1
．は じ め に
古来，美学は哲学の一領域として，プラトン [エルラー 15]を始めとし，カント [佐藤 05] やヘーゲル [増成 87] など多くの哲学者によって語られてきた．カントは価値 を構成する要素として，真，善，美の三つをあげ，人々 が行動を計画あるいは評価する際の基準，あるいは，物 事を大事にする理由をこの三つのいずれかに帰着させ得 るものと考えた．真と善については人が生きるために役 立つことが容易に想像できるが，美はそれらの理由付け を拒否する．美しさの根拠は第一義的にはそれを感じる 主体である人の主観に置かざるを得ないとする主張をし ばしば耳にする．これは，いわゆる経験主義に基づく人 間観の典型である．心理学実験に依拠した認知科学研究 も，この考え方を引き継いだものと見ることができよう． 一方，多くの人々に合意される美しさという現象の 解釈として，自然の秩序あるいは合理性に根拠を求める 考え方もある．ヒト自身も自然の一部であり，美醜を判 断する機能も，二つの制約条件，情報処理機械一般に適 用される数理的な性質がもたらす条件と，それが長い年 月をかけて生物進化の過程から発生し得たものであると いう条件に基づき，解釈を与える試みである．デカルト [谷川 02]や現在の自然科学につながるベイコン[塚田 96] あるいはその後の [ニュートン 77] らの合理主義的世界 観は，思弁的な哲学から数理的アプローチへとつながる． 美学に対する進化心理学 [Buss 14] からの接近 [Dutton 10]も，ヒトの心理学的性質を進化的由来に基づき，科 学的必然性としての裏付けを見いだそうとしている． ヒトと同等の情報処理能力を機械で実現しようという 試みも長年にわたり行われてきた．20 世紀後半からの 計算機技術の進歩と，それを利用した人工知能研究およ び応用技術の発展は，それまで人間によって行われてき たさまざまな知的活動が，計算機を中心とする人工物に よって置き換えられること，ある種の知的作業は人工物 のほうが短時間に正確に実行できることが実証され，い くつかは実際に社会に実装され社会的価値を生み出して きた．1980 年代には知識工学 [小林 86, 野口 86] の名の もとに，計算機が人間専門家に代わって診断や設計を 行うという試みが多数なされた．Harold Cohen による AARON [Cohen 79, Cohen 95]は，開発者自身の絵画創 作に関する専門知識をある種のエキスパートシステムと して実現したもので，それが生み出した作品は，美術館 に展示され，また，アートマーケットでも実際に取引さ れる芸術作品として認められている[Garcia 16]．ただし， マシン自身が自律的な作家として認められているわけで はない．もちろん，ここで使われるマシンは絵筆や彫刻 刀とは異なり，複雑な計算のゆえに，設計者も十分具体 的な予測が困難な動作をする．作者とこのような複雑な 機械とそれがつくり出す作品の関係については議論が必 要であろう． 動物やヒトが行うのと同様の機能を人工物によって 実現する試みは，内燃機関や電動機のような動力，自動 車や飛行機などの移動手段などの形で実現されてきた． ディジタル計算機による人工知能実現の挑戦も，ヒトの 情報処理能力の人工物による実現と見ることができよ う．ただし，実現の方法については，飛行機の翼が鳥の ように羽ばたく必要のないように，機能的な要求さえ満 たされれば，手本となる動物やヒトの構造をまねなくと もよい．多くの場合，ヒトによる発明や創作などの創造 的作業は，対象領域の専門知識に基づいて注意深く行わ れる．一方，古典的人工知能の常套手段である生成検査 法，あるいは生物の適応に習った進化計算では，探索空 間内において資源の許す範囲での膨大な数の解候補の生 成と評価を用いることが可能である．ヒトにとっては退 屈な単純な繰返し作業を含む場合には，機械は容易にヒ計算美学尺度を用いた抽象画像自動生成の
試み
A Challenge on Automated Generation of Abstract Images by
Computational Aesthetics Measures
畒見 達夫
創価大学理工学部情報システム工学科Tatsuo Unemi Department of Information Systems Science, Soka University. [email protected], http://www.intlab.soka.ac.jp/~unemi/
Keywords:
computational aesthetics, generative design, artistic value, art made by machine. 「AI と美学・芸術」トの能力を凌駕する． 以下では，著者の試みである進化計算に基づいた抽 象的な自動創作を事例として紹介する．前半は，[ 見 14]，後半は [Unemi 16a] に基づいている．6 章は，本 稿のために書き起こしたもので，自動創作で用いた評 価尺度に対するもう一つの視点についての考察である． [Unemi 16b]に述べたように，マシンが創作する芸術の 可能性について思索するための材料としてお読みいただ きたい．
2
．画像の生成方法
