二人はテレビのクイズ番組「Jeopardy」で合計500万ドル以上の賞金を獲得した。彼らは番組が数十年にわたって輩出した最高のプレイヤーだった。ケン・ジェニングスは74回の優勝で最長無敗記録を樹立し、ブラッド・ラターは総額325万ドルで最高賞金を獲得した。
ラターとジェニングスはクイズ番組「ジェパディ」の常連だった。2011年初頭、二人はクイズ番組「ジェパディ」の壇上に立ったことのない相手とのエキシビションマッチに臨むことになった。
しかし、この無名のジェパディ参加者は、100万ドルの試合で2人の巨人と対戦するために何年も準備し、優勝の可能性を高めるために過去の優勝者と100回も対戦した。
その対戦相手は笑顔を見せず、いつも同じ無表情な口調で答え、他の出場者と同じ部屋に座ろうともしませんでした。冷静さを保つのに必死で、あまりにも騒々しかったため、壇上に立つのはあまりにも邪魔だと考えられていました。彼は奥の部屋に閉じ込められ、答えはスタジオに中継されました。
彼が何を考えているのかは、見た目だけではわかりません。特に難しい問題に頭を悩ませているときに、ほんの少し色が変わるだけでわかるかもしれません。
挑戦者は最初から次々と正解を連発した。ビートルズの曲、オリンピックの歴史、文学上の犯罪者について熟知していた。もちろん、ハリー・ポッターのことはよく知らなかったが、それでもリードを広げ、ラターとジェニングスに数千ドルの差をつけさせた。
しかし、数十年にわたる疑惑が彼を翻弄し、ラターは反撃に転じ、試合の勝敗に賭ける者を動揺させるほどの資金を蓄えた。特別エキシビションマッチの最初のショーが終わる頃には、どの賭けに賭けるのが一番安全か判断に窮していただろう。
しかし、二重の危険が迫った。新進気鋭の彼は、大きな問題にも力強く取り組み、確信が持てない予想でも勝利を収め、奇妙な賭けを成功させた。
第2話の終わりまでに、無名のジェニングスは、最も近いライバルであるラターより2万5000ドル多く獲得していました。ラターとジェニングスは、新人のラターに叩きのめされそうになり、相手が何度も先を越すたびに苛立ち、ますます不安そうにしていました。
ジェニングスは第3話で終盤に反撃に出たが、新たな対戦相手は徐々に資金を取り戻し、接戦を繰り広げた。
最後の質問「ウィリアム・ウィルキンソンの『ワラキアおよびモルダビア公国に関する記述』がこの作家の最も有名な小説の着想を与えた」に対して「ブラム・ストーカーとは誰か」には 3 人とも正しく答えたが、ジェニングス氏は「私個人としては、新しいコンピューター支配者を歓迎します」と付け加えた。
彼とラターはワトソンに負けた。ワトソンはIBMが作った部屋ほどの大きさの巨大なマシンで、同社の創設者トーマス・J・ワトソンにちなんで名付けられた。
Watson は 10 台の Power 750 サーバーを 10 台のラックに収めて構成されており、冷却システムの騒音のため人間の競技者から離して置く必要がありました。表彰台では IBM の Smarter Planet ロゴのアバターによって代表されていました。その動く線は、Watson が難しい問題を解くと緑色に、答えが間違っているとオレンジ色に変わりました。
ワトソンはクイズマスターの声を聞くのではなく、テキストで質問を受け取っていたが、質問について考え、ブザーを鳴らし、最も正しいと思われる答えを答え、賞金を合計するという、人間のゲームと同じようにプレイした。
そしてワトソンは多くの場面で正しかった。彼は77,147ドルを獲得し、ラターとジェニングスをそれぞれ21,600ドルと24,000ドルで圧倒した。
結局、Jeopardy で実際に優勝したマシンは、まさに機械だったことが判明しました。
3 晩、2 人、1 台のマシン、そして 100 万ドル。IBM のワトソンがクイズ番組「Jeopardy」で 2 人の人間の出場者に勝利したことは、このマシンが一般大衆の意識に強く印象づけられた最初でおそらく唯一の瞬間だった。
しかし、ワトソンが今や有名になった勝利を収める以前から、IBMはクイズ番組を席巻するキュートなマシンを本格的なビジネス競争相手に変える方法に取り組んでいた。
