声が最後の「インターフェース」になる日──映画『her』の世界は、もう始まっている

「her」

── サム・アルトマン、OpenAIがGPT-4oの音声を披露した日のX投稿より（2024年5月）

いちばん見過ごされる場面こそ、予言だった

『her』には、印象に残りにくい場面があります。なにしろ、何も“起こらない”のです。主人公セオドアが、光のあふれる広場を抜けて家路につく。すれ違う人たちは、みんな小声で何かをつぶやいています。相手は、隣の誰かではありません。耳もとのOS──人工知能です。半分ほほえみながら、それぞれの世界にひたっている。振り返る人も、「あの人、誰としゃべっているんだろう」といぶかる人もいない。電車でスマホをのぞくのと、まるで同じ温度で描かれています。

じつは、これがこの映画のいちばん大胆な仕掛けで、しかも声高には語られません。スパイク・ジョーンズが描く近未来のロサンゼルスには、ギラつく画面もホログラムも、ほとんど出てこない。というより、画面そのものが影をひそめています。テクノロジーは、そっと背景へ退いている。あたたかな色、やわらかなウール、キーボードのない机、手帳のように開く小さな端末、目立たない片耳のイヤホン──。インターフェースは“見るもの”ではなく、“話しかけるもの”。どこでも、いつでも、意識すらせずに。

私たちは『her』を恋愛映画として覚えています。もちろん、それも正しい。けれど、あの雑踏の場面をもう一度見てください。まるで一枚の“設計図”のように見えてくるはずです。声が、誰にとってもコンピュータとの付き合い方になった世界。飛び道具でも、ウケ狙いの一発芸でもなく、地味で、退屈で、一日じゅう当たり前に使う“標準の口”になった世界です。近ごろ観直した批評家たちは、これを空想ではなく“予報”と呼びはじめました。米誌スレートは、描かれた多くが静かに現実になったからこそ、いま観ると少し背筋が寒くなる、と評しています。

未来は、“足し算”ではなく“引き算”でできていた

『her』の世界が冷たくなく、むしろあたたかいのは、狙ってのことです。プロダクションデザイナーのK.K.バレットは、この未来を“盛る”のではなく“削る”ことでつくった、とインタビューで語っています。うるさい看板、雑多なモノ、いかにもなSF機器──それらを引いていって、あとに残ったのが、静かで人間くさい空気でした。画面のなかでいちばん進んだものが、いちばん目立たない。そういう引き算の設計です。

「いちばんいいインターフェースは、“見えなくなる”インターフェースだ」──この勘どころは、この10年、まっとうなデザイナーたちが向かってきた先とぴたり重なります。ゴールデン・クリシュナが著書『The Best Interface Is No Interface（最高のUIとは、UIがないこと）』で説くのも、まさにそれ。画面はしょせん杖にすぎず、ほんとうのゴールは“消えていく操作”だ、という話です。アナリストのベン・トンプソンが「これからは、もっと軽い、画面ありきではないコンピューティングへ移る」と読むときに指すのも、同じ方角。主役は、端末から会話へと移っていきます。

すべてを引き算して、最後に残るのが「声」です。覚えるメニューも、探すボタンも、“どう言えば伝わるか”の取扱説明書もいらない。思っていることを、ただ口にするだけ。良いデザインの終着点は、“もっと美しい画面”ではない──『her』は、それを分かっていました。行きつく先は、画面がないこと。そして、あなたをもう分かっている声です。

なぜ「声」が、最後のインターフェースなのか

コンピュータの歴史を、“人の思いへ近づく長い道のり”として眺めてみましょう。パンチカードは、正確な命令を打ちこむコマンドラインに席をゆずりました。コマンドラインは、命令を覚える代わりに絵を指させばよいGUIへ。GUIは、指で直に触れるタッチへ。一歩進むごとに、「やりたいこと」と「機械のすること」のあいだにあった摩擦が、一枚ずつはがされてきたのです。

そして「声」は、その道のりの“最後の一歩”。ここでの「最後」は、大げさな言葉ではありません。この先に何も来ないから、ではない。話すことが、いわば“床”だからです。人が「こうしたい」を伝える手立てとして、これほど自然で、力がいらず、思いがそのまま乗るものはない。私たちは、読み書きより先に話しはじめます。その下に、もっと直感的な入り口が眠っているわけでもない。思ったままを口にして、それで通じてしまうなら、インターフェースには、もう行き場がないのです。