以下に述べる視聴覚作品の生成は著者が開発したソ フトウェア SBArt [Unemi 09] に基づいている．この システムは，対話型進化計算法 [高木 98, Takagi 01] に より画像を育種するツールとして作成され，1993 年に UNIXワークステーション上で稼働する最初の版が公開 された．さらに図 1 に示すようなユーザインタフェー スを備えた創作支援ツールとして拡張された [Unemi 98a]．原理的には，この分野で先駆的な役割を果たした [Sims 91]の人工進化システムと同様に，関数式を表現 する木構造を遺伝型として用いる．この関数は，（x, y, t） で表される時空間座標から，色相，彩度，明度で表され る色空間への写像を表現する．ここで，二次元ベクトル （x, y）は画像内の画素の位置を表し，変数 t は動画にお けるフレームの時刻を表す．それぞれの関数式を構成す る関数記号として，負号，絶対値，三角関数，指数関数 など 9 種類の 1 引数関数と，加減算，乗除算，ベキ乗， 座標回転など 10 種類の 2 引数関数を用意する．また， 木構造の終端に対応する変数として，上記の三つの変数 の順列に基づく三次元ベクトル，定数として三つの実数 からなる三次元ベクトルを用い，関数も引数と演算結果 の両方に三次元ベクトルをとるものとする．ほとんどの 関数は，三次元ベクトルの各要素に独立に演算を適用す るが，第 1 引数と第 2 引数の第 1 要素の大小により，一 方の引数を結果とする選択的な関数も用意した．これら は，異なる二つのパターンのコラージュを生成する．遺 伝型の関数式の変数に画素の位置情報を代入し，結果を 画素の色として，矩形領域内のすべての画素について計 算を行い，画像を生成する．時刻が進むごとに指定され たフレームレートに従って時刻変数の値を変え，新たな フレーム画像を生成し次々と表示することで，動画を実 現する． その後 [Machado 02] や [Heijer 10] に刺激され，その 拡張として 2010 年から 11 年にかけて自動的な進化過 程を実装した [Unemi 12a]．進化過程は最小世代間格差 （Minimal generation gap：MGG）モデル [佐藤 97] に 基づく世代交代および，遺伝的プログラミング [伊庭 01, Koza 92]で用いられる部分木交換による交 と記号変更 による突然変異を採用した．大きさの異なる部分木の交 換によって生じる構造の無制限な拡大を抑制するため， 子孫の遺伝子長には制限を加える．また，初期集団の各 個体がある程度の複雑さをもつことを保証するため，初 期集団の生成時に実行されるランダムな遺伝子生成では 最小長を設定する．選択のための適応度評価には，次章 で述べる計算美学尺度を用いる． 一つのフレーム画像の生成には画素数に比例する計算 量が必要となり，2009 年以前の版では 10 秒以上かかっ ていた．近年の進歩が目覚ましいグラフィックプロセッ サユニット（GPU）の並列処理能力を生かすようシステ ムの改良を行った結果，現在の版では，標準的なビデオ フレームレートの一つである 1/30 秒以内に 1 枚の画像 を描画することが可能になった [Unemi 10]．3
．計 算 美 学 尺 度
さまざまな視聴覚芸術作品について，人間の批評家と 同等の判断が下せる計算機システムを開発することは， 計算創造性研究の究極の目標かもしれない．[Galanter 12]にあるように，これまでにも幾人もの研究者がこの テーマに関心をもち，それぞれの取組みを行ってきた． 本章では，それらの試みを俯瞰するための枠組みとして 二つの異なる考え方について考察し，ついで，SBArt に 実装された評価基準について概説する．なお，計算美学 尺度の研究の現状については，[Heijer 14] にやや詳しい 解説があるので，興味ある読者は参考にされたい． 3･1 数理合理主義的尺度 美の評価基準は個人の経験と文化から強く影響される ことは明らかであるが，一方，感覚器官や脳での信号処 理機能にも依存しており，このような知覚レベルの処理 は，文化や人種によらず人類に普遍的な要素を多く含む ものと仮定してよかろう．また，効率的な情報処理の合 理性の上からは，複雑さや揺らぎについての数理的な理 論との親和性が予想される． この発想に基づく一つの尺度は，情報量に関するもの である．知的好奇心はヒトを真理に誘導する契機として 図 1 SBArt4 の育種用画面の例有用である．強化学習 [Sutton 98] の視点からいえば， 意味ありげな刺激に注意を向ける行動を学習するために は，そのような契機への正の報酬の割当てが有効であろ う．D. G. Birkhoff は，意味のある信号と雑音の比に基 づいて美しさの数理的な尺度を提案した先駆者である [Birkhoff 33]．我々は，単純すぎる刺激にも白色雑音の ような刺激にも興味を引かれることはない．この考え方 は，その後の計算美学の研究に大きな影響を与えている． M. Benseも基本的には同様の視点から「情報美学」の 名のもとに，美学に対する数理的再解釈を与えた [ベンゼ 97]．彼の何人かの後継者は，その理論に基づいたある いはその拡張としての具体的な作品創作を試みた．[川野 84]にその一例を見ることができる．[Schmidhuber 97] もこの路線に沿った低複雑性アートの試みの一つであ る．このような試みは，ヒトの存在を仮定せずとも成立 する美についての普遍的な法則を見いだそうとするもの でもある．また，地球外生命体のための美の追求 [久保 田 17b] や圏論による芸術の再解釈 [Kubota 17a]，さら に動物の名画への反応 [渡辺 16] や，類人猿の個体に絵 を描かせる試み [齋藤 14] とも関連する．ヒトとの美の 共有を拒絶する可能性も含め，マシンによる芸術を考え るうえで重要である． 3･2 認知経験主義的尺度 美を個人の心理機能が引き起こす現象としてみれば， その根拠がヒトの認知機能にあることは明らかであろ う．工学の文脈においても，製品をヒトにとって魅力的 に見せることは市場に陳列されずとも重要な設計指針で ある．ファジィ論理や人工ニューラルネットワークなど を含むソフトコンピューティング [前田 17] と呼ばれる 計算手法の多くは，ヒトの感性に合うよう最適化された デザインを作成するに有用であり，実際，それを目指し た応用を前提に考案されたものも少なくない．このよ うな手法は芸術作品をつくる機械を開発するためにも 役立つはずである．ファジィ論理は非線形あるいは複雑 な直感を定性的にコーディングする手段を提供し，人工 ニューラルネットワークは，具体的な現象の事例から一 般的な法則性を見いだす学習のフレームワークを提供す る．また，遺伝的アルゴリズムは複雑な状況に適応する 複雑な構造を構築する方法を提供する．例えば，[Li 12] のように，この方法によって人間の主観的嗜好の基準を 推定する試みはいくつか行われており，実際，顧客個々 の選好基準に適合した設計を行うことは有益であろう． しかし，芸術作品の評価基準は，例えば美術における色 彩と構図のように相互に強く依存するいくつかの異なる 側面の組合せと考えられるため，これらの手法を駆使し ても容易に実現できるとは考えにくい． 