深層・統計学習と非平衡系物理の理論に基づく文化と知能の進化モデルの研究

点击翻译按钮获取中文摘要

2022年度は、特に、データ収集、文化進化モデルの時間発展解析、機械学習を用いた文化進化データ解析、創作データの時間発展の可視化手法、および進化モデルの音楽情報処理への応用において成果が得られた。データ収集では、チャート曲の楽譜データおよびメロディー・コード進行データ、歌詞データ、絵画画像データの収集・整備をして、その基礎統計分析を行った。文化進化モデルの時間発展解析では、高次元の統計量空間の点で表される創作物データに対して、クラスタリング分析と適応度に基づく時間発展モデルを統合することで、クラスター間相互作用とクラスター内相互作用の両方を扱う枠組みを研究した。これにより、日本および米国のポピュラー音楽の作曲スタイルの進化において、クラスター間とクラスター内ダイナミクスの両方が同程度に重要であることを示した。また、データから進化ダイナミクスの動力となる適応度関数を推定する統計的手法を開発し、実際のデータに適用することで、一般的な回帰手法よりも高精度で将来の創作スタイルの分布の予測が可能なことを示した。創作データの時間発展の可視化手法の開発では、創作物データを次元削減手法により得られた2次元空間上で可視化して時間発展を分析する方法、クラスター分析の結果を用いてクラスターの相対頻度および分散などのクラスター特性を可視化する方法、そして、クラスターごとに統計量の時間発展を描写する方法の開発を行った。音楽情報処理への応用では、自動作曲システムCREEVOの公開を行い、既存データから学習した作曲モデルおよび進化分析によって得られた作曲モデルを多数の利用者に評価してもらうことにより、後者においてより高評価の作曲モデルが得られることを実験的に示した。これは作曲モデルを進化させることにより、従来の機械学習よりも高品質の音楽生成手法が実現できることを示す点で重要な結果であると言える。