対話型最適化に寄る感性情報のメタモデルの抽出と応用

点击翻译按钮获取中文摘要

本研究では、数値化や記述が困難な人間の感性情報を、人間とコンピュータとの対話を通して明らかにし、意思決定やデザイン設計に応用することを研究目的とする。E-co㎜erceなどに見られる従来の情報推薦はアクセス履歴などに基づくコンテンツ同士の関連度から呈示を行うものである。これに対し、本研究では個人ごとに、そして対象問題ごとに異なる感性モデルから共通するモデル、普遍的なコンセプトと言えるメタモデルを抽出し、応用した新しい推薦技術の確立を目指していることに意義が存在する。これらのモデル抽出を可能とする手法として、対話型遺伝的アルゴリズムに着目している。ユーザの評価と最適化計算を繰り返すことで、ユーザの感性モデルを特徴空間中の景観(ランドスケープ)の形状によって表現する。この対話型遺伝的アルゴリズムを用い、感性のメタモデルを抽出するために、以下の問題を解決していく必要がある。(A)複雑な感性モデルの推定、(B)ユーザの評価の揺らぎの検討、(C)メタモデルの抽出技術の検討である。課題(A)については採用第一年度に、多峰性の感性モデルにおいて複数の最適化を求めるアルゴリズムを開発した。採用第二年度目である本年度は、課題(B)について取り組んだ。対話型最適化手法では、ユーザの主観的な評価値を用いてランドスケープの探索を進めるため、ユーザの評価に揺らぎが生じるとその感性モデルを正しく抽出できなくなる。そこで、ユーザの評価の揺らぎについて検証し、さらにより正確な評価値を得るための一手法として脳活動情報に着目した。ユーザの解候補を評価するときの脳活動を計測し、感性的な評価値との関係を定量化することで、脳活動情報による評価値の算出や補正を行うことを試みた。本研究ではこのためにMRI装置を用いた生体情報の取得と利用について数回の被験者実験を行っている。さらに年度の後半には非常に精度の高いMRI装置を借用し、大規模な被験者実験を行ってユーザの脳活動と嗜好との関連性について調査を進めた。これらの研究の成果については適切な機会に研究発表を行い、外部に公開している。