Watsonは、テレビ出演の5年前、IBMリサーチの幹部が次なる「グランドチャレンジ」を模索していた頃に誕生しました。IBMは定期的にグランドチャレンジを開催し、人間と機械が対決し、国際的な注目を集め、理解しやすく、科学・数学分野の仕事に就きたいと考える人々を惹きつけるプロジェクトを選定しています。Watson以外にも、グランドチャレンジからは、チェスのグランドマスター、ガルリ・カスパロフを破ったことで有名なディープ・ブルーや、スーパーコンピューター「Blue Gene」が誕生しました。
2000年代半ば、IBMは次なるグランドチャレンジを模索していました。当時IBMリサーチのディレクターだったポール・ホーンは、チューリングテストに合格できる機械の開発に意欲的でした。チューリングテストとは、人間を騙して別の人間と会話しているように思わせることで機械の知能を測定する手法です。
チューリングテストに合格するのは非常に困難であり（未だに機械がそれを達成した例はありません）、他のプロジェクトのように人々の想像力を掻き立てることはないだろうと考えられていました。しかし、人間との競争と人間の音声理解という要素を両立させられるような、関連する課題は他に何かあるのでしょうか？
「ジェパディで人間に勝つことは、まさにその方向への一歩です。問題は複雑で微妙なニュアンスがあり、そうした質問に答えて人間に勝つには、特殊なタイプのコンピューターが必要です。私は当時、研究部門を率いており、組織内の人々、特に（IBMソフトウェア部門の元エグゼクティブ・バイスプレジデントの）チャールズ・リケル氏にあれこれと質問していました」とホーン氏は語った。
リケル氏がジェパディで優勝できるコンピューターを作るという挑戦に着想を得たのは、チームとの夕食がきっかけだった。「ニューヨーク州フィッシュテイルのステーキハウスにいました。夕食の最中、突然レストランの全員がバーに集まってきました。私はチームの方を向いて『何が起きているんだ？』と尋ねました。とても奇妙な体験でした。私はジェパディをあまり追っていなかったのですが、実はケン・ジェニングスが連勝中だったんです。皆、彼が今夜も優勝するかどうか知りたくて、バーに見に行ったんです」とリケル氏は語る。ジェニングスはその夜再び優勝し、現在もジェパディで74回出場無敗という最長無敗記録を保持している。
クイズチャンピオンマシンというアイデアは、リケル氏のチームをすぐには納得させられなかった。リケル氏の優秀なスタッフの多くは、機械が生身のチャンピオンと競争できるどころか、勝つことなど到底できないと言っていたのだ。
「当初彼らは、これは取り組むには馬鹿げたプロジェクトであり、奇抜すぎるし、本当のコンピュータサイエンスのテストではないし、どうせ実行できないだろうと言って、ノーと言った」とホーン氏は語った。
それにもかかわらず、Jeopardy の優勝者を作るという挑戦を引き受けるほどの冒険心のあるチームが見つかりました。
まだ小規模なプロジェクトで、商業化など誰も真剣に考えていなかった。グランドチャレンジはデモンストレーションプロジェクトであり、会社にとってのリターンは収益への貢献よりも、生み出した話題性の方が多かった。商業化が実現すれば素晴らしいが、今のところ、WatsonはIBMにとってちょっとしたムーンショットのようなものに過ぎなかった。
この取り組みは当初の規模が大きかったため、研究グループの日常的な予算から資金が提供され、ビッグブルーの上層部の承認も必要なかった。つまり、ほとんどのプロジェクトのような商業的プレッシャーから自由に運営できたということだ。
ジェパディの特徴は、クイズマスターが問題を設定し、出場者が答えを出すのではなく、クイズマスターが答え（ジェパディ用語では「ヒント」と呼ばれる）を提供し、出場者がそれに対して質問をするという点です。機械は、ジェパディで出題される可能性のあるヒントに対して質問を生成するだけでなく、正しい答えを出す前に、まずジェパディの巧妙なヒントを解析し、何が問われているのかを理解できなければなりません。
IBMは、Jeopardyが提示したヒントとWatson自身の保存データの両方に含まれる自然言語コンテンツ、そしてWatsonが保持する構造化情報を調べる、超並列ソフトウェアアーキテクチャであるDeepQAを開発しました。情報の検索と重み付けを行う一連のプラグイン可能なコンポーネントを基盤とするこのコンポーネントベースのシステムは、約20人の研究者による3年の歳月をかけて、クイズ番組で人間の対戦相手よりも優れたパフォーマンスを発揮できるレベルに到達しました。
