Appleがこの種のAIをどのように活用してポッドキャストの提案を改善するかは容易に想像がつく。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】

2020年GAFAが買収した13のAIタレントたち:Facbookのケース(1/4)

SHARE:

大手テクノロジー企業が何年もの間、製品の買収やアクイ・ハイヤーを通して一流のテクノロジータレントを奪ってきたことは周知の事実だ。実際、FTC(連邦取引委員会)も現在、独占禁止法調査を行っている。Facebook、Amazon、Apple、Microsoft、Alphabet(FAAMG)が最高の技術者の目の前に数百万ドルをちらつかせて、AIタレント部門の拡大競争をしていることは驚くことではない。2…

大手テクノロジー企業が何年もの間、製品の買収やアクイ・ハイヤーを通して一流のテクノロジータレントを奪ってきたことは周知の事実だ。実際、FTC(連邦取引委員会)も現在、独占禁止法調査行っている。Facebook、Amazon、Apple、Microsoft、Alphabet(FAAMG)が最高の技術者の目の前に数百万ドルをちらつかせて、AIタレント部門の拡大競争をしていることは驚くことではない。2019年、Big5はeコマースや自動運転車から教育やカスタマーサービスに至るまで、14社以上ものAI関連のスタートアップを買収した。今年も例外ではなく、FAAMGは世界中から多くのAI関連企業を買収している。ざっと振り返ってみよう。

Facebook

Scape Technologies(コンピュータビジョンおよびAR/2016年設立/ロンドン拠点)

2020年初め、Facebookがロンドン拠点のコンピュータビジョンのスタートアップであるScape Technologiesを4,000万ドル相当の取引で買収したと報じられた。2016年に設立されたScapeは、AIを使って標準的な画像と動画から世界中のリアルタイムの3Dマップを作成していた。Scapeは設立当初、AR(拡張現実)に注力していたが、最終的な目標はドローン、ロボティクス、物流などのための3Dマップインフラストラクチャを作ることだとしている。

FacebookとScapeはいずれもこの買収や将来的なプランについて詳しく発表していないが、Scapeは共同設立者兼CEOのEdward Miller氏がFacebookのリサーチプロダクトマネージャーの役割を引き受けること、そしてAPIを廃止・終了することを認めた。ソーシャルネットワーク大手のFacebookは2021年にARグラスをリリースする計画を発表している上、今年Mapillaryを買収して以来、マッピング分野での野望を隠していない。Scapeはこれらの計画にうまく合致している。

Atlas ML(機械学習/2018年設立/ロンドン拠点)

この買収が実際に完了したのは2019年12月だが、Facebookがロンドン拠点の深層学習研究スタートアップのAtlas MLを買収したことを認めたのは2月のことだった。古典的なアクイ・ハイヤーのようで、Atlas MLの設立者であるRobert Stojnic氏とRoss Taylor氏は現在、Facebook AIのソフトウェアエンジニアとなっている。彼らは新たに公開された機械学習の論文、コード、評価表を含む無料のオープンリソースである「Papers with Code」の開発を続けている。

Kustomer(CRMの自動化/2015年設立/ニューヨーク拠点)

Kustomer
CRM向けメッセージ自動化プラットフォームの「Kustomer」 Image Credit: Kustomer

11月にFacebookはニューヨーク拠点のCRM(顧客関係管理)プラットフォームのKustomerを10億ドル相当の取引で買収したことを認めた。Kustomerは2015年設立で、インバウンドメッセージの識別や問い合わせを担当チームへルーティングするなど、反復的なカスタマーサービスのプロセスを企業が自動化する手助けをしている。また、問い合わせに対する応答も自動化できる。この取引によりMessengerおよびWhatsAppが企業の主要なコミュニケーション経路と位置付けられるため、Facebookのソーシャルコマース推進にぴったりだ。Kustomerは単独企業としても運営を続ける。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】

言語を超えるSNS【M2M-100】:100言語対応の機械翻訳、最後のチェックは「人」(4/4)

