世界中の研究者が、さまざまな方法を模索してきましたが、実用化には至っていません。その中で私は、スパース信号表現に着目しました。現象が疎に出現することを「スパース性」といい、多次元のデータから有用な情報を効率的に取り出すことを目的とする手法です。

実は、過決定条件（音源数≦観測チャネル数）のBSSにおいては、ICA（独立成分分析）やIVA（独立ベクトル分析）に基づく手法が主流であり、盛んに研究されてきました。モノラル信号等を対象とした劣条件設定（音源数＞観測チャネル数）下では、非負値行列因子分解（Non-negative Matrix. Factorization：NMF）を応用した手法が注目を集め、このNMFは2011年に多チャンネルNMF（Multichannel NMF）へと進化しました。

私が昨年度の研究に導入した独立低ランク行列分析（Independent low-rank matrix analysis：ILRMA）は、このICA・IVAの流れと、NMFの流れを統合した音源分離理論です。NMFが持つ柔軟な音源モデリング能力と補助関数法（収束を保証した新しい最適化アルゴリズム）に基づく高速の分離行列計算を併せ持っています。

ILRMAは、ICA・IVA・NMFを統合した、新しい形の人工知能であると語る猿渡先生

さまざまな音や声が混ざった、混沌とした音源の中から、個性あるものだけを抽出することができるアルゴリズムです。人間の手を借りず、ILRMAが自動で処理をしてくれます。

そう尋ねられたときは「そうです」とお答えするようにしていますが、皆さんが想像するAIとILRMA は、本質的に違うものです。

AIというと画像認識が一般的であり、たくさんの画像を見せて学習させることを前提とした「教師あり」の学習モデルです。私達のILRMAは「教師なし」のモデルであり、この点において決定的な違いがあります。「教師なし」モデルは「教師あり」モデルよりも新しい技術で、研究が進んだのもここ20年ほどです。音を「教師あり」モデルで研究しても、先述した「分離したい音源が判明している」限定的な状況でしか、効力を発揮することができないためです。

悪い意味に勘違いする人が多いのですが、数学的には有用な概念です。簡単にいうと、ILRMAは音のデータを｢縦と横の線の数｣だけで表現します。線として圧縮表現することにより、その本数の違いによって、それぞれ音の本質的な違いを明確にするのです。

また、以前は経験や勘に頼っていた部分がありましたが、現在は補助関数法により、圧縮された音源の重要な部分を推定し、確実に正解へと収束していくことが数学的に証明されています。このため、完全自動化による効率的な分析が可能になったのです。

音の伝わり方は、部屋の壁の角度や素材によって変化します。そのため、まずは「伝わり方による音の変化」を推定し、そこから低ランクの音源を推定します。その推定された低ランク音源から、さらに伝わり方による音の変化を推定する……この方法を繰り返すのです。これにより、確実に正解に近づいていくことができます。