BhaRaTa: A Novel Framework for Emotion Analysis of Sanskrit Narratives

あなたは、部屋の中にいる人々の会話を聞くだけで、その場の雰囲気（ムード）を理解しようとしている探偵だと想像してください。コンピュータサイエンスの世界では、これを「感情分析」と呼びます。通常、コンピュータは基本的なことは得意です。「誰かが喜んでいるか、悲しんでいるか」「レビューが肯定的か否定的か」といったことです。しかし、現実の世界、特に素晴らしい物語においては、物事は単なる「親指を立てる（グッド）」や「親指を下に向ける（バッド）」のような単純なものではありません。人間は、興奮しながらも少し緊張していたり、怒りながらも誇らしかったりと、複雑に混ざり合った感情を同時に抱くものです。

長い間、コンピュータは西洋的な心理学のマップを用いて、これらの複雑な感情を理解しようとしてきました。このマップは、「喜び」「恐怖」「怒り」といったカテゴリーに感情を分類します。しかし、もし全く異なるマップがあったとしたらどうでしょう？ 数千年前の古代インドで描かれたマップです。この論文は、研究者がコンピュータに人間の言語を読ませ、理解させる方法を教える「自然言語処理（NLP）」という科学の一角へと踏み込みます。ここでの大きな問いは、「古代のインドの理論である『ラサ（Rasa）』を用いて、コンピュータに古代サンスクリット語の物語の深く微細な感情を理解させることができるか？」ということです。この理論は、物語とは単に何が起こったかではなく、読者の心の中に作り出される特定の「味わい」や「美的体験」についてのものであり、それは小さな感情の手がかりから積み上げられるものであると示唆しています。もし私たちがこのコードを解読できれば、コンピュータが文学をより人間らしく、物語の伝え方における独自の文化的歴史を尊重しながら理解する助けとなるかもしれません。

---

感情の古のレシピ：BhaRaTa

BhaRaTa（「Bhāva & Rasa Tagging」の略）の背後にいるチームを紹介しましょう。彼らはIIITハイデラバードの研究者グループで、非常に具体的かつ非常に困難なパズルに取り組むことに決めました。それは、「どのようにすればコンピュータにサンスクリット劇の感情を理解させることができるか？」という問いです。

サンスクリット語は、言語の化石のような古代の言語です。それは美しいものですが、デジタル界においては非常に稀少です。コンピュータが学習するための、サンスクリット語による何百万ものツイートやRedditの投稿があるわけではありません。さらに、劇そのものが複雑です。それらは単なる台詞ではありません。詩と散文が混ざり合い、身体的な動作やささやき、劇的な間（ま）に満ちています。研究者たちは、標準的な「西洋的」な感情ツール（「嬉しい」や「悲しい」といった単純な言葉を探すもの）を使おうとしても、その魔法を見逃してしまうだろうと知っていました。そこで彼らは、ドラマが生み出す感情体験の「レシピ本」として機能する古代の論考、『ナーティヤ・シャストラ（Nāṭyaśāstra）』に基づいた新しいフレームワークを構築したのです。

材料：バーヴァ（Bhāva）とラサ（Rasa）

彼らの実験を理解するには、彼らが使った「材料」を理解する必要があります。研究者たちは、古代のテキストから主に2つの概念を使用しました。

1. バーヴァ（Bhāva / 材料）： これらは「生の感情状態」と考えてください。劇の中で、登場人物は「切望」「恐怖」「喜び」「決意」などを感じることがあります。これらは、その瞬間瞬間の具体的な感情です。研究者たちは、テキスト内でタグ付けすべきこれら31種類の「味わい」を特定しました。
2. ラサ（Rasa / 完成した料理）： これは全体像です。これらすべての小さな「バーヴァ」を特定のやり方で混ぜ合わせると、シーン全体を支配する主要なムードや美的体験、すなわち「ラサ」が生まれます。それは、小麦粉、砂糖、卵を混ぜてケーキを作る過程に似ています。混ぜ合わせた後は、もはや「小麦粉」だけを味わうのではなく、「ケーキ」の味を感じるのです。サンスクリット劇において、一つのシーンは「ロマンス」「英雄的行為」「恐怖」「喜劇」などに支配されることがあります。

チームの目標は、個々の台詞という「材料」を分析することで、コンピュータが「ケーキ」（シーンのムード）の味を学ぶことができるかどうかを確認することでした。

実験：機械に食べさせる

研究者たちは、伝説的な劇作家カーリダーサの作品を含む、18の有名なサンスクリット劇を集めました。彼らはテキストを整理しました（これは、古いデジタル版には欠落した単語や誤字があったため、驚くほど大変な作業でした）。そして、劇を6,947行の個別の台詞に分解しました。