SHARE:

(前からのつづき)Facebookではネイティブスピーカーのグループが英語以外の20組の言語間での翻訳結果についてクオリティのチェックを行なっている。彼らはM2M-100による翻訳の忠実度を「比較的高い」と評価したが、テキストが意味をなさないようなスラングに対しては直訳する傾向が見られたとしている。また、このモデルはたとえば文章中のコンマ抜けといった文法的な問題によって解釈を誤りがちだということを…

前からのつづき)Facebookではネイティブスピーカーのグループが英語以外の20組の言語間での翻訳結果についてクオリティのチェックを行なっている。彼らはM2M-100による翻訳の忠実度を「比較的高い」と評価したが、テキストが意味をなさないようなスラングに対しては直訳する傾向が見られたとしている。また、このモデルはたとえば文章中のコンマ抜けといった文法的な問題によって解釈を誤りがちだということを発見した。Facebookの研究者はM2M-100に関する論文でこう述べている。

「多くの言語に対して、合理的な翻訳結果が確実に得られるようにするためにはかなりの改善が必要です。たとえばコサ語、ズールー語などのアフリカの言語、カタロニア語、ブルターニュ語などのヨーロッパ言語、イロカノ語、セブアノ語などのアジア言語が挙げられます。これらの多くは、インターネットで得られる単一言語のリソースすら限られており、そのことがトレーニングデータの質と量に大いに影響を与えています」。

確かに、言語モデルはデータセットのバイアスを強化して学習してしまい、暗黙的にバイアスのかかった表現で害を与え続けるという証拠は十分に存在する。MIT、Intelおよびカナダのイニシアチブ「CIFAR」のAI研究者はBERT、XLNet、OpenAIのGPT-2、RoBERTaに高レベルのバイアスを発見している。

Allen Institute for AIの研究者は、現時点の機械学習は有害なアウトプットを十分に防ぐことのできる技量をもっていないと主張し、トレーニングセットおよびモデルアーキテクチャの改善の必要性を強調した。この他にも、GoogleはGoogle Translateの土台となっている翻訳モデルが特にトルコ語、フィンランド語、ペルシャ語、ハンガリー語などのリソースが不足している言語に関してジェンダーバイアスをもつという証拠を発見(そして対処する必要性を主張)した。

M2M-100では潜在的なバイアスを軽減するためにどのようなステップを講じているかという質問に対しFacebook AI研究者のAngela Fan氏はVentureBeatへ次のような回答を寄せている。

「今の研究段階では、モデルの正しい部分と正しくない部分を見極めるテストを行いたいと考えています。具体的には有害な翻訳を防ぐために、不適切な文言のフィルターを使用した研究を行いましたが、正確性が高いという結果は(まだ)得られませんでした・・・。私たちはまだ研究段階にいて、システムをもっと公正なものにしようとしているところです。これがFacebookで未だ稼働させていない理由のひとつです」。

チームは翻訳からジェンダー的な単語を取り除く明確なメカニズムを取り入れていないが、M2M-100が犯したミスの種類を理解するための研究を始めているとFan氏は付け加えた。

「BLEUのスコアだけを見るのではなく、私たちがどれほどうまく翻訳できているかをネイティブスピーカーから教えてもらうことも大切です。全体的にみれば、私たちのモデルは大部分の言語において非常にスコアが高いのですが、ウォロフ語、マラーティー語のような低リソースの言語には改善の余地があります」。

【via VentureBeat】 @VentureBeat

【原文】

言語を超えるSNS【M2M-100】:100言語翻訳で少ない言語データを補足する方法(3/4)

SHARE:

(前回からのつづき)Facebookは、逆翻訳を使用してリソースの少ない言語のデータを補足した。これは、ある言語で翻訳モデルをトレーニングしそれを使用して特定の言語に翻訳、その翻訳データから逆翻訳を行い新たなデータを生成する方法だ。 たとえば、目標が中国語からフランス語の翻訳モデルをトレーニングすることであった場合、Facebookの研究者はフランス語から中国語への翻訳モデルをトレーニングし、フラ…

