音楽を『読める』AI、本当はどこまで理解してるのか

『タブ譜』と『デジタル記譜』って、五線譜とどう違うの？ギターとか楽器によって使い分けられてるってこと？

五線譜とタブ譜の違いは、「音の高さ」を記すか「弾く場所」を記すかの違いなんですよね。ギターのタブ譜なら、6本の線が弦を表していて、数字がどのフレット（指板の区切り）を押さえるかを示す。ドレミファと音名で考えるのではなく、「この弦のここを押さえろ」という指示になってます。だからギター初心者も楽譜が読めなくても弾ける。 デジタル記譜は、DAW（作曲ソフト）やMIDI データみたいなもの。音符の「音高と時間」が数値情報で記録されているので、楽器を選ばない。同じ楽曲データをピアノでも歌声でも再生できるわけです。 五線譜は「この音を出してね」という指定、タブ譜は「この場所で出してね」、デジタル記譜は「この音情報を再現してね」という感じ。記事の落とし穴は、AI 評価が五線譜ベースだけだと、こうした別の記譜法で同じ曲を正確に認識・処理できる AI の力を見落としてしまう、ということなのかもしれません。

音楽AIが『音楽理論として正しい』かどうかって、普通に音楽を聴いてる人にも影響するの？

実は影響するんですよね。あなたが音楽アプリを使うとき、その裏側で動いてるのは楽譜認識や音声分析の AI だからです。例えば Spotify が「あなたの好みに合う曲を提案する」とき、曲の音高や和声をどう読み込むかで、オススメの精度が変わります。理論的に間違った読み込みをしていれば「なぜこの曲が勧められたんだ」という違和感が増える。 もう一つ、譜面作成アプリで自分の作曲を AI に添削してもらう場合、理論的な正確さが欠けていたら、素人には聴いて判断できない微妙な間違いを見落とすことになります。AI が「この進行は正しい」と判定しても、実は音楽の文法として成立していないケースがある、ということです。 要するに、普通に音楽を聴いてるだけなら「どうでもいい」かもしれませんが、AI に何かを判断させたり頼ったりする瞬間には、その中身が問題になってくる、ということなんでしょう。

これまで音楽AIの評価は『見た目の精度』だけで済んでたのは、評価する仕組みを作るのが難しかったからなの？

難しさもあったんでしょうが、むしろ「何を正解とするか」が定義しきれなかったというのが大きいのかもしれません。 言語や画像の AI だと、正解がはっきりしています。「この単語は何か」「この画像に何が映ってるか」。でも音楽は違う。同じ音高の組み合わせでも、理論的な解釈は複数あり得るんですよ。例えば C-E-G という三つの音は「ハ長調の主要三和音」にもなるし、別の文脈では別の意味にもなる。その「文脈を読む」というのは、データセットで測れない部分があるわけです。 だから評価者たちは、測りやすい「見た目」——五線譜の形が正しいか、音の高さが合ってるか——に頼ってしまった。客観的で、採点が簡単だから。記事でも触れてますが、五線譜という西洋中心の枠に合わせるのも、そのせい。ギター用のタブ譜やデジタル記譜は、そもそも評価の対象外にされていた。 ONOTE は「音楽ロジックの正しさ」を軸にして、やっと評価の枠組みそのものを再設計した形のようです。技術的な難しさというより、音楽とは何かを評価者たちが改めて問い直すことになった、という方が正確かもしれません。

つまり『正解に見える答え』と『本当に理解してる答え』が違うってことって、AI全般の問題なの？

音楽AIの話なんですが、実はAI全般でずっと抱えてる問題を、音楽という「数学的かつ厳密な領域」が浮き彫りにしたのかもしれません。 例えば、言語モデルが文章を生成するときも「文法的には正しい日本語」と「実は矛盾した内容」が共存することがあります。医療AIが診断案を出すときも「医学的に一貫した推論」と「データパターンマッチング」は別物。ただ言語や医療の場合、「正解」そのものが人間の専門家でも議論の余地があるから、間違いに気づきにくい。 音楽理論は違います。「ドの音とミの音は長三度」という関係は、ポップだろうクラシックだろう変わらない。数学的な確実性がある。だから「形式的に正しく見えても、理論的に矛盾した答え」が、検査によって浮かび上がってくる。 つまり、音楽AIの評価方法の問題は、AIが「表面的なパターン認識」と「真の理解」のどちらで動いているのか、という根本的な疑いを、どの分野でも突きつけているんです。ただ、音楽はそれを測れるほど理論が厳密だというだけなのかもしれません。

五線譜に偏った評価方法が長く続いてたってことは、逆にタブ譜やデジタル記譜に対応したAIが過小評価されてきたってこと？

音楽 AI の評価方法に五線譜が優遇されてきたのは、評価者側の都合なんですよね。研究論文になりやすいのは、標準化された西洋音楽理論だから。だから自然と「五線譜で読み書きできる」が、音楽 AI の成熟度を測る物差しになってしまった。 逆説的ですが、タブ譜やデジタル記譜対応の AI が過小評価されたというより、そもそも「評価の土俵に上がりづらかった」というのが正確かもしれません。ギターのタブ譜なんて、楽譜としてはシンプルだし、デジタル DAW の記譜も理論的には十分構造的なのに、学術的な関心が薄かったがゆえに、その AI の実力を測る基準自体が作られなかった。 結果として、五線譜対応 AI だけが「成熟度ランキング」に乗り、タブ譜対応 AI は存在しないも同然。この新しいベンチマーク ONOTE は、その「測定されない領域」を可視化する動きと言えそうです。