まず、DeepQAは質問の意図を理解し、利用可能な情報に基づいていくつかの可能な回答を導き出し、それぞれにスレッドを作成します。各スレッドは、数百のアルゴリズムを用いて証拠を解析し、情報の内容、情報の種類、信頼性、関連性の可能性などの要素を検討します。そして、Watsonが過去に学習した正解確率に基づいて、個々の重み付けを作成します。そして、それぞれの選択肢の根拠を示す、ランク付けされた回答リストを生成しました。
DeepQAが最終的にJeopardyでクエリできる情報は、様々な情報源から集められた2億ページに及ぶものでした。すべての情報はローカルに保存する必要がありました（Watsonはクイズ中にインターネットに接続できませんでした）。そして、かなりの速度で理解、クエリ、そして処理する必要がありました。Jeopardyの場合、Watsonはブザーが鳴る直前に答えを出すために、数秒で答えを吐き出す必要がありました。
「2007年末にIBMを去ったとき、ワトソンはまだ初期段階のプロジェクトでした」とホーンは語る。「チャールズ・リケルの部署には3人のスタッフがいて、昔のクイズ番組「ジェパディ」からデータを取得し、機械のトレーニングを開始していました。当時は5歳児に勝つのがやっとで、『大人に勝つなんて、ましてやグランドチャンピオンに勝つなんて、神のみぞ知る』という予測でした。その後、徐々に勝機が見えてきた頃、ジョン・ケリーのリーダーシップの下、デイブはプロジェクトを本格的なものへと成長させました」とホーンは語った。
IBM で Watson に自己負担を負わせるという構想がいつごろ具体化したかについてはまだ議論があるが、Watson が Jeopardy で優勝したパフォーマンスでステージに立ったとき、番組では IBM の幹部らがヘルスケア分野での同システムの利用の可能性について語っており、Jeopardy 番組が放映されてから間もなく Watson 事業部門を設立する動きが始まった。
IBM の当時の CEO サム・パルミサーノ氏と、当時 Watson の責任を負っていた現 CEO ジニー・ロメッティ氏は、受賞から数週間後に話し合いを開始し、プロジェクトは IBM リサーチの傘下から IBM ソフトウェア グループに移されました。
2011 年 8 月、Watson ビジネス ユニットが正式に発足し、その責任者は、数年前に勤務していた Webify が IBM に買収された際に IBM に入社した Manoj Saxena 氏でした。
サクセナ氏はその部門の第一号社員だった。3ヶ月以内に、ワトソン部門に107人の新スタッフが加わった。そのほとんどは自然言語処理と機械学習分野の技術者だった。
Watsonが商用サービスを展開する最初の業界としてヘルスケアが既に提案されていましたが、医療業界だけに限定する予定はありませんでした。情報集約型産業であればどこでも対象となり、Watsonが人間よりも速く取り込み、理解し、処理できる膨大な量の非構造化データや半構造化データが存在する限り、どこでも対象となりました。ヘルスケアは出発点となるかもしれませんが、銀行、保険、通信業界も候補に挙がっていました。
しかし、クイズ番組の優勝者を、どうすればもっとビジネス向きの人間に変えられるのでしょうか？ワトソンチームの最初の仕事は、IBMリサーチから引き継いだマシンを操作し、ワトソンに組み込まれた41個のサブシステムを理解し、ワトソンがスーツとネクタイを着られるようになる前に、何を修正する必要があるかを見極めることでした。
Watsonユニットの初年度には、システムの高速化とスリム化が図られました。「スレッドとソフトウェアの動作をシリアル化し、パフォーマンスを大幅に向上させました」とサクセナ氏は語ります。「現在のシステムは、Jeopardyシステムと比較して約240%高速化され、サイズは16分の1になりました。かつては主寝室ほどの大きさだったシステムが、今では2段式冷蔵庫の野菜室ほどの大きさのシステムで稼働するようになります。」
別の見方をすれば、高さ9インチ、幅18インチ、奥行き36インチ、重さ約100ポンドのPower 750サーバー1台ということになります。システムを企業にとって扱いやすいサイズに調整した後、同社はそれを引き受けてくれる顧客を探し始めました。
IBMは、Jeopardyで優勝した当初から、Watsonの最初の事業分野としてヘルスケア分野を位置づけていました。しかし、Jeopardy WatsonとヘルスケアWatsonは共通の伝統を持ちながらも、それぞれ異なる存在です。IBMはWatsonのコードを商用版にフォークしたのです。
