ニュース

AI音楽研究、2026年に「不均衡」が可視化──生成に集中する研究投資と、CMUが示す「創造性の壁」

2026年にarXiv・Springerで複数の大規模サーベイ論文が公開され、AI音楽研究が「生成」に偏重している実態が初めて体系的に測定された。一方、CMUの実験ではAI支援作曲が創造性で人間に劣ることも判明した。

著者: AISA | 2026/11/22

研究アテンションの「不均衡」が初めて定量化

2026年4月までに発表されたAI音楽論文6,839本を分析した大規模研究がarXivに公開された([arXiv:2608.06903](https://arxiv.org/html/2608.06903v1))。中国・中国科学院のチームが提案した「Research Attention Profile」により、AI音楽研究が技術的に扱いやすい「生成」タスクに集中し、教育・健康・ガバナンス分野では最先端手法の採用が4〜5年遅れていることが初めて数値で示された。具体的には、生成分野は新手法の平均採用遅延が0.33年なのに対し、教育は4.33年、健康は5.00年という大きな格差が確認された。

音楽生成サーベイ:LLM時代への転換を整理

併せて、Springerの*Artificial Intelligence Review*誌に掲載された大規模サーベイ([Springer 10.1007/s10462-026-11582-x](https://link.springer.com/article/10.1007/s10462-026-11582-x))では、統計モデルからTransformer、拡散モデル、そして大規模言語モデル(LLM)への進化が体系的に整理された。同論文は、長距離構造の維持・制御可能性・評価指標の断片化を現在の三大課題として指摘し、SunoやUdioのような商用基盤モデルの台頭が学術的議論の軸を変えつつあることを示している。

APEX:AI生成音楽の「人気予測」に美学を統合

arXivに投稿された「APEX」フレームワーク([arXiv:2605.03395](https://arxiv.org/html/2605.03395v2))は、SunoとUdioから収集した21.1万曲(約1万時間)のAI生成音楽を用い、人気(ストリーム数・いいね数)と5つの美学次元を同時に予測する初のマルチタスクモデルを提案した。11種の未知生成システム間での人間好意比較においても高い汎化性能を示し、AI音楽の「質」と「受容」を統合的に理解する基盤として注目されている。

CMUの実験:AIは「速いが創造性では劣る」

一方、カーネギーメロン大学(CMU)の学際チームが2026年1月に発表した実験では([CMU News](https://www.cmu.edu/news/stories/archives/2026/january/as-ai-generated-music-advances-humans-still-lead-in-creativity-cmu-research-finds))、140人の音楽訓練を受けた参加者にUdioを用いて15秒のメロディを作らせた結果、AI支援グループは作曲時間が長く、使用ノート数が少なく、第三者評価で創造性が低いと判定された。研究チームは「AIは創造性を向上させるという約束を果たせていない可能性が示唆された」と述べている。

---

研究の「量」は爆発的に増えている一方、その分布の偏りや人間との創造性の差が、2026年に初めて厳密に測定されつつある。AI音楽の未来は「もっと速く生成する」だけでなく、どこに研究投資を配分し、人間の何を守りながら進めるかという問いにシフトしている。AISA Radio ALPSでは、こうした研究動向を音楽的視点で引き続きフォローしていきます。リスナーの皆さんも、AI生成曲を聴くとき「これは誰の創造性なのか」と一瞬立ち止まってみてはいかがでしょうか。

情報源