阿部 明典
20世紀の中頃から様々な自動作曲手法が試されてきた。大抵は、乱数や統計的情報が音楽を生成する為に利用されてきた。
これらの音楽は確率的に音楽を自動的に作曲出来るかに焦点があてられていた。
確かに、確率的に音楽を自動的に作曲出来るかという試みは芸術的、科学的観点からは重要であった。
しかしながら、作曲をエンタテインメントとして考えると、コンピュータによる適当な支援やガイドにより、自分で作曲を行うことが更に重要である。
我々は、現在、Augmented Composer というインタラクティブ作曲システムを開発している。
Augmented Composer では音のパターンを用い、それらの持続、ピッチ、強さなどを簡易なインタフェースを用いて調節することで、音楽を生成出来る。
従って、作曲に習熟していない者でも「音楽」を作ることが出来る。
曲は、MIDIの形で得られるが、
これをコンピュータで解析した所、プロとアマチュアの間に際だった違いを発見した。
その違いに基づいて、我々は、アクティブマイニングから見た、
作曲データのマイニングを利用したよりプロに近い作曲に導くような作曲支援システムを提案する。
又、将来的には、本システムでユーザの創造性を刺戟するようなことも考えている。
チャンス発見のコンセプトがここには当然からんでくると思われる。
近日公開予定
実際の診療の際に得られたデータを使ってデータマイニングを行おうと思う場合、
以下の理由で、少々困難を感じる。
データの取得自体が、患者に対する診断を目的としており、基準値を得ることを目的としていない。
更に、当然、患者の健康状態に依存して検査を行っているので、検査項目も患者毎に違うし、
検査の頻度も患者によって違う。
例えば、症状に余り問題のない患者の場合は、検査項目も保険診療のきく基本項目に集中し、
不必要と判断される項目は検査しない。又、検査の頻度も余り高くない。
重篤な患者の場合は、当然、必要なら保険診療がきかない検査も行うし、検査の頻度も高い。
このように、診療で得られるようなデータは、よせ集めのデータであり、偏りがかなり生じている。
更に、データ量も1年にとれるのは、数十から数百のオーダーであり、データマイニングを行うに
は満足いく数とは言えないと思われる。
百歩譲ってデータの量に目をつぶっても、データはいわば、歯抜け状態であり、
非均質なデータである。
1) |
Original
After modification |
|
2) |
Original
After modification |
|
3) |
Original
After modification |
References: