日前，美國自在筆者Aaron Carnes訪問了谷歌年夜腦、加州年夜學Santa Cruz分校等從事AI和音樂聯合范疇的研討任務者，在親身感觸感染了他們的平常后，記載下了這幾個成心思的故事，讓吃瓜大眾也能夠瞥到當AI進入音樂圈時，究竟是使人驚恐照樣充斥等待？
一
這個名叫Jesse Engel的哥們兒比來正癡迷于讓本身的電腦釀成一個音樂家。他30多歲，個子很高，胡子拉碴還留著齊肩的頭發，愛好穿緊身牛崽褲，白色的T恤上還有萬花筒的設計…這些元素加起來，你能夠也會認為他應當是一個流浪的貝斯手，和“谷歌研討迷信家”的身份差著十萬八千里…
Engel他們位于谷歌舊金山辦公樓五層的辦公室，其實也是一個裝備齊備且優良的音樂師作室。懂得谷歌Magenta項目標人都曉得，這是一個應用人工智能和機械進修來創作藝術的項目，同時為開源人工智能平臺TensorFlow的用戶簡化這一進程。Magenta供給給用戶可以修正的代碼，包設計相似于人類年夜腦神經元的人工神經收集，并事后停止各類義務。它還為創作型藝術家和技巧人員供給了一個分享本身試驗的社區。
谷歌高等研討迷信家Douglas Eck從15年開端設計Magenta項目，16年正式對外宣布。他本年曾經48歲，但看起來仍像個孩子。
沒錯，我們幾小我湊到了一路，正盤算舉辦一場即興吹奏會。這本不是籌劃中的工作，Eck和Engel屆時將會為我和我的同伙、樂隊成員Adam Davis演示一些demo。但Eck仿佛對這事很隨便，假如想更好的去懂得Magenta項目，還有甚么比和它一路創作更好的呢？
我站在電子鼓后，Davis抓到了一個擋板，Eck在鍵盤前面，一向想帶起節拍。在特雷門琴（theremin, 是一種不須要接觸而吹奏的樂器，你可以像巫師一樣揮動著你的手掌握它）是Kory Mathewson，是谷歌暑期項目標練習生，由于他把他的余暇時光都花在了研討機械人來扮演即興悲劇，Eck笑著偷偷告知我，這也是其時為啥會讓Mathewson來這練習的一個考量。
最初要引見的就是我們這個暫時組建的樂隊的最初一位成員——A.I. Duet，它恰是應用了Magenta技巧的運用法式。當你在附加的鍵盤上彈奏一段旋律，法式會依據音符的選擇、節拍、切分音和之前聽到的音樂來辨認全體形式。然后它會主動盤算并幫你“補完”旋律的重奏部門，簡直可以完成“一呼一應”的吹奏形式。我們所應用的外部版本可以經由過程設置“溫度”來掌握呼應的隨機性：當Engel選高音吉他形式，開端即興創作旋律；當Engel聽到了他愛好的回應，就把設定上去。他拿起了一個黑色的Gibson Les Paul電吉他，然后吹奏就這么即興開端了。
猜猜我們都是誰~
我們的假想照樣很不錯的，但令我印象深入的是人工智能在二重奏中彈出的高音線。假如我們是一個真實的樂隊，我信任我們也會如許創作下去。音樂家們常常掙扎于沒有新的創作靈感，這個法式仿佛會成為他們創作的源泉。
“這就像在房間里有另外一個音樂家。” Davis說。他也介入了二重奏。當他開端吹奏樂器時，他開端在本來的音線外著色，這讓我們的樂隊成員覺得非常高興。（“我們真的很等待看到人們若何打破這類局勢，”Engel說。）跟著他賡續“升溫”，就發生了一種狂躁的、嚇人的旋律，與他現在輸出的器械簡直完整紛歧樣。好比，他給了一個“一閃一閃亮晶晶”的節拍想看看會產生甚么，在極致的溫度下，釀成了一首在蹩腳觀光中的圣誕曲。
“技巧對藝術來講異常主要。”Eck說。試想假如把你的吉他拔失落和弦。如今把它拔出這個很棒的電吉他，你會很依附技巧來完成這項任務。他彌補道，他們所做的相似于建造一個更好的吉他踏板，乃至就是一個電吉他。至多愿望是如許。如今，他們還不肯定這項技巧將若何影響音樂，或許它能否會被應用。這我想起了Auto-Tune，這是一種灌音軟件，它一開端是為平庸的風行音樂校訂音軌的音軌；后來T-pain和Kanye West如許的說唱歌手，就不再用它了，而是發揚了它的特色，發明出一種別致的聲響。
不論AI的音樂生成技巧若何，Eck認為這將是不朽的。“我們將追隨音樂家，假如有人發明我們正在做的工作，又做了一些更了不得的，我們能夠會約請他參加一路發明更多。”
聽著Eck，我可以顯著覺得他的年夜腦就是為了摸索算法而生的，同時對音樂的熱忱，引領著他用技巧來開辟這類給各類音樂家應用的對象。當我問他關于他本身的音樂尋求時，他略帶羞怯地而我分享了他在咖啡店彈吉他的美妙閱歷，而我則訝異于他并沒有把本身創作的最好時代花在成堆的分解器里。
二
人工智能和音樂的聯合其實已其實不是甚么新穎事。20世