1/20 2E3-1 音声による子音カテゴリカル知覚の習得モデルに関する研究第20回人工知能学会全国大会 2006年6月8日宮澤幸希, 白勢彩子, 菊池英明早稲田大学人間科学学術院研究の目的生得か学習か、何を学ぶのか 2/20  言語認知のメカニズムを明らかにする → 学習過程に注目 → 新しい音声言語理解技術の開発を目指す  乳児が母語を獲得するプロセス言語経験による学習生得的な言語機構生得的な機構を除いた聴覚系モデルによる学習実験 3/20 発表の概要  言語認知の特徴先行研究から得られた知見  子音カテゴリカル知覚とは  学習モデルによる実験カテゴリカル知覚を再現するモデル  実験結果と結論カテゴリカル知覚を再現できたか？ 4/20 言語認知の特徴先行研究から得られた知見 5/20 人間の言語知覚の特性  無意識に獲得    誰でも母語を話せるようになる明示的なフィードバック（教師情報）を必要としない環境適応   誰の声でも、同じ音素として認識できる正確に聞き取れない状況でも理解できる → 現在の音声言語理解技術における問題子音カテゴリカル知覚とは有声・無声子音の音響特徴 6/20 図. 無声破裂子音/t/, 有声破裂子音/d/のスペクトログラム子音カテゴリカル知覚とはどのような知覚現象か？  7/20 音響特徴を連続的に変えた子音を聞いても連続的には知覚されず、変化が一定の範囲内であれば同一の音として知覚される図. 連続的に変化させた子音に対する /d/, /t/同定曲線（Ryalls, 2003）同定率 (%) 100 90 80 70 60 50 40 30 20 10 0 /d/ /t/ -73 -61 -48 -36 -24 -12 0 11 VOT(ms) 22 33 43 54 66 77 子音カテゴリカル知覚とはどのように獲得されるのか？ 70  生まれたばかりの乳児でも、子音カテゴリカル知覚を示す 8/20 カテゴリの異なる子音を聴取カテゴリが同じ子音を聴取 60 50 誕生直後：一般的な子音生後六ヶ月：母語の子音のみ図. 生後１ヵ月の乳児を対象とした子音聴取実験（Eimas, 1971）青線は、点線を境に子音カテゴリを変えている（/b/から/p/）赤線は変えていない（/b/）平均 40 吸啜回数 30 (回) 20 10 0 1 2 3 4 5 6 時間(分) 7 8 9 9/20 学習モデルによる実験カテゴリカル知覚を再現するモデル 10/20 学習過程に注目した聴覚系モデル  Self-Organizing Maps（SOM, Kohonen考案）感覚神経のメカニズムを参考に考案  教師なし学習を実現する学習モデル  特定の課題に対応していない  SOMによる言語獲得過程シミュレーション  学習に使えるのは、環境から与えられる情報のみ SOMによる言語獲得実験環境から何を学習するのか？   11/20 音響特徴は、言語や子音の種類ごとに偏りがある母語の音響特徴の頻度分布を利用して、子音カテゴリの聞き分けを学習できるだろうか？ 12 図. アメリカ英語話者の /d/, /t/音発話におけるVOT頻度分布（Blumstein, 1980） 10 /d/ 8 /t/ 頻度 6 (回) 4 2 0 -120 -100 -80 -60 -40 -20 0 VOT(ms) 20 40 60 80 100 子音カテゴリ学習実験動物実験を参考に  動物もカテゴリカル知覚が可能（Kuhl＆Miller）      12/20 チンチラネズミが/d/, /t/音を弁別 VOT値、話者数、学習の手順が報告されている弁別境界値も示されている（33.5ms）この実験と同条件でSOMの学習を行う VOT値の頻度分布は記載なし → 予測子音カテゴリ学習実験実験条件    13/20 英語話者の発話(条件1) 動物実験から予測(条件2) 実験1と2を考慮した頻度分布モデル(条件3, 下図) 120 100 頻度 (回) 80 /d/ /t/ 60 40 20 0 -120 -100 -80 -60 -40 -20 0 20 VOT(ms) 40 60 80 100 図. 条件1、条件2 から作成した VOT頻度分布子音カテゴリ学習実験 SOMによる学習  VOT値をベクトルコードに変換   14/20 入力値同士の相関関係を表現指標VOT値をもとに、子音のカテゴリを決定図. 指標 VOT値図. 入力パターン 15/20 実験結果と結論カテゴリカル知覚を再現できたか？実験結果カテゴリ境界  16/20 学習の結果、SOMが獲得した子音カテゴリの境界は、人間の知覚境界とほぼ等しかった 100 /d/ 80 同 60 定率 40 (%) Human Chinchilla SOM Model 20 0 0 図. 学習を終えたときのSOM （実験条件3, 2回目の結果） 10 20 30 40 50 60 70 80 VOT(ms) 図. 獲得されたカテゴリ境界実験結果頻度分布との関係  17/20 VOT頻度分布の境界で、SOMのカテゴリも変化図. 連続VOT値に対するSOMの応答（実験条件3, 2回目の結果）実験結果各実験条件の結果  18/20 条件1 – アメリカ英語の環境  条件2 – 動物実験と同じ手続き  条件3 – 条件1と2に基づく表. 各条件のカテゴリ境界値はカテゴリが/d/から/t/に変わったときのVOT値 (ms)  全ての条件で、人間や動物の境界に近い 19/20 本研究のまとめ   有声・無声音のカテゴリカル知覚を、生得的な機構を除いた聴覚系モデルによって実現した自己組織的メカニズムが、言語経験に基づいて正しい子音カテゴリを獲得した 20/20 今後の研究方針  有声・無声子音だけでなく、音韻全体の獲得過程を再現するモデルの研究を行う    必要な特徴量選択の問題時間的に変化する特徴量の扱いカテゴリカル知覚に関する詳細な検討   言語理解にとって、カテゴリカルな知覚形式はどのような利点があるのか？聴覚神経系をより精密に再現 21/20 補記モデルの詳細 22/20 補記：SOMの計算について 1. 2. 初期状態では、全ての参照ベクトルはランダムな値入力・参照ベクトルの内積が最大になるノードが勝利する 3. 勝利ノードと近傍ノードの参照ベクトルが、入力ベクトルに近づくよう強化される 4. 強化関数は勝利ノードからの距離を横軸とする正規分布を模した放物線とした 5. 参照ベクトルは、絶対値が１になるように正規化される入力ベクトルx  (ζ,ζ ,,ζ ) 1 2 n 勝利ノードc mc･ x  maxi {mi･ x} 勝利ノードの近傍ノード i番目のノードの参照ベクトル mi  (μi1,μi 2 ,,μin ) 23/20 補記：カテゴリカル知覚に関する検討カテゴリ間の距離第一出力層第二出力層 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 VOT入力値ペア 7 8 9 10