【JSAI2023】生成AIにオリジナルの芸術を生み出すことは可能なのか

生成AIの急速な発展と普及により、人工知能への関心はますます高まっています。6月6日から6月9日まで開催された第37回人工知能学会全国大会から、「エージェント」というセッションを取材しました。このセッションでは、自動作曲による音楽スタイルの進化実験や、会話参入意欲の連続変化の定量測定、深層強化学習を用いた協調的狩猟の再現など、多様な分野におけるエージェントの活用事例や研究成果が発表されました。

AIにオリジナルの音楽スタイルを生み出すことは可能か

近年、機械学習アルゴリズムを活用した自動創作が注目されています。しかし、既存のデータを学習して模倣するだけでは、新しい創作スタイルを生み出すことは難しいとされています。京都大学、東京芸術大学、お茶の水女子大学、Niels Bohr研究所の共同チームが発表した「自動作曲を用いた音楽スタイルの進化実験における混合継承の効果」という研究では、進化学の手法を応用して文化の進化を再現する試みが行われました。

実験の内容は、遺伝的アルゴリズムを用いて確率的に多数の曲を生成し、人間による評価結果に基づいて作曲モデルの進化を検証するというものです。ただし、ランダム変異から進化を起こすのは困難なので、子の形質が両親の形質の中間になる遺伝形式の「混合継承」を取り入れることで、異なる作曲スタイルの融合による音楽の進化を再現しています。

まず、メロディーマルコフモデルや和声作用モデルからなる統計的形質を使用して、約10万個のパラメータを持つ作曲モデルを作成します。ここからランダムに選ばれた2つの作曲モデルを鑑賞者に提示し、聴き比べられた回数と「良い」と選ばれた回数から算出された評価値に基づいて、作曲モデルの適応度を推定します。この適応度に応じて親となる複数の作曲モデルが確率的に選択され、それらの混合継承によって世代更新を繰り返すという流れです。

11世代まで進化を繰り返した結果、50種類の作曲モデルは6種類まで淘汰されたということです。その過程で作曲スタイルは大きく変化し、平均評価値も増加しています。なお、作曲モデルの評価には約70名の大学生と大学院生が参加し、音楽が専門の学生も含まれているということです。また、鑑賞者と嗜好性と属性を調べた結果、音楽の好みは作曲の知識や経験の有無によって変化することも分かったそうです。

今回の実験では、作曲モデルの混合継承によって適応進化が確認できたことに加えて、作曲スタイルの適応度地形は複雑な構造を持つことが分かりました。また、進化のプロセスには揺らぎが必要であることは広く知られており、進化の速度が適応度の分散に比例することはFisherの基本定理で示されています。今回の実験でも、その比例関係が確認できたということでした。

人間が会話に参加しやすくなるシステムの開発は可能か

コミュニケーション手段の多様化にともなって、積極的な会話への参加を支援するシステムの需要が高まっています。AIモデルによって人間の対話意欲をリアルタイムに数値化できれば、これまでにない高度な対話支援が可能であると考えられています。京都産業大学大学院のチームは、「会話参入意欲の連続変化の定量測定に基づく適切な会話参入支援タイミングの検討」というタイトルで研究成果を報告しました。

この実験では、東京電機大学グループディスカッションコーパス（TDU-NEDO）という会話素材をもとに作成した7分半の動画を被験者に視聴してもらい、会話参入意欲値連続入力用物理スライダーという入力インターフェイスを用いて、連続的に変化する対話意欲を測定しています。その後、アンケートとインタビューを実施し、各場面で入力値をどのように決めていたか、会話に入りやすい時とそうでない時の違い、自身が普段から積極的に会話に参加するかといった質問に答えてもらったということです。