次に、彼らは最も困難な作業を行いました。すべての行に対して、正しい「バーヴァ（感情）」を、そしてすべてのシーンに対して、正しい「スタイーバーヴァ（支配的なムード）」を手作業でタグ付けしたのです。彼らはこれを行うための特別なウェブツールを作成し、二人の異なる人物がほとんどの場合でタグ付けに同意するようにしました。これにより、これまで存在しなかった、注釈付きサンスクリット劇の新しいデータセット（宝の山）が誕生しました。

データが準備できたら、彼らはそれをコンピュータに投入しました。彼らは主に2つのアプローチを試しました。

1. 行ごとのテスト： コンピュータは、単一の文章を見て感情を推測できるか？（例：「この行は『喜び』か『不安』か？」）
2. シーンのテスト： コンピュータは、シーン全体を見て全体のムードを推測できるか？（例：「このシーンは『ロマンチック』か『英雄的』か？」）

彼らは、単純で古風な数学モデルから、人間のように読む洗練された現代的なAIシステム（トランスフォーマーと呼ばれます）まで、多くの異なるタイプの「コンピュータの脳」をテストしました。

結果：古風な手法が新派に勝る

ここからが面白いところです。超スマートな現代のAIモデルが簡単に勝つことを予想するかもしれません。結局のところ、それらは膨大な量のデータで訓練されているからです。しかしこのケースでは、単純で古風なモデルの方が、より優れた仕事をしたのです。

なぜでしょうか？ 研究者たちは、データセットが巨大なAIモデルにとっては小さすぎたためだと示唆しています。サンスクリット劇には約7,000行しかありません。巨大なAIにとって、それはわずか3曲の曲を聴いてピアノの弾き方を学ぼうとするようなものです。AIは混乱し、機能しないパターンを暗記しようとしてしまいました。しかし、より単純なモデルは、鋭い探偵のように、特定のフレーズが常に「怒り」や「喜び」を意味するというサンスクリット語の「兆候」を、圧倒されることなく正確に見抜くことができたのです。

研究者たちは、このパズルを解く最善の方法は、階層的なアプローチを用いることであることを見出しました。コンピュータに32種類の感情を一度に推測させるのではなく（これは、ヒントなしに52枚のカードの束から特定のカードを当てるよう子供に頼むようなものです）、まず「カテゴリー」を推測させ（これは「肯定的」「否定的」「混合」のどれか？）、その後に特定の感情を推測させるようにしたのです。この「2ステップ」の手法は、精度を大幅に向上させ、はるかにうまく機能しました。

シーン全体のムードを推測する場合、コンピュータは感情の分布を見ることが鍵であることを見つけました。もしシーンの中に多くの「喜び」や「切望」の行があれば、コンピュータはそのシーンが「ロマンチック」であることを正しく推測できました。興味深いことに、感情を最初にカウントせずに、シーンの生のテキストを読んでムードを推測しようとすると、より難しくなり、精度も下がりました。これらの古代の劇においては、生の言葉そのものよりも、小さな感情の「混ざり具合」の方が強力な手がかりになるようです。

うまくいかなかったこと

研究者たちは、利用可能な最新かつ最も強力なAIモデル（Llama 3.1のような大規模言語モデル）も試してみました。これらのモデルに、直接感情を推測させるよう求めたのです。結果は期待外れでした。モデルのパフォーマンスは非常に低く、正解することよりも間違えることの方が多い結果となりました。研究者たちは、これらの汎用AIモデルはまだこの特定のタスクには準備ができていないと考えています。これらの微妙なニュア Nuance（ニュアンス）を理解するためには、サンスクリット語に特化したさらなるトレーニングが必要です。

まとめ

この論文は、人間の感情の謎を解明したと主張するものではありません。代わりに、その基礎を築くものです。以下のことを示しています。

• 2,000年前の理論に基づいたフレームワークを用いて、コンピュータに古代のインドの感情を理解させることができる。
• サンスクリット語のようなリソースの少ない言語においては、巨大なデータに飢えたAIよりも、シンプルでスマートなモデルの方が効果的な場合が多い。
• 複雑な問題（32の感情を推測する）を、より小さなステップ（まずカテゴリーを推測する）に分解することで、コンピュータの精度は格段に向上する。

研究者たちは、これが始まりに過ぎないことに興奮しています。彼らはこの「BhaRaTa」フレームワークを使用して、他の種類のサンスクリット文学（叙事詩や詩など）を分析し、最終的にはこれらのアイデアを他のインドの言語に応用したいと考えています。彼らは、古代の知恵と現代のテクノロジーを融合させることで新しいものを生み出し、数千年もの間生き残ってきた物語の感情的な深さを理解する手助けができることを証明したのです。