Shuttle Weatherについて

天気予報サービス Shuttle Weatherの要素技術について記載します。

パイプラインモデルをEnd-to-Endで実現

Shuttle Weatherはタスク指向型対話システムですが、パイプラインモデルをLLMで実装しています。

パイプラインモデルは4つのモジュールから構成されています。

発話理解　→　状態更新　→　行動選択　→　発話生成

LLMを使って実装していますので、実際には上記4モジュールは存在せず、End-to-Endで実現しています。

ユーザの発話（例えば、明日の京都の天気を教えて）をもとにフレーム(スロットと値)を取得し(上記の状態更新)、そのフレームの状態に応じて行動が選択されます。

天気予報の場合、ユーザから「何時」、どの「場所」の予報が知りたいのかを聞き出す必要があります。

この「何時」と「場所」の両方の値がスロットに格納されるまで（天気予報を調べることができる状態になるまで）LLMがユーザに質問を繰り返す仕組みになっています。

「何時」の値（明日）と「場所」の値（京都）を聞き出せれば、外部の天気予報サービスのAPIを呼び出して天気予報を取得し、ユーザにチャットメッセージとして表示するという動きを実現しています。

これら一連の動きをエージェントという技術により実現しています。

今、世界では様々な企業がエージェントAIの仕組みを開発しており、今後はエージェントタイプのサービスが増えてくると思います。

弊社も複数のエージェントAIを調査・使用していますが、Shuttle Weatherのような開発経験がお客様の様々なニーズを実現するために役立つと考えています。

(^^)