ジェパディ・ワトソンの課題はただ一つ、答えを導き出し、理解し、それに対応する質問を見つけることでした。これはシングルユーザーシステムであり、仮に3人のクイズマスターが3つの答えを出せば、マシンは混乱に陥っていたでしょう。ワトソンは、数十人、数百人、あるいはそれ以上の数の臨床医が同時に質問を投げかけるシナリオ、それも単一の質問ではなく、複数の関連する質問が次々と繰り出される複雑な会話、しかも非標準的な形式での質問といった状況に対応できるよう、改良する必要がありました。そしてもちろん、英語という言語自体の複雑さも考慮する必要がありました。
「Jeopardyを超えるには、根本的な革新が必要でした。コアエンジンを中心に、膨大な量の前処理、後処理、そしてツールを追加しました」とサクセナ氏は付け加えた。「フェラーリのエンジンを手に入れて、それをベースにレーシングカーを一台作ろうとするようなものです。私たちが受け継いだのはコアエンジンでした。『よし、オリジナルのJeopardyシステムでは求められていなかったあらゆることを実現する新しいものを作ろう』と考えたのです。」
Watson を Jeopardy から腫瘍学へと移行させるため、Watson チームはコンテンツの適応、トレーニングの適応、機能の適応という 3 つのプロセスを経てきました。言い換えれば、Watson に医療情報を与えて適切に重み付けし、練習問題でテストし、必要に応じて技術的な調整 (分類の微調整など) を行うというプロセスです。
ヘルスケア分野へのコンテンツ適応は、クイズ番組でワトソンを高速化させるのと同じ道を辿りました。つまり、情報を与え、正解がどのようなものかを示し、次に正解を推測させ、間違っていれば訂正させるのです。Jeopardyでは、番組から何千もの質問と回答のペアを与え、正しい回答がどのようなものかを示しました。その後、回答だけを与え、質問を考えさせました。間違えた場合は訂正しました。機械学習を通じて、ワトソンはこの回答と質問の組み合わせを理解し始め、それに応じてアルゴリズムを修正していきます。
「このAIには、病歴が分かっていて適切な治療法が分かっている症例を数多く入力する。そして、クイズ番組「ジェパディ」のトレーニングと同様に、症例を与えられ、治療法を提案する」とコーン氏は語った。
一部のデータは、IBMが「Jeopardy」風ゲームと表現する「Doctor's Dilemma」から取得されたものです。このゲームには、「関節痛、腹痛、触知可能な紫斑、腎炎性沈着物を特徴とする症候群は何か？」という質問が含まれています。（もちろん、答えはヘノッホ・シェーンライン紫斑病です。）
コーン氏は、「このトレーニングは継続的なプロセスであり、ワトソンは腫瘍専門医が有益だと考える合理的な推奨を行う能力を急速に向上させています」と語る。
2012 年までに、2 つの医療機関が Watson の試験運用を開始していました。
米国最大手の保険会社の一つであるウェルポイントは、医療分野におけるワトソンの応用を定義するのに貢献した2社のうちの1社でした。もう1社はメモリアル・スローン・ケタリングがんセンター（MSKCC）です。IBMと既に関係を築いていたこのセンターは、IBMのアーモンク本社と、現在も最初のワトソンが設置されているニューヨーク州ヨークハイツの研究施設からほど近い場所にあります。
そして、この関係こそが、ワトソンががん治療分野に初めて商業的に進出するきっかけとなりました。医療分野におけるワトソンの最も明白な応用は診断ツールとしての利用かもしれませんが、がん患者に適切な治療法の選択を支援するという点はさらに理にかなったものでした。MSKCCは三次救急医療センターであり、患者が来院する頃には既に診断が下されていました。
そこでワトソンは、まず腫瘍専門医の助手として、MSKCC自身のデータ、医学雑誌、論文、患者の記録など、膨大なデータと患者の好みを分析し、治療選択肢を提案する役割を担うことになりました。それぞれのデータは、ワトソンが算出した関連性に応じて重み付けされます。