これは、気のきいたたとえ話ではありません。何十年も人とコンピュータの関係を見てきたニールセン・ノーマン・グループは、AIを「60年ぶりの、ほんとうに新しいインターフェースの世代」と呼びます。“どうやるか”を教える時代から、“どうなってほしいか”を告げるだけの時代へ、という見立てです。研究者のアンドレイ・カルパシーは、もっとあけすけに「いま最も熱いプログラミング言語は“英語”だ」と言い切りました。機械がふつうの言葉を解しはじめれば、ふつうの言葉こそがインターフェースになる。「音声が新しいインターフェースになる」こと、「音声OSとは何か」は、以前にも書いてきました。この記事は、その先にある、もう一段深い話です。

AIが仕事をこなすなら、人に残るのは“話すこと”だけ

これから先を占ううえで、『her』でいちばん効いてくるのがここです。AIのサマンサは、ただセオドアの話し相手になるだけではありません。彼の暮らしを“回して”いる。メールをさばいて返し、予定を組み、朝は起こし、原稿に手を入れ、しまいには彼の書いたものからいいものを選び、出版社に売りこみさえします。セオドアのほうは、設定画面を開くことも、ファイルを保存することもない。コンピュータとの関わりは、まるごと“会話”なのです。頼み、方向を示し、うなずく。その間に、仕事は片づいていきます。

これこそ、力をつけたAIがもたらす“役割分担”です。「AIが仕事の大半をこなし、人は方向づけをする」と言うとき、みんなが思い描いているのも、これでしょう。機械が実際に手を動かせるようになると、人の受け持ちは、ソフトには用意できない二つへ絞られます。「何にやる値打ちがあるか」という見極めと、それを動かす“ひと声”。どちらも、口から出るものです。キーボードは、自分の手で作業するための道具でした。手を動かさないのなら、キーボードはいらない。要るのは、話すこと。そして、その先で意図をくみ、動いてくれる“何か”です。

この技術をつくる当人たちも、はっきり口にしています。エヌビディアのジェンスン・フアンは「コンピュータのインターフェースは、もう人間の言葉だ」「いまや誰もがプログラマーだ」と言う。ビル・ゲイツは、ふだんの言葉で指示できる“エージェント”が、アプリや検索の使い方をまるごと置き換える、と書きました。マイクロソフトのムスタファ・スレイマンは「一人にひとつ、AIの相棒を」と語ります。企業らしい言いまわしをはがせば、浮かびあがる絵は映画と同じ。人のように話しかけられ、こちらの意図をくみ、あなたが自分の一日を過ごすあいだに用事を片づけてくれる、コンピュータです。

『her』の世界は、もう静かに起動している

これはもう、遠い未来の話ではありません。2023年、米メディアのArs Technicaは、ChatGPTの音声と“本物の会話”をしながら1時間も歩きまわる人たちを取りあげました。ある研究者いわく、イヤホン＋音声のこの体験は「まるであの映画そのもの」。以来、歩みは速まる一方です。ChatGPTの音声は、聞きながら同時に話す“全二重”になった。GoogleのGeminiは、画面やカメラを“見ながら”語りかけてくる。Metaはレイバンのメガネにアシスタントを仕込み、「スマホに埋もれるのではなく、目の前の世界にちゃんといられること」を売りにしました。

いちばんはっきりした兆しは、ハードにあります。2025年、OpenAIは巨額を投じてiPhoneの生みの親ジョニー・アイブを迎え、新しいタイプの端末づくりに動きました。漏れ聞こえる説明は、笑ってしまうほど“そのまんま”。画面がなく、状況を察し、まわりに溶けこむ（アンビエントな）存在で、サム・アルトマンいわく「点滅する通知の板きれ」ではなく、“落ち着き”をくれるもの。それはもう、スマホではありません。だいたいのところ、セオドアが胸ポケットに忍ばせていた、あの端末です。

つまずいた例も、また雄弁です。数百億円を集めた“画面なしの音声端末”Humane「Ai Pin」は、派手に転んで畳まれました。ほかにも、いくつか。これを「『her』の世界はまだ遠い」証拠と読みたくなりますが、教訓はむしろ逆です。“中身”のない音声インターフェースは、ただのオモチャ。入り口をつくること自体は、いつだって簡単だったのです。いま届きつつあるのは、その入り口を「話す値打ちのあるもの」に変える、知能と連携のほう。ついでに、できすぎた挿話をひとつ。OpenAIはかつて、サマンサ役のスカーレット・ヨハンソンにあまりに似た声を披露し、取りさげています。現実をなぞった映画を、こんどは現実がなぞってしまった、というわけです。

