Question-Answering（質問応答）とは

Question-Answering（質問応答）は、人がふだんの言葉で尋ねた質問に、コンピュータが答えを返す技術です。たとえば「富士山の高さは」と聞かれたとき、関連するページの一覧を示すのではなく、「3,776m」と答えることを目指します。関連する文書を順に並べて返す情報検索とは、ここが違います。

歴史の中の質問応答

研究の歴史は古く、1961年には、野球の試合結果のデータについて英語の質問に答えるBASEBALLが発表されています。初期のシステムは扱う分野を限り、質問の文をデータの検索条件に変換して答えていました。

G検定の知識表現の項目では、IBMのワトソンが代表例です。ワトソンは2011年、米国のクイズ番組で歴代のチャンピオンに勝ちました。事典やニュース記事などの大量の文書から答えの候補を集め、根拠の強さから確信度を計算して答えを選びました。分野を限らない質問に答えるこの形を、オープンドメインの質問応答といいます。同じ項目には、大学入試に挑んだ東ロボくんも並びます。

自然言語処理のタスクとして

自然言語処理では、質問応答は代表的なタスクの1つです。主な形式には次のものがあります。

• 抽出型：与えられた文章から、答えにあたる部分を抜き出す。
• 生成型：答えの文を新たに作って返す。
• 知識ベース型：整理された知識のデータベースに問い合わせて答える。

2018年に発表されたBERTは、事前学習したモデルをSQuADなどの質問応答のデータセットでファインチューニングし、高い性能を示しました。いまでは、検索で集めた文書を大規模言語モデル（LLM）に参照させて答えを生成するRAG（検索拡張生成）も広く使われています。生成型では、もっともらしい誤りが混ざることがあるため、根拠の文書を確かめる運用が欠かせません。

覚え方

「情報検索は文書を返し、質問応答は答えを返す」と覚えます。