JeopardyのWatsonとは異なり、ヘルスケアWatsonはオンライン化も可能で、すべてのデータを保存する必要はありません。Watsonは60万もの情報源から200万ページに及ぶ医療データを処理する必要がありましたが、Jeopardyで蓄積された一般知識、例えばWikipediaの詳細情報も活用できました。（ただし、WatsonはUrban Dictionaryは使用していません。昨年末にWatsonに入力されたこの辞書は、研究者の質問に「bullshit（くだらない）」という言葉で答えた後、削除されたと報じられています。「興味深い回答がいくつか見つかったため、削除せざるを得ませんでした」とサクセナ氏は外交的に語りました。「これは二度と繰り返してはなりません。特定のケースでは非常に不適切と見なされる可能性があるためです。Watsonに適切なビジネス行動を教える必要がありました。」）
そのため、現在ではNatureやBritish Medical Journalといった医学雑誌が情報源となっています。また、他にもセーフティネットは存在します。
「ティーチングフェーズでは、医師（この場合はがん治療の専門医）がワトソンに質問をし、機械学習を修正します。医師とデータサイエンティストが隣同士で座り、ワトソンを修正します。偽造情報、矛盾する情報、あるいは製薬会社から提供された情報など、医師がバイアスの可能性があると感じるものがあれば、トレーニングサイクル中に検出されます」とサクセナ氏は付け加えました。
WellPoint と MSKCC は、大量の医学文献やその他の情報 (患者の治療歴や家族歴、臨床試験、医学雑誌の記事など) を読み取って理解し、治療方針を推奨して腫瘍医を支援するシステムの基盤として Watson を使用しました。
両組織との1年間の協働により、Interactive Care Insights for Oncology、そしてWellPoint Interactive Care GuideとInteractive Care Reviewerという商用製品が誕生しました。Interactive Care Insights for Oncologyは肺がん患者向けの治療計画を提案し、WellPointのNew Interactive Care GuideとInteractive Care Reviewerは臨床医の提案した治療と患者の治療計画を比較検討します。これらは今年中に1,600の医療機関で利用される予定です。
しかし、ワトソンは単なる臨床医のアシスタント以上の大きな野望を抱いている。IBMによると、ワトソンの医学知識は医学部1年生程度で、近い将来、ワトソンが医師免許試験に合格することを望んでいるという。
「私たちの現在の取り組みは、医療現場、特に慢性疾患に関する取り組みのごく初期段階にあります。まずはがんから取り組みを始め、間もなく糖尿病、心臓病、メンタルヘルス、その他の慢性疾患も対象に加える予定です。そして、支払い面では、病院、診療所、保険会社間の認可・承認プロセスの合理化に取り組んでいます」とサクセナ氏は述べた。
Watson の最終的な目標は診断の補助となることです。現在のように単にがんの治療法を提案するのではなく、そもそも患者が診療所を訪れる原因となっている病気を医師が特定するのを支援することができます。
それまでに、やるべき仕事があります。ビッグデータベンダーはしばしば非構造化データの増加とリレーショナルデータベースの廃止を喧伝しますが、Watsonにとって、より深刻な問題となるのはこうした古いデータソースなのです。
「Watsonは特に自然言語、つまりフリーテキストやテキストに似た情報を扱っており、私たちが利用できる膨大な医療情報の約80%は自然言語で処理されます」とコーン氏は述べた。「そして残りの20%は構造化データ、つまり基本的には数値データ、あるいはMRIやCTスキャンなどの画像です。Watsonは構造化データを直接処理したり、画像を解釈したりすることはありません。画像に添付されたレポートは解釈できますが、画像そのものは解釈できません。」
さらに、IBM は、腫瘍学の分野を超えて、より幅広いヘルスケア サービスの提供に取り組んでいます。
「ワトソンはこれら2つの組織と連携していますが、設計者とコンピューター科学者が重視しているのは、開発するものが汎用性を持つということです。がん治療、特に私たちが取り組んでいるいくつかのがん種に限ったニッチなものではなく、汎用性も備えています。私たちはワトソンを学習プロセスとして活用し、医療のあらゆる分野に容易に汎用化できるアルゴリズムと手法を開発しています。彼らは、『腫瘍学はコントロールできたので、今度は家庭医療や心臓病学からやり直しましょう』と言わなくても済むのです」とコーン氏は述べた。
