ブラックボックス最適化のOptunaを使って、自分の好みの色を探してみる

ISID X（クロス）イノベーション本部の飯田です。

ブラックボックス最適化を使って、なかなか言語化しにくい自分の思考パターン（好みの色）を表現する取り組みをしてみました。

ブラックボックス最適化とOptuna

ブラックボックス最適化とは「ある関数の出力を最大化（または最小化）するような入力を勾配情報などを使わずに探索する問題」と言われます。参考

ある入力に対して、その出力結果だけしか取得することが出来ず、それ以外の情報が与えられないような状況で、結果を最適化（最小化・最大化）することを目的としています。

Optuna は株式会社Preferred Networksが開発しているハイパーパラメータの最適化を自動化するためのソフトウェアフレームワークです。
optuna.org
TPE (Tree-structured Parzen Estimator) 等の最適化アルゴリズムが実装されています。
ライブラリの使い方も非常に簡単で、使いやすいと思っています。

つくったもの

FastAPIで簡単な画面を作って、Optunaと組み合わせて、自分の好みの色を探してくれるWebアプリを作ってみました。
「色の好み」をブラックボックス関数と見立て、好みの値が最大になるような最適化をしていくイメージです。

内的な感覚（例：色の好み）の関数と見立てるという意味では、心理物理学という学問領域があります。
心理物理学は、外的な刺激と内的な感覚の対応関係を測定し、また定量的な計測をしようとする学問です。
「色の好み」をブラックボックス最適化で探る取り組みは、心理物理学に近しいものがあるかも知れません

Web画面は下記のようなイメージです（今回、デザイン性は一切考慮しておりません笑）

結果

134試行を行った結果のベストパラメータは{'r': 59, 'g': 112, 'b': 160}でした。
実際に描画すると、こちらの色です。

自分の気持ちとしては、まぁまぁ合っている感じがしています。

最適化が進む様子はこんな様子でした。

コード

流れとしては、ざっくり下記のような流れです

study.ask() で、過去の結果に基づいて、効率的に探索できる色を決定
FastAPI経由でHTML上で、その色を画面表示
提示された色の好みに対して点数を入力し、APIを呼びだす
regist_trial(r,g,b,v)で、RGBと評価点を登録

メイン部分のコードは下記のような形です。

sampler = optuna.samplers.TPESampler(multivariate=True, n_startup_trials=10)
study = optuna.create_study(direction='maximize', sampler=sampler)

def regist_trial(r,g,b,v):
    trial = optuna.trial.create_trial(
        params={"r": int(r),"g": int(g),"b": int(b)},
        distributions=study_search_space,
        value=int(v)
    )
    study.add_trial(trial)
    
def sugest_next_color(r,g,b,v):
    regist_trial(r,g,b,v)
    trial = study.ask()
    next_r = trial.suggest_int("r", 0, 255)
    next_g = trial.suggest_int("g",0, 255)
    next_b = trial.suggest_int("b",0, 255)
    return (next_r,next_g,next_b)