近年の「人工知能が創作した作品」と称するいくつか の試み，例えば The Next Rembrandt [ING 16] のよう に，過去に描かれた特定の画家による名画の画像として の特徴を分析し，作品の時代変化の延長として新作の画 像を外挿する試み，あるいはニューラルネットワークに よる様式変換 [Gatys 16] のように，ある作家の作品群に 共通する様式を学習し，写真などの別の画像を同様の様 式に変換する試みは，作家の心理状態にまでは明示的に 踏み込まないという意味では表層的であるにせよ，観測 可能なデータから美の基準を推定しようとする試みの一 種と見ることができよう． 3･3 SBArt4 に実装された尺度 静止画像についての以下のような六つの評価尺度を実 装した．（1）JPEG 圧縮を用いた擬似的な複雑性の評価， （2）全域的コントラスト，（3）明度傾斜角度の分布，（4） 色相値の頻度分布，（5）明度値の頻度分布，（6）彩度値 の平均と分散．個々の計算方法の詳細および尺度間での 標準化の方法については [Unemi 12a] を参照されたい． これらすべての評価手続きは，よく知られた画像処理の 技法を用いて容易に実現できる．（4）および（5）のた めの理想的な分布を設定するため，1 000 枚のスナップ 写真を分析し，その平均分布を用いることとした．予想 どおり，分布はほぼベキ法則に従うが，ランク上位の部 分は逆数に近くなる．（6）は色彩の鮮やかさに関するも ので，システム上ではユーザの好みを反映できるように なっている．ここで述べるシステムでは，初期は派手な 色彩に設定したが，その後，上述のスナップ写真の分析 結果を反映し，ややグレーに近い設定に変更した．これ らの尺度はすべて必要条件であると考え，重み付き幾何 平均をとることで全体の評価とした． さらに，動画として評価するには，各フレーム画像の 評価とともにフレーム画像間の変化にも注目すべきであ る．しかしながら，動画を構成するすべてのフレームに ついてそのような計算を実行するには多くの計算を必要 とし，現在，安価に利用可能なコンピュータシステムで 実用的な時間内に計算を終えることは難しい．例えば， 高解像度の 1 分間の動画に含まれる画素数は約 2 ギガ である．これを簡素化するため，ここでは，画像の大き さを 512×384 に縮小し，動画中の 10 か所のフレーム のみについて計算することとした．それでも，計算の対 象となる画素数は約 2 メガである．フレーム間の画像の 変化については，抜き出した 10 の各フレームについて， その直後のフレーム画像と，同位置の画素の色差の平均 値を評価に用いることとした．この値が大きいほど変化 が大きいものとみなし，理想的な値との差を評価値に反 映する．
4
．自動化された制作過程
以下に述べる自動的な創作過程により，2011 年 10 月 14日から毎日 10 個の 20 秒間の映像作品がつくり出さ れ続けている．著者の研究室に設置されたマシンが毎朝決まった時刻に起動され，出来上がった作品は Web サー バにコピーされ，公開される．開始時点での設定は次の とおりである．ランダムに初期化された集団から始めて 200ステップの世代交代が実行される．集団サイズは 80 であるが，初期は 20 個体のみで，最初の 30 ステップに おいて生み出された子個体で残りの集団が埋められる． また，初期収束を防止するために，50 ステップごとに 新たにランダムに生成した 5 個体を下位個体と入れ替え る．最終世代の集団から適応度の上位 10 個体について， 公開用の動画および WebGL 用のデータを生成する．同 時に動画に同期した効果音も合成 [Unemi 12b] し公開用 の音声データを生成する． この時点では，2 個の 3GHz Intel Xeon デュアルコア プロセッサ，GeForce 7300 GT グラフィックスボード， MacOSX 10.6を備えた初代 MacPro 2006 を利用し，一 つの式が含む記号数の最大値を 120 に制限した．上記の 進化過程には約 90 分を要していた．2016 年 8 月からは， マシンを Mac mini 2011 2.7GHz i7，Radeon HD 6630 M に変更し，OS も 10.11 に，SBArt 自身も改版した．当 然，処理速度は向上したので，遺伝子の最大長を 200 に 拡張し，世代交代の数も単位を 50 ステップから 200 ス テップに増やし，それを 5 回繰り返す，つまり，全体で は 1 000 ステップを実行するよう拡張した．それでも， 計算時間は 15 分ほどである．また，世代交代モデルと してパラメータフリー遺伝アルゴリズム [Sawai 98] を 導入した． 全体の処理過程は，下記の付加的な作業も含め Apple-Scriptで書かれたプログラムにより制御される．Web 上での作品公開と同時に，6 秒間ずつを抜き出して一 つにまとめたダイジェスト版を動画投稿サイトに投稿 し，さらに最近 30 日間のダイジェストを並べたプレイ リストを編集する [Unemi 11a]，さらに動画の URL を 一般公開型のソーシャルネットワークサイトに投稿する [Unemi 11b]．また，それらの処理過程のログ情報を電 子メールで著者に伝達する． 残念ながら毎日の作成過程がすべて順調に稼働するわ けではなく，これまでに何回かバグや設定ミスなどある いは動画投稿サイトのシステム変更や混雑による不具合 により処理が完了しない場合があった．著者が現場で直 ちに復旧作業を行えない場合は，VPN や VCN を利用し た遠隔からの操作を可能とする設定も用意し，実際に数 回これを使って復旧した．このような機能は，長年にわ たり動き続けるシステムを前提にしたプロジェクトでは 極めて重要である．
5
．人間美学尺度の推定と選集