(前回からのつづき)Facebookは、逆翻訳を使用してリソースの少ない言語のデータを補足した。これは、ある言語で翻訳モデルをトレーニングしそれを使用して特定の言語に翻訳、その翻訳データから逆翻訳を行い新たなデータを生成する方法だ。

たとえば、目標が中国語からフランス語の翻訳モデルをトレーニングすることであった場合、Facebookの研究者はフランス語から中国語への翻訳モデルをトレーニングし、フランス語のすべての翻訳データを使用して中国語の逆翻訳データを生成する。 M2M-100の開発過程ではマイニングされた言語データに、このようにして作られたデータを追加しこれまでに見られなかった言語ペアのデータを作成した。

Facebookの研究者によるとM2M-100はモデルの並列処理を活用し、現在の2言語間の翻訳モデルよりも2桁大きいモデルサイズのトレーニングを行なう。大規模なモデルをトレーニングするためのPyTorch向けライブラリFairscaleを使用して、トレーニング中モデルは数百のグラフィックカードに分割されるが基礎となるデータは同じであるため、それぞれのカードはデータの一部ではなくモデルの一部をトレーニングする。

M2M-100がパフォーマンスを低下させることなく拡張できるよう、Facebookの研究者は、モデルのパラメータ(この場合、予測に影響を与える変数のこと)を重複しない言語グループに分割した。この戦略の組み合わせによりモデルの容量は100倍に増加し、Facebookが高精度であると自負する言語翻訳を提供できるようになった。

Facebookは154億のパラメーターによって、追加のモデル容量でトレーニングをした最もデータの多い高リソース言語ペアでの改善がM2M-100で見られたと述べている。 「モデル容量の高密度スケーリングと言語固有のパラメーター(計30億個)を組み合わせることで、大規模モデルの利点と、さまざまな言語に特化したレイヤーを学習する機能を提供します」とFan氏は書いている。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】

言語を超えるSNS【M2M-100】:100言語の翻訳を実現するブリッジマイニング戦略(2/4)

SHARE:

(前回からのつづき)M2M-100はFacebookの多言語モデルであるXLM-Rに基づいて構築されており、1つの言語データから学習し、100の言語でタスクを実行する。 7月、Facebookは51の異なる言語をサポートする音声認識モデルをリリースした。さらに最近では、言語間で文をマイニングするための多数の言語によるラベルなしデータと優れたモデルをトレーニングするCRISSの詳細を明らかにした。F…

(前回からのつづき)M2M-100はFacebookの多言語モデルであるXLM-Rに基づいて構築されており、1つの言語データから学習し、100の言語でタスクを実行する。 7月、Facebookは51の異なる言語をサポートする音声認識モデルをリリースした。さらに最近では、言語間で文をマイニングするための多数の言語によるラベルなしデータと優れたモデルをトレーニングするCRISSの詳細を明らかにした。Facebook AI Research ParisのデータサイエンティストであるAngelaFan氏はブログの投稿で次のように書いている。

「何年もの間AI研究者は、さまざまな異なるタスクをすべての言語で理解できる単一で普遍的なモデルの構築に取り組んできました。すべての言語、方言、モダリティをサポートする単一モデルは、より多くの人々により良いサービスを提供し、翻訳を最新の状態に保ち、何十億人もの人々に対して平等で新しい体験を生み出す手助けとなります」。

M2M-100では、Facebookの研究者はさまざまなソースの表面上高品質なデータでマイニングを行うために新しい言語識別技術を用いた。1つは、自然言語処理モデルのゼロショット転送を実行するオープンソースツールキットであるLanguage-Agnostic Sentence Representations(LASER)だ。ほかにも、翻訳モデルをトレーニングするための”10億スケール”のbitextデータセットCCMatrixと、クロスリンガルなウェブドキュメントペアの大規模テストコレクションであるCCAlignedの2つがある。