16人の被験者のデータを収集し、100ミリ秒毎に再サンプリングすることで意欲値の分布を評価した結果、意欲値は大きく5段階に分類されることが明らかになりました。レベル1はディスカッションの内容を理解しようと頭の中で考えを整理している状態、レベル2は自分の考えが具体的に頭の中で言語化された状態、レベル3は言語化できた内容を発言するタイミングをうかがっている状態、そしてレベル4とレベル5は被験者が自分の意見を意識的に発言している状態です。

各意欲レベルの人数分布を調べた結果、16人中11人が意見を出すタイミングに迷っていたが（レベル3）、最終的には16人中15人が会話に参加していた（レベル5）ことが分かりました。また、意欲レベルを段階的に変化させた人数が16人中11人だったのに対して、レベル3の段階を飛ばして躊躇なく最大レベルに達した被験者は4人だったということです。さらに、16人中1人は一度も自分の意見を発言しませんでした。

このほか、最大8人が同時にレベル5に到達した際の会話状況を調べた結果、沈黙が発生したタイミングで会話意欲が最大になり、複数人が笑うタイミングで意欲レベルが高い状態が継続していることが分かりました。このことから、参入意欲の向上には意図的に沈黙と笑いを生じさせるシステムが有効と考えられます。一方で、意欲レベルの段階には個人差があり、支援対象によって個別の支援方法を検討する必要があるということでした。

生物集団による協調的狩りに高度な認知能力は必要か

ライオンやイルカ、チンパンジー、オオカミといった生物集団による協調的な狩りは、自然界で広く観察されている行動です。協調的な狩りには生存上の利点が多いことから、生物の進化の過程で発展した行動であると考えられています。これまでは協調的に狩りを行うには高度な認知能力が必要だと考えられてきましたが、近年の研究で鳥類や爬虫類、魚類にも協調的狩猟が可能であることが報告されています。

名古屋大学、理化学研究所、JSTさきがけのチームが発表した「深層強化学習を用いた協調的狩猟における学習過程の探索」という研究では、「協調的狩りに高度な認知能力は必要か」という生物学的な問いに、マルチエージェント深層強化学習を用いて情報学的にアプローチしています。

複数の捕食者と被食者のエージェントを使った協調的狩りの再現には、生物の学習過程との対応が多数報告されている「Deep Q-network」（DQN）というアルゴリズムを採用しています。生態学的知見をもとに、捕食者数、それらの移動速度、報酬を共有するかどうかの3つの条件を設定し、それぞれの組み合わせで100万回のシミュレーションを行いました。

その結果、各個体の移動軌跡から、捕食者の移動速度が被食者より高い場合と同等の場合では、当然のことながら協調的狩りに頼ることなく早い段階で獲物の捕捉に成功していることが確認できます。一方、捕食者が被食者よりも遅い条件では、移動軌跡が圧倒的に複雑になり、協調的狩りの有効性が示されています。このことから、協調的狩りが実現するには捕食者の移動能力が被食者よりも劣っていることが条件であることが分かります。

実際に獲物を捕捉した個体が報酬を独占する場合と、狩りに参加したすべての個体で報酬を共有する場合でも、各個体の行動が大きく異なっていることが確認できます。前者ではすべての捕食者が同様の軌跡で獲物を追いかけているのに対し、後者では獲物を追い込む個体と待ち伏せして挟み込む個体で役割分担が生まれています。さらに、移動軌跡を重ねたヒートマップの時系列変化からは、捕食者が2体の場合はそれぞれの役割が固定されているのに対して、3体の場合は役割が変化し続けていることが確認できました。

実験の結果は、協調的狩りが成立する条件は捕食者が移動能力で被食者に劣っており、さらに報酬を群れで共有することであり、捕食者に高度な認知能力は必ずしも必要ないことを示唆しています。また、捕食者数が3体の条件では、捕捉の成功率の差が各個体が担う役割の定着度と関係している可能性が高いことがうかがえます。これらは協調行動の進化メカニズムを理解する上で重要な知見であると考えられます。

Writer：Ritsuko Kawai / 河合律子