3･3 節で述べた計算美学尺度は，3･1 節の数理的合理 主義に基づくものである．これら自身の妥当性について いえば，今までのところ確実な真理と言いきるまでの根 拠はない．また，これがヒトの美学に一致する必然性も ない．合理主義に基づいた基本的な考え方は，ヒトに依 存しない尺度の追求であり，進化心理学 [Buss 14] 的な 意味では，ヒトの美学は，合理主義的美学への適応を目 指して行われ続ける膨大な探索の途中結果とみなすこと ができる．進化が無限に続いたとして行き着く先も，局 所最適，つまり，他に多く存在するであろう異なる解候 補の一つに過ぎず，かつ，現時点では，それへ向かう途 中の状態ということになる．この意味では，合理主義的 美学尺度を用いた芸術作品の創作について，これまでに ヒトが歴史の中で繰り広げてきた芸術の文脈にどう位置 付けるべきかは議論すべきテーマであろう．鑑賞者とし てのヒト，特に芸術の歴史的文脈よりも作品に触れたと きの直感的感想を重視する一般鑑賞者に受け入れられる には，ヒトの美学尺度にある程度は適合したものとせざ るを得ないのではなかろうか． 5･1 遺伝的プログラミングによる選好基準の推定 著者は 2016 年 4 月に遺伝的プログラミングによる著 者自身の選好基準の推定を試みた [Unemi 16a]．以下に その技術的概略を述べる． まず，自動的に作成された作品のそれぞれに評価点を 付け，上位の作品で選集を構成することを考える．評価 点は一般的には何らかの順位を決めるものであれば実数 である必要はないが，ここでは，作品の特徴ベクトルか ら単一のスカラ量を導く関数を推定することを考える． 関数の引数に代入される特徴量は，主に 3･3 節で述べた もの，および，その過程で得られる指標を利用する．ヒ トから主観評価を引き出す方法は，意思決定支援システ ム [飯島 93] の設計において種々提案されているが，こ こでは，著者が個々のサンプルを見て good，neutral， badの 3 段階評価を付けることとした．例えば 100 点満 点の具体的な点数を決めるとなると，作品間の相対評価 の整合性を保ちつつ点数を主観的に決めるのが難しく， 評価者の作業負荷が大きくなってしまう．ここでの評価 の目的は正確な評価点を決めることではなく，比較的上 位の作品群を抽出することであるから，このような 3 段 階というおおざっぱさは許容できると思われる． 2016年 3 月の時点までにすでに 16 000 個以上の作品 がサーバ内に蓄積されており，これらすべてを観察し評 価することは難しいため，サンプルとして 2016 年の 1 月 1 日∼ 4 月 1 日までの 920 作品のみを観察し，158 個 の good，113 個の bad，そして 649 個の neutral に分類 した．当初，Support Vector Machine [Tsochantaridis05]によるカテゴリー分類基準の推定を試みたが，十分 な成績が得られなかった．これは各特徴量が相互に複雑 に依存しており，領域の分離が困難なためと推測される． そこで，過学習的に陥る危険性は比較的高いが，表現能 力の意味ではより強力な遺伝的プログラミングによる評 価関数推定を適用することとした．遺伝的プログラミン
グでは各個体のゲノムは木構造をなす関数の形式で表現 される．ここでは，基本的な四則演算に三角関数や指数 関数を加えた演算子の集合を枝に対応する頂点の記号と し，作品の特徴量を表す変数と実数定数を葉に対応する 頂点の記号とする． ランダムに生成した関数群から出発し，教師データと して与えられた評価分類をより正確に導き出す関数に高 い適合度を与えることで，関数群を進化させる．関数 f によって評価されたサンプル作品 p の順位 r（f, p）の集 合に基づき，f の適合度 F（f）を次式で定義する． F （ f ）= p∈P g （r（ f, p）,m（p）） （1） g （k,l）= k−1 if l= good |P |−k if l= bad 0 otherwise α α （2） ここで，P はサンプル作品の集合，m（p）は作品 p に 著者が与えた評価のラベル，つまり good，bad，または neutralのいずれか，αは（0, 1）区間の定数である．図 2は進化過程の監視の例である．集団サイズは 600 個体， 世代交代は 1/3 選択 [Unemi 98b]，突然変異率は 1.75 を 遺伝子長で割った値である．遺伝子長さとは関数に含ま れる枝および葉を合わせた頂点の数であり，突然変異率 は，各頂点が他の記号に置き換わる確率である．また， 冗長な関数個体の発生を抑えるため，遺伝子長に応じた ペナルティを加えている．局所交配 [Unemi 98b] なども 混ぜながら何回かの試行を繰り返し，見込みのありそう な評価関数を選んだ．付録 A に，その関数を掲載する． 5･2 選 集 の 展 示 前節の操作で得られた評価関数を自動進化のシステム に適合度関数として埋め込むことも可能であるが，ここ では，すでに創作された大量の作品から，この評価関数 により上位 20％を選集として展示することとした．運 用を開始した 2011 年 10 月 14 日∼ 2016 年 9 月 2 日ま での作品を評価の高い順に並べ，上位 3 560 作品を得点 の高い順に再生する．一つの作品の長さは 20 秒である． つまり，選集全体を再生するには 20 時間かかる．多く の場合，展示の時間は午前から夕方までであり，1 日で すべてを再生することはできない．また，鑑賞者も展示 会場に 1 日中とどまって見ていることはなく，長くても 数分単位である．このことから，実際の展示では，その 日の展示が終了する時点で再生された作品の番号をファ イルに記録しておき，翌日の展示開始時にはその続きか ら再生を始め，選集のすべての作品の再生を終えた時点 で，再び最初の作品から再生を再開するようにした． 作品のデータは，動画ファイルの形式ではなく，コン ピュータスクリーン上でグラフィックプロセッサを用い て描画するためのシェーダ言語 GLSL [Kessenich 16] の 形式でディスクに保存されており，それを再生するため の著者の開発による専用のソフトウェアにより実時間で 描画する．これにより，一般に普及している動画ファイ ルのような圧縮による画像品質の劣化はいっさいなく， すべての画素が忠実に再現される．最近の多くのパーソ ナルコンピュータは，フル HD つまり 1 920×1 080 画 素のスクリーンに動きの滑らかな映像を描くには十分 な性能を備えており，さらに，上位機種では 4K つまり 3 840×2 160 画素のスクリーンにも対応できる．作品 の中には繊細なテクスチャもしばしば含まれるが，解像 度の違いにより，鑑賞者が受ける印象もかなり異なるも のとなる場合も少なくない．図 3 に上位 10 作品の画像 例を示す．