Facebookの研究者は、翻訳の需要が統計的にまれなペア(アイスランド語ーネパール語やシンハラ語ージャワ語など)は除いて、分類、地理、文化の類似性に基づき言語を14のファミリーにグループ化する「ブリッジマイニング戦略」を導入した。同じグループに属する言語を使う国に住む人々は、より頻繁にコミュニケーションを取り、高クオリティな翻訳の恩恵がより受けやすいだろうという直感があったからだ。たとえば、あるファミリグループには、ベンガル語、ヒンディー語、マラーティー語、ネパール語、タミル語、ウルドゥー語など、インドで話されているさまざまな言語が含まれる。

Facebookの研究者は、それぞれのファミリーグループの言語をつなぐために、少数の「ブリッジ言語」、つまり各ファミリーグループごとに1〜3つの主要な言語を選定した。たとえば、ヒンディー語、ベンガル語、タミル語は、データセット内のインド・アーリア語のブリッジ言語になっている。次に、これらのブリッジ言語のすべての組み合わせ可能なトレーニングデータをマイニングし、前述の75億個の文のデータを取得した。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】

言語を超えるSNS【M2M-100】:Facebook、100言語対応の機械翻訳モデルを公開(1/4)

SHARE:

Facebookは英語を中間言語として介さず、100言語の任意ペアを翻訳することが可能なアルゴリズムM2M-100をオープンソース化した。同モデルは、2200の言語ペアで機械学習が施されており、英語中心の他システムと比べてはるかに優れる翻訳性能となっているとする。M2M-100は、今後世界7000以上の言語ペアの翻訳を目指して開発を進める。同モデルは、類似する言語間で情報を共有することができるため…

Facebookは英語を中間言語として介さず、100言語の任意ペアを翻訳することが可能なアルゴリズムM2M-100をオープンソース化した。同モデルは、2200の言語ペアで機械学習が施されており、英語中心の他システムと比べてはるかに優れる翻訳性能となっているとする。M2M-100は、今後世界7000以上の言語ペアの翻訳を目指して開発を進める。同モデルは、類似する言語間で情報を共有することができるため、比較的学習量が少ない言語でも翻訳することが可能となる。

今まで、モデルサイズが大きくなるとより大きなデータセットが必要となったため、英語を中心としたモデリングやデータセットに注目が集まってきていた。(例えば、100言語をサポートするためにはおおよそ1,000億個程度の文章ペアが必要となる)。しかし、そうしたデータとモデリングには実際にどういったシチュエーションで翻訳を利用しているかなどが欠けるためバイアスが生じ、結果として英語以外の翻訳パフォーマンスが悪化すると指摘されていた。

それに対してFacebookのM2M-100モデルでは、100の異なる言語を75億にも渡る文章ペアでが機械学習が実施された。同社リサーチャーは、モデリングの言語選定に際して大きく3つの基準を定めた。一つ目は、地理的多様性があり、かつ世界的に話されている言語である点。2つ目は、モデルパフォーマンスの定量化を考慮し、エヴァリュエーションデータが既に存在している点。最後は、モノリンガルデータが存在しない点。以上を考慮し、言語データの選定を実施した。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】

もう一つの世界「Facebook Horizon」:提供開始はいつに(6/6)

SHARE:

※編集部注:本稿はGamesBeat編集部によるメタバース「Facebook Horizon」特別インタビューのつづき。(前回はこちらから) GamesBeat: バーチャルな世界で課題となるのはロードの高速化だと思われますが、この問題については取り組んでいますか?ロードの速度とエクスペリエンスの大きさとはトレードオフするものだと考えますか? Grant: ロードにかかる時間は、このような製品にお…

バーチャルなソーシャルスペースを提供するFacebookの「Horizon」/Image Credit: Facebook

※編集部注:本稿はGamesBeat編集部によるメタバース「Facebook Horizon」特別インタビューのつづき。(前回はこちらから)

GamesBeat: バーチャルな世界で課題となるのはロードの高速化だと思われますが、この問題については取り組んでいますか?ロードの速度とエクスペリエンスの大きさとはトレードオフするものだと考えますか?