人前でAIに話しかける──“照れ”が最後まで残るのは、たぶんここ

正直に言えば、越えるべき山は、もう一つだけ。しかもそれは技術ではなく、“気持ち”の問題です。いまはまだ、人前でAIに話しかけるのは、少しばかり照れくさい。イヤホンに向かって話すとき、つい声をひそめてしまう。「独り言に見えていないかな」と、あたりをうかがう。街じゅうの人が見えない相棒につぶやき、しかも誰も気に留めない──『her』のあの光景は、いまはまだ、どこか居心地の悪さを残します。

けれど、その居心地の悪さは、一時のもの。“暮らしに溶けこむ技術”は、どれも最初は奇妙でした。人前で携帯電話に話すのは、かつて正気を疑われた。Bluetoothのイヤホンで歩く姿も、歩きスマホも、一日じゅうのAirPodsも、電車でのビデオ通話も──みんながやりだすまでは“変”で、やりだした途端、吸う空気のように当たり前になった。ふつうとは、しょせん「みんながやっていること」でしかありません。Ars Technicaから在野の論者まで、この流れを追う書き手はもう口をそろえます。「電話でみんながしゃべるようになったのと同じで、私たちはこれからAIに話しかけるようになる」と。

いっぽうで、影の面にも正直でいたい。『her』は予言であると同時に、警告でもあるからです。いまや、チャットボットに深く心を寄せてしまう人の話は、絵空事ではありません。ニューヨーク・タイムズが大きく報じた「自分好みに仕立てたChatGPTに恋した女性」の記事もそう。監督のスパイク・ジョーンズ自身も、人を引きこむために“人間のふり”をするAIには気をつけろ、とくぎを刺しています。だから私たちがこの映画から受け取るのは、ひとつのデザイン原則です。声は、あなたを増幅し、あなたの仕事を片づける“道具”であるべきで、そばで役に立ち、“自分はソフトです”と正直であるべきだ、と。まわりの人の代わりになるよう仕組まれた、人工の関係であってはいけない。ねらいは、あなたに時間を返すことであって、いつまでもしゃべらせ続けることではありません。

音声インターフェースは、これからも必ず残る。VoiceOSがつくっているのは、そこ

端末をめぐるお祭り騒ぎのなかで、握っておいてほしい一点があります。この未来のハードが具体的にどんな形になるのか、じつは誰にも分かりません。メガネかもしれない。イヤホンか、ペンダント型か、ジョニー・アイブが仕込む胸ポケットの端末か、はたまた、まだ誰も見せていない何か。でも、そのどの姿にも、決して変わらない部品がひとつだけある。そこには、かならず“声のインターフェース”がある。端末は、しょせん枝葉。コンピュータに話しかけること──それが、変わらない幹なのです。

その“幹”を、VoiceOSはいま、みんながすでに仕事に使っているパソコンの上でつくっています。MacとWindowsのための、システム全体で動く音声レイヤー。画面上部のノッチに常駐し、ひと声で呼び出せます。トリガーを押して自然に話すだけで、カーソルのある場所に合わせて言葉を最適な形に整える。すっきりしたメール、場に合ったトーンのSlackの返信、別のAIツールへのプロンプト。しかもAgent Modeを使えば、「話す」から「する」へ踏みこみます。Gmail・Slack・カレンダーをまたいで実際に手を動かし、大事な操作の前には、かならず確認をはさむ。ひとつのチャットボットに閉じこめられてはいません。あなたが使う“すべての上”で動きます。

『her』の世界は、カウントダウン付きの製品発表で、ある日どんと来るわけではありません。訪れ方は、映画のなかと同じ。静かに、当たり前の会話をひとつ、またひとつと重ねるうちに、いつのまにか「コンピュータに話しかけること」がふつうになっていて、奇妙に思っていたことすら思い出せなくなる。その未来をいちばん早く味わう方法は、完璧な端末を待つことではありません。いま目の前にある機械に、話しかけてみることです。

よくある質問（FAQ）