6
．評価尺度の抽象レベル
3･3 節で述べた具体的な評価尺度は，ある意味でいず れも画像の表層的な性質に基づいている．つまり，ヒト が描く多くの絵画に見られるような，何かの主題に沿っ て，現実あるいは空想の三次元空間にある「もの」を描 いたとは考えない．ヒトは絵画を見ると，そこに何かが 描かれているものと仮定して解釈を試み，たいていの場 合，人物，風景，静物など，そこに描かれたものを読み 取ろうとする．写実派，印象派，さらにピカソやカンジ ンスキーらの作品も，そのような解釈を前提としたもの である．他方，[川野 84] が取り上げたピエト・モンド リアンや，抽象表現主義[尾崎 99]と呼ばれるジャクソン・ ポロック，あるいはマーク・ロスコといった画家の作品 は，そのような解釈を拒否する．つまり，作品はものを 描いたのではなく矩形の枠の中の二次元平面に並べられ 図 2 サンプル作品を評価する関数の進化計算による最適化を 監視する画面の例た色彩の配置であり，その視覚刺激から何かを感じ取る ことが鑑賞となる．上で紹介した著者の作品は，その意 味では機械による抽象表現主義の延長と見ることもでき よう．もちろん，ヒトの作家が作成する場合には，それ は何かの「表現」であることが期待され，実際，これら の作家も作品コンセプトについては何らかの説明を自身 で述べる場合，あるいは，批評家がその見識に基づいて 代弁する場合がある．しかし，上で述べた進化計算によ る創作過程の中に，そのようなコンセプトあるいは創作 動機を見いだすことは難しい．あえて探し出すとすれば， システムを開発する過程において著者が抱いていた動機 をもち出すことは可能だが，そうなると，作者の存在を 機械に求めるなら条件付きとならざるを得ない． 作者，作品，鑑賞者の関係を整理するための一つの手 段として，図 4 に示すような情報処理の階層構造を考え てみる．これは，Hearsay-Ⅱ [Erman 80] で提案された ブラックボードモデル，あるいは [Brooks 86] が提案し たサブサンプションアーキテクチャに似た構造である． それらは，音声認識や自律ロボットの制御など工学的応 用を念頭に置いた枠組みであるが，ここでは同様の構造 を芸術および美学の構造として持ち込む． コンセプトを語らなければ，抽象表現主義の作品と進 化計算による作品には二次元平面上の画像情報としては 大きな違いはない．これは図 4 におけるレベル 1 の範囲 であり，作品が鑑賞者に何らかの物理的感覚刺激をもた らすものであれば，美術，音楽，舞台などの形式とは無 関係にあらゆるジャンルに共通する．レベル 2 では，作 者側からは意図に沿った表現，鑑賞者側からは刺激の解 釈による認識が入り込む．残念ながら進化計算による創 作はレベル 1 の領域に留まっており，レベル 2 の創作に 要求される意図を見いだすことは今のところできない． 適合度の評価に用いた計算美学尺度を意図とみなせない こともないが，尺度を設定したのは設計者および使用者 であるヒトであり，機械自身がそれを変更する余地は与 えられていない． レベル 3 にある上位の目的や文脈を考慮した戦略的な 評価軸の変更などの能力をシステムに実装すれば，レベ ル 2 を包含すると認めてもよいだろう．これは不可能で はない．鑑賞者がヒトであることを前提にするならば， 上位目的はヒトを惹き付け感動させることに置いてもよ かろう． しかし，レベル 4 の人生の幸不幸に至っては，共感 性の問題も絡んでこよう．我々が芸術作品に触れると き，しばしば，その作者の人生に興味をもち，自らある いは身近な他人の人生と重ね合わせることで，感慨を深 くすることができる．これが機械となると果たして共感 などというものは可能なのだろうか．もちろん，映画や テレビドラマを見るように，つくり話であってもある種 の共感は可能である．また，犬やネコなどのペット動物 あるいは精巧にできた人型や犬型のロボットに対し，あ る種の共感を抱くことはある．生身の動物はいずれ死ぬ 運命にあることは現在のところ常識であり，であるから こそ命の尊さについて何らかの共感を生むことが可能で ある．犬型ロボットの葬儀が寺院で練り行われる [AFP 15]ことから見て，ロボットの修理保証が終わったとき， あるいは所有者が修理を諦めたときも，これと同様かも しれない．レベル 4 をヒトと共有するには，そのような 命のはかなさの共有が必須要件なのかどうかは議論の余 地があろう．
7
．お わ り に
抽象的な視聴覚芸術作品を自動的に創作するプロジェ 図 3 上位 10 作品のフレーム画像の例 感覚 価値 行為 具体的 抽象的 物理刺激 現象・意味 快・不快 単純動作 ルールに 沿った行為 目的の 達成・不達成 状況・文脈 計画の 履行・不履行 人生の 幸福・不幸 意義・歴史 戦略的行動 価値創造 レベル３ レベル２ レベル１ レベル４ 図 4 感覚・価値・行為の抽象度レベルクトについて紹介してきたが，これは美学尺度の問題だ けではなく，さらに芸術の意味について根本的な問題を 議論する材料をも与えるものである． 「美」の一歩手前の基準として，視聴覚刺激について の「興味深さ」や「奇抜さ」などの研究は，「人は何に 惹き付けられるか ?」という心理学的関心とともに，「人 を惹き付けるデザイン」という工学的応用への可能性も はらんでいる．このような研究は売れる商品のデザイン を効率良く見つけ出すという意味で有用かもしれない． しかし，芸術活動とは何かという視点から見ると，評 価は分かれるであろう．