Grant: ロードにかかる時間は、このような製品においては永遠の課題の1つです。クリエイターは常に、より一層大きな世界を作ることを大変楽しみにしています。時が経つにつれ、より多くのアバター、より大きなシーンを取り入れたいと考えるでしょう。世界はどんどん大きくなっていきますが、私たちは荷重増分のようなソリューション探索に長けています。ワールドの一部だけを先にロードし、残りは後でロードするということもできます。

しかし私たちにとって重要なのは、誰もがFacebookグループを作成してコミュニティの構築を開始できるよう方法を工夫することです。Horizo​​nで、誰もがワールドを作り、コミュニティを構築し、人々とつながれるようになることを非常に楽しみにしています。ソリューションが使いやすいものであり、深い技術的専門知識がなくてもワールドを構築できることを確認したいと考えています。大部分は、そういったトレードオフのバランスをどの辺りに取るかという問題になるでしょう。ワールドが大きくなっていけば、ユーザーが友達に会いに行く時にできるだけ早く到着し、できるだけ早くつながれるようにする上でロード時間の短縮は課題の1つにすぎなくなるでしょう。

GamesBeat: Quest 2が10月に発売されますが、Horizonの発売を合わせる予定はありますか?

Fitzgerald: ローンチには時間をかけるつもりです。この製品による体験を正しいものにしたいと思っています。それは社会にとっても非常に重要なことです。期限は決めていません。しかし、きちんとしたエクスペリエンスが保証できるようになったら、できるだけ多くの人々ができるだけ早くHorizonの世界に入れるようにしたいと心から思っています。

GamesBeat: Quest 2では既存のソフトウェアの動画解像度はどのようになりますか?

Grant: 解像度のしくみは非常にスタンダードなもので、ハードウェアそのままです。物体のエッジは、解像度が高くなれば自動的に滑らかなものとなるでしょう。四角形のエッジが滑らかに見えるのは解像度が高いからです。あらゆるものが自動的にアンチエイリアス化されます。そうは言っても4Kテクスチャーをアップロードするかどうかは開発者次第です。アプリ内にレンガの壁があれば、高解像度の画像を必要とするでしょう。無料でややスムージングすることができますが、さらに画面の解像度を上げるかどうかは開発者次第です。

また、Zファイティングなども改善されます。 3Dでは、2つのものが非常に近い位置で重なっている場合、精度の問題により、カメラを少し動かすと手前にある側が入れ替わり、ちらつきが発生することがあります。精度の向上によりこれが抑えられます。忠実度を上げることなど様々なことが開発者の原動力となっています。たとえるならiPhoneがRetinaディスプレイを搭載した時のようなものです。やや角丸になるでしょうが、より質の高い画像を求めるならチームのアーティストに作成してもらう必要があります。

【via VentureBeat】 @VentureBeat

【原文】

もう一つの世界「Facebook Horizon」:メタバースの決定打となるか(5/6)

SHARE:

(前回からのつづき)GamesBeat:人々はこの世界を地理的なものとして考えるようになると思いますか?それとも、地理的に位置していない空間の中に存在する世界のように考えると思いますか?いわば、Second Lifeと一般的なウェブサイトの違いに近い感覚です Fitzgerald:私たちも人々がここをどのように表現するのか興味がありますね。重要なのは目的であり、人々が一緒に旅行したり、一緒に探検す…

Horizonでは世界をコレクションできる/Image Credit: Facebook

(前回からのつづき)GamesBeat:人々はこの世界を地理的なものとして考えるようになると思いますか?それとも、地理的に位置していない空間の中に存在する世界のように考えると思いますか?いわば、Second Lifeと一般的なウェブサイトの違いに近い感覚です

