Aiプログラミング

ディープラーニングではバックプロパゲーション（誤差逆伝播）によりトレーニングデータの出力値と正解データとの誤差をなくす事によってモデルを作成します。 その際の誤差を求める方法（数式）はいくつかあるのですが、今回は回帰問題（Regression）で使用される基本の数式を２つ紹介します。（コードはJupyter NotebookやGoogle Colab Notebookで同様に実行していただけます） 二乗和誤差 二乗和誤差（Mean Squared Error）は、もっともシンプルで最も使用されている損失関数でしょう。機械学習を学ぶ際、最初に学ぶ損失関数はこの二乗和誤差だと思います。canplayの講義でも最初にお教えするのはこの二乗和誤差です。 二乗和誤差の計算は、出力値と正解データデータの差を二乗し、データセット全体で平均します。データセット全体で平均する（1/Nをかける）代わりに（微分しやすさのために）1/2をかける場合もあります。 二乗するのは誤差を必ず正の値にするためです。 下記コードを実行しています。誤差をなくす（0に近づける）ために学習を繰り返すわけですね。 import numpy as npimport matplotlib.pyplot as plt # 二乗和誤差def mse_loss(y_pred, y_true):    squared_error = (y_pred – y_true) ** 2    sum_squared_error = np.sum(squared_error)    loss = sum_squared_error / y_true.size    return loss # Matplotlibでグラフ描画x_vals = np.arange(-20, 20, 0.01)y_vals = np.square(x_vals) plt.plot(x_vals, y_vals, “blue”)plt.grid(True, which=”major”)plt.show() 長所と短所二乗する事により必ず正の値になるだけでなく、大きな誤差をより大きく取り扱います。よって学習済みモデル

DNN（ディープニューラルネットワーク）を使用したリアルタイム音声変換のデモ動画です。 いかがですか？すごいですね。 今回のこのプログラムは、東京大学大学院情報理工学系研究科とDMM.comの社会連携講座で開発されたとの事。 動画前半では女性の声に、後半では別の男性の声にリアルタイムで変換しています。（撮影：日経 xTECH） デモに使用した変換後の女性の声は、日経 xTECHのバーチャル記者「黒須もあ（β）」の声を使用。 デモには一般的なノートパソコンを利用している。 動画内の音声の遅れ（数十mscくらいでしょうか？）は変換の遅延ではなく、ノートパソコンの音声入出力デバイスドライバーによる遅延だと説明されています。それを真に受ければ、、、ですが、我々が普段使用しているオーディオインターフェースを使用すればソフトシンセ同様のレーテンシーでの変換が可能なはずです。 前々からお伝えしている通り、音声変換や音声合成は今後のAI音楽にとって非常に重要です。与えるインパクトは現在の自動作曲以上のものになる可能性があります。 引き続き注目を。

先日AIが作ったアートが約４８００万円で売れたと話題になったニュースがありました。 AIの出力した肖像画が約4800万円で売れる。まさかのアンディ・ウォーホル超えhttps://www.gizmodo.jp/2018/10/portrait-painted-by-ai-sells-for-432000.html GAN作をつかまされた、、、などと洒落にまでされていましたが、ここで使用された機械学習の技術がGAN（Generative Adversarial Network 敵対的生成ネットワーク）です。 GANについては改めて解説（授業では詳細に）しますが、このGANを使った面白いプロジェクトがあったのでご紹介します。 なんとGANを使用してオリジナルのスニーカーデザイン作成を試みたらしいです。生成された画像は下記です。 いかがでしょうか？AmazonやZapposから売れ筋のスニーカー画像をピックアップしたとのこと。ところどころナイキのロゴなども見えますね。現状”GAN作”らしいぐちゃぐちゃさがありますが、今後の可能性は（特にAI完結を思わなければ）面白いのではないでしょうか？ 直接音楽ではないのですが、次回のAI自動作曲研究LABでは、この技術を使用して、歴史に残るロックやジャズのジャケットを学習させ、新しい音楽用ジャケットの作成にトライしてみようかと思います。（コードを書く時間がなければやりません汗。そこは悪しからずという事で、、、）いずれ我々がリリースする音楽作品のジャケットやアートワークはGAN作となりそうです。

Rapを学習し、自動でリリック生成するAIプログラムが海外のテック系記事に掲載されていたので和訳します。 ラップでなくても普通の歌でも詩でも使用できるのですが、ラップは歌に比べると単語単語が独立している傾向があるため（そうではない場合もありますが、、、）時間経過を伴う意味の整合性について、解決がより簡単な可能性があるかもしれません。 今回はKanye Westをデータセットにして使用していました。 データセットにはKanye Westのアルバム・The College Dropout・808s & Heartbreak’・Yeezus・Late Registration・Graduation・My Beautiful Dark Twisted Fantasy・Watch the Throne・The Life of Pabloから各トラックを選択しました。 まずはいきなり結果をこんなリリックです。 生成１０００回目Am our 200 shought 2 and butOne we -fuckister do fresh smandlesJuco pick with to sont party agmagleThen I no meant he don’t ganiscimes mad is so cametie wantWhatMama sumin’ find Abortsimes, man らしいといえばらしいですが意味は不明です笑 生成３０００回目Moss for a kice the mowing?[Verse 1]I play this better your pictures at here friendsEver sip headHigh all I wouldn’t really what they made thiriseAnd clap much [verse 1]などというものを学習し生成しています。（実際は使用しないでしょうけど、、、）エラーらしい意味不明な表現は１０００回目より減っている様です。 生成２５０００回目Through the sky and I did the pain is what what I’m so smartCall extry laneMake man flywing yet then you a rep