Watsonは既に銀行業界でも注目を集めています。シティバンクはWatsonを活用して、銀行における顧客体験の向上と新たなサービスの開発に取り組んでいます。Watsonの活用方法は容易に想像できます。例えば、リスクが境界線にある法人顧客が申請したローンを返済する可能性が高いかどうかを判断したり、顧客が気付く前に詐欺や個人情報の盗難を検知したりといった活用が考えられます。
シティのワトソン実験はまだ初期段階にある。広報担当者は、現在は「ユースケースを模索している」と述べた。
今後、市場に投入されるWatson製品は、スタンドアロン製品ではなく、IBM Smarter Planet製品ラインに組み込まれることになります。これらの製品は今年後半に登場予定です。
Smarter Planetの最初の製品、IBMエンゲージメント・アドバイザーが5月に登場しました。コンタクトセンター向けのエンゲージメント・アドバイザーの根底にある考え方は、カスタマーサービス担当者が顧客とのヘルプラインでの会話中に、自然言語を使って企業のデータベースやその他の情報源に問い合わせることができるというものです。このサービスをテストしている企業の一つにオーストラリアのANZ銀行があり、コールセンターのスタッフが電話をかけてきた顧客に金融サービスを推奨する支援を行う予定です。
おそらくワトソンは将来、利用可能な証拠を徹底的に調べて、話せる人を見つける最適な時間を見つけ、肯定的な反応を生みそうなコミュニケーションチャネルを決定したり、不満を抱えた顧客をソーシャル メディアで詳しく調べて、自然言語で彼らの問題に対する答えを提供したりできるようになるだろう。
Watsonの提供方法も変更される予定です。コールセンターの担当者を介したやり取りだけでなく、顧客はまもなくエンゲージメント・アドバイザーを活用できるようになります。例えば、新しい洗濯機の故障について問い合わせた顧客や、ポートフォリオの更新についてアドバイスを求める株式トレーダーに対し、コールセンターの担当者がWatsonが生成した情報を読み上げるのではなく、消費者やトレーダーはスマートフォンやタブレットから直接、企業のアプリに質問を入力することでWatsonに質問できるようになります。Forbes誌によると、Watsonを基盤としたアプリは今年後半にリリースされる予定です。
IBM幹部らは以前、ワトソンが最終的にはSiriのスーパーチャージ版となり、人々が自分の電話に直接話しかけて複雑な質問をし、ワトソンが答えられるようになる可能性を示唆していた。例えば、農家がスマートフォンをかざして畑の動画を撮りながら、トウモロコシを植える時期をワトソンに尋ねるといったことだ。
IBMはWatsonとSiriの違いを明確に説明しようと躍起になっている。「Watsonは自分が知っていることを知っている。そして、聞き取り、学習し、人間のような思考能力を用いることでビッグデータから洞察を引き出す。同時に、Watsonは自分が知らないことも素早く把握する。一方、Siriは単にキーワードを探してウェブ上で選択肢のリストを探し、その中から一つを選ぶだけだ」と同社は述べている。しかし、この比較は妥当だ。Watsonは、無限の知識を持つパーソナルアシスタントとしての未来を確かに切り開く可能性がある。
IBMは既存のパートナーシップを踏まえると、Watsonに音声認識機能を追加することはそれほど大きな成果ではないだろう。しかし、そのためにはWatsonが画像認識（IBMは既にこれに取り組んでいる）を行う必要があり、新聞、書籍、写真、公開されているデータリポジトリ、ソーシャルメディア、そしてインターネット全体など、あらゆる情報源に問い合わせを行う必要がある。Watsonが今後数年でそのような役割を担うことは、特にその処理がモバイル端末ではなくIBMのデータセンターで行われるのであれば、確かに実現可能と言えるだろう。
IBMはWatsonの機能をより多くの製品に組み込もうとしていますが、今後数年間でWatsonがどの程度普及すると見ているのでしょうか？「機能の拡張を続けながら、Watsonを様々な業界でサービスとして提供していく予定です」と、決まり文句のように述べるだけでしょう。もっと良い答えが欲しいですか？Watsonに聞いてみるのが一番です。