Fitzgerald:私たちも人々がここをどのように表現するのか興味がありますね。重要なのは目的であり、人々が一緒に旅行したり、一緒に探検する計画を立てたりしてくれることを期待しています。特にQuest 2でより多くの人に VR を楽しんでもらうために、3Dのウェブサイトとしても、目的地としても、私たちがおすすめするのは友人やコミュニティと一緒に行き、一緒に探索したり、遊んだり、作ったりするために集る、ということです。

Grant:Horizonはちょっとした地下鉄みたいなものと考えてます。地下鉄に乗って パッといろんな場所に出ていけるんです。地理的にどのようにつながっているのか、物理的なモデルを持っている必要はありません。Horizonでは世界を繋ぐポータルを作ることができますので、ある章から次の章へと続く物語を作ることも可能です。私の場合は、世界がどのようにつながっているのか分かってしまっていますが、やはり地下鉄の地図のように線でつながっているような感じですね。物理的なものがあるようには感じておらず、それよりも本質的には新しいナビゲーション・パラダイムの中で、人々がどのようにここを感じてくれるのかはすごく楽しみです。

GamesBeat. これはメタバースにとって決定打になると思いますか?

Fitzgerald:「メタバース」という言葉は、社内でも人によって様々な意味を持っています。それよりも、私たちはここをVRでのソーシャルな交流を促進し、VRでのソーシャルエンゲージメントをより深くより豊かなものにし、人々が友達のつながりを持てるようにするための機会であると考えています。

私たちはHorizonを、人々がつながり、コミュニティや人間関係を形成し、VR が提供するその他のすべてのものを探求するための場所と考えています。Horizonはプラットフォーム上のトップゲームと競合するように設計されているわけではありません。映画館になろうとしているわけでもありません。コミュニティが形成できる場所であり、必要に応じてアクティビティが用意される、そういった人たちが入ってくることを可能にしたいと思っていますし、彼らが形成したグループとVRエコシステムの残りの部分を共有できるようにしたいとも思っています。これがVRのソーシャルエコシステムを構築する上での小さな次のステップになることを期待しています。

Grant:私はメタバースは ロールシャッハ・テストのようなものだと思ってます。確かにMeaghanが言ったことも大切です。メタバースが人によって異なる意味を持つため、個人的な経験則によるところも大きいのです。何をやりたいかを探す、ということそのものが私たちがやろうとしていることと非常に近いものになると思っています。

Horizonであなたの趣味や活動に興味を持っている人を見つけることができるでしょうか?この自分に関係のある人や活動のバーチャル空間をナビゲートできる場所を作ることが、私たちの目指していることであり、それぞれの人にとって意味のある体験を構築したいと考えています。異なるフィクションや他のものが、異なる方法でこういったシーンを表現してきました。私たちは特定の何かを決めつけたいわけではないのです。

GamesBeat:メタバースの質問は予想されていたんですね。ところで同じ会社でOculus Venuesのようなものを使って人を誘いたいと思うでしょうか?誰かが映画やイベントを見たいと思ったらすぐ行けるわけですから。ドアをくぐればその会場です

Fitzgerald:もちろんです。Horizonから他の体験に移る人を歓迎するのと同じですね。Horizonのパーティシステムは、Oculusプラットフォームのパーティシステムと同じなので、別のアプリケーションを探したい場合、グループで一緒に何かやりたいと思えばそれも可能です。そのように設定していますので、次にやりたい体験に飛び込むことができます。

Grant:そうですね、HorizonではOculusのパーティシステムを使用していますので、グループで旅行に行ったり、他の体験を探索したりすることができます。人々が何をしているかを観察して、人々にとってより物事が簡単になるようなことを優先していきたいと考えています。私たちが望むビジョンは、一緒に集まって活動したい人たちが、その人たちを見つけ、活動を見つけられるようになることです。そのために私たちができることは何か、ということに重点を置いています。(次につづく)

【via VentureBeat】 @VentureBeat

【原文】