近代以降，個々の芸術作品につ いて作者が表に出され，作品の意味に作者の人としての 履歴が付いて回るようになった．つまり，単なる視聴覚 刺激としてだけでなく，それが創作されたさまざまな背 景，作者の人生経験や社会的状況といった文脈の中で作 品の意味が語られる．ここで述べた計算による創造の背 景には，そのような作者の人生は存在しない．有名作家 の権威に頼ったアートマーケットに対する批判としての ダダイズムやレディメードの運動も，その運動に関わる 芸術家の人生と，芸術の社会的位置付けの文脈で語られ るところに価値が見いだされており，計算機による創造 も，その計算機システムを企画・設計した人間を文脈に 組み込むことでそれを芸術たらしめる以外ないのかもし れない． あるいは，人工生命研究 [Langton 88] のように，「あ り得るかもしれない生命」ならぬ「あり得るかもしれな い芸術」を，人工物を使った仮想世界で生み出す試みな ら可能かもしれない．著者は仮想世界での大量の人生と 社会をつくり出すシステムによって，それに挑戦しよう と考えている [Unemi 18]. 謝 辞 SBArtの初期版についてコメントをいただき，ま た，インターネット上での配布を快諾していただいた Karl Sims氏，自動進化動画について有益なコメント
をいただいた，Daniel Bisig 氏，Philip Galanter 氏， Celestino Soddu 氏，Penousal Machado 氏，Simon Colton氏，Ian Gouldstone 氏らに感謝します．計算美 学についてともに議論し，有益な示唆をいただいた生島 高裕氏，藤井雅実氏，野村一夫氏に感謝します．本稿は， その執筆中に逝去された二人の恩人，長年の親友であり 著者のアートプロジェクトをさまざまに支えてくれた Keiko Taylor氏，および大学・大学院時代の恩師であり システム科学的探求の根幹を教えていただいた市川惇信 先生に捧げます．最後に本稿執筆の機会を与えていただ いき，さらに著者の遅筆に格段のご配慮いただいた中ザ ワヒデキ氏，草刈ミカ氏，高橋恒一氏，および編集委員 会の皆様に感謝いたします．
◇ 参 考 文 献 ◇
[AFP 15] AFP:イヌ型ロボット AIBO の「合同葬儀」千葉，http:// www.afpbb.com/articles/-/3041020, AFPBB News （2015）
[ベンゼ 97] マックス・ベンゼ 著，草深幸司 訳：情報美学入門 ─基礎と応用，（Max Bense: Einführung in die
informations-theoretische Ästhetik, Rowohit, 1969），勁草書房（1997） [Birkhoff 33] Birkhoff, G. D.: Aesthetic Measure, Harvard
University Press, MA, USA（1933）
[Brooks 86] Brooks, R. A.: A robust layer control system for a mobile robot, IEEE J. Robotics and Automation, Vol. RA-2, pp. 14-23（1986）
[Buss 14] Buss, D. M.: Evolutionary Psychology: The New Science
of the Mind, Psychology Press（2014）
[Cohen 79] Cohen, H.: What is an image?, Proc. 6th Int. Joint
Conf. on Artificial Intelligence, Vol. 2, pp. 1028-1057, Tokyo,
Japan（1979）
[Cohen 95] Cohen, H.: The further exploits of AARON, painter,
Stanford Electronic Humanities Review, Vol. 4, No. 2（1995） [Dutton 10] Dutton, D.: The Art Instinct: Beauty, Pleasure, and
Human Evolution, Bloomsbury（2010）
[エルラー 15] ミヒャエル・エルラー 著，三嶋輝夫 ほか 訳：プラ トン，第 8 章，pp. 235, 238-239，講談社（2015）
[Erman 80] Erman, L. D., Hays-Roth, F., Lesser, V. R. and Reddy, D. R.: The Hearsay-Ⅱ speech-understanding system: Integrating knowledge to resolve uncertainty, Computing
Surveys, Vol. 12, No. 2, pp. 213-253（1980）
[Galanter 12] Galanter, P.: Computational aesthetic evaluation: past and future, in McCormack, J. and d’Inverno, M., eds.,
Computers and Creativity, chapter 10, Springer-Verlag,
London, UK（2012）
[Garcia 16] Garcia, C.: Harold Cohen and AARON - A 40-Year Collaboration, http://www.computerhistory. org/atchm/haroldcohen-and-aaron-a-40-year-collaboration/（2016）
[Gatys 16] Gatys, L. A., Ecker, A. S. and Bethge, M.: Image style transfer using convolutional neural networks, Proc. IEEE
Conf. on Computer Vision and Pattern Recognition, pp.
2414-2423（2016）
[Heijer 10] Heijer, den E. and Eiben, A. E.: Using aesthetic measures to evolve art, WCCI 2010 IEEE World Congress on
Computational Intelligence, pp. 4533-4540, Barcelona, Spain
（2010）
[Heijer 14] Heijer, den E. and Eiben, A. E.: Investigating aesthetic measures for unsupervised evolutionary art, Swarm
and Evolutionary Computation, Vol. 16, pp. 52-68（2014） [伊庭 01] 伊庭斉志：遺伝的プログラミング入門，東京大学出版会
（2001）
[飯島 93] 飯島淳一：意思決定支援システムとエキスパートシステ ム，シリーズ・経営情報システム，日科技連出版社（1993） [ING 16] ING, Microsoft, TU Delft and Mauritshuis: The Next
Rembrandt, https://www.nextrembrandt.com（2016） [川野 84] 川野 洋：コンピュータと美学，東京大学出版会（1984） [Kessenich 16] Kessenich, J., Sellers, G. and Shreider, D.: Shader
Fundamentals, chapter 2, OpenGL Programming Guide: The
Official Guide to Learning OpenGL, Version 4.5 with SPIR-V, 9th edition, Addison- Wesley Professional（2016）
[Koza 92] Koza, J. R.: Genetic Programming: On the
Programming of Computers by Means of Natural Selection,
MIT Press, Cambridge, MA（1992）
[小林 86] 小林重信：知識工学，人工知能シリーズ，昭晃堂（1986） [Kubota 17a] Kubota, A., Hori, H., Naruse, M. and Akiba, F.: A new kind of aesthetics - The mathematical structure of the aesthetic, Philosophies, Vol. 3, No. 14（2017）
[久保田 17b] 久保田晃弘：遥かなる他者のためのデザイン，BNN 新社（2017）
[Langton 88] Langton, C.: Artificial Life, pp. 1-47, Addison-Wesley（1988）
evolutionary art, WCCI 2012 IEEE World Congress on
Computational Intelligence, Brisbane, QLD, Australia（2012） [Machado 02] Machado, P. and Cardoso, A.: All the truth about
NEvAr, Applied Intelligence, Vol. 16, pp. 101-118（2002） [前田 17] 前田陽一郎：知能情報工学入門─ソフトコンピューティ ングの基礎理論，実用理工学入門講座，日新出版（2017） [増成 87] 増成隆士：絵画作品から見たヘーゲル美学，pp. 350-366, 加藤尚武 編，ヘーゲル読本，法政大学出版局（1987） [ニュートン 77] アイザック・ニュートン 著，中野猿人 訳・注： プリンシピア─自然哲学の数学的原理，祥文堂（1977） [野口 86] 野口正一，滝沢 誠：知識工学基礎論，オーム社（1986） [尾崎 99] 尾崎信一郎：絵画論を超えて，東信堂（1999）
[Sawai 98] Sawai, H. and Kizu, S.: Parameter-free genetic algorithm inspired by “Disparity Theory of Evolution”,
Proc. 5th Int. Conf. on Parallel Problem Solving from Nature,
Lecture Notes in Computer Science, Amsterdam, The Netherlands, Springer-Verlag（1998） [佐藤 97] 佐藤 浩，小野 功，小林重信：遺伝的アルゴリズムにおけ る世代交代モデルの提案と評価，人工知能学会誌，Vol. 12, No. 5, pp. 734-744（1997） [佐藤 05] 佐藤康邦：カント「判断力批判」と現代，第 4 章，pp. 107-164，岩波書店（2005） [齋藤 14] 齋藤亜矢：ヒトはなぜ絵を描くのか─芸術認知科学への 招待，岩波書店（2014）
[Schmidhuber 97] Schmidhuber, J.: Low-complexity art,
Leonardo, Vol. 30, No. 2, pp. 97-103（1997）
[Sims 91] Sims, K.: Artificial evolution for computer graphics,
Computer Graphics, Vol. 25, pp. 319-328（1991）
[Sutton 98] Sutton, R. S. and Barto, A. G.: Reinforcement
Learning: An Introduction, second edition, A Bradford Book
（1998）
[高木 98] 高木英行， 見達夫，寺野隆雄：対話型進化計算法の研 究動向，人工知能学会誌 , Vol. 13, No. 5, pp. 692-703（1998） [Takagi 01] Takagi, H.: Interactive evolutionary computation:
Fusion of the capacities of EC optimization and human evaluation, Proc. IEEE, Vol. 89, No. 9, pp. 1275-1296（2001） [谷川 02] 谷川多佳子：デカルト「方法序説」を読む，岩波セミナー
ブックス，岩波書店（2002）
[Tsochantaridis 05] Tsochantaridis, I., Joachims, T., Hofmann, T. and Altun, Y.: Large margin methods for structured and interdependent output variables, J. Machine Learning
Research, Vol. 6, pp. 1453-1484（2005）
[塚田 96] 塚田富治：ベイコン，第 4 章，pp. 91-130，イギリス思 想叢書 2，研究社出版（1996）
[Unemi 98a] Unemi, T.: A design of multi-field user interface for simulated breeding, Proc. 3rd Asian Fuzzy Systems
Symposium, pp. 489-494, Masan, Korea, Korean Fuzzy Logic
and Intelligent Systems Society（1998）
[Unemi 98b] Unemi, T. and Koike, T.: Evolution of a botanical development system in 3D euclidean space, in Adami, C., Belew, R. K., Kitano, H. and Taylor, C. E., eds., Proc. 6th Int.
Conf. on the Simulation and Synthesis of Living Systems, pp.
467-471, Los Angeles, CA, USA, MIT Press（1998）
[Unemi 09] Unemi, T.: Simulated breeding: A framework of breeding artifacts on the computer, in Komosinski, M. and Adamatzky, A. A., eds., Artificial Models in Software, chapter 12, Springer-Verlag, London, UK（2009）
[Unemi 10] Unemi, T.: SBArt4 - Breeding abstract animations in realtime, WCCI 2010 IEEE World Congress on Computational
Intelligence, pp. 4004-4009, Barcelona, Spain（2010） [Unemi 11a] Unemi, T.: Daily Digests of Phylogeny, https://
www.youtube.com/playlist?list=PLF2C5BA36C3 9E7993, YouTube.com（2011）
[Unemi 11b] Unemi, T.: Tatsuo G Unemi, https://twitter. com/SBArt4_bot, twitter.com（2011）
[Unemi 12a] Unemi, T.: SBArt4 for an automatic evolutionary art, WCCI 2012 IEEE World Congress on Computational
Intelligence, pp. 2014-2021, Brisbane, QLD, Australia（2012） [Unemi 12b] Unemi, T.: Synthesis of sound effects for generative
animation, Proc. 15th Generative Art Conference, pp. 364-376, Lucca, Italy（2012）
[ 見 14] 見達夫：計算美学尺度と進化計算法による抽象動画の 全自動制作の試み，2014 年度人工知能学会全国大会（第 28 回）， pp. 2D1-4in（2014）
[Unemi 16a] Unemi, T.: : Selections by the computer from the five years’ stock of Daily Evolved Animations, in Soddu, C., ed.,
Proc. 19th Generative Art Conference, pp. 469-475, Florence,
Italy（2016）
[Unemi 16b] Unemi, T.: Automated evolutionary production of audio-visual pieces - Can we call it art?, Proc. 21st Int. Symp.
on Artificial Life and Robotics, p. 308, Beppu, Japan（2016） [Unemi 18] Unemi, T. and Matsumoto, H.: LoversFlow v2 : An
individual-based evo-eco simulator on sexual dimorphism - A challenge toward evolutionary aesthetics, Proc. 23rd Int.
Symp. on Artificial Life and Robotics, pp. 295-300, Beppu,
Japan（2018） [渡辺 16] 渡辺 茂：美の起源：アートの行動生物学，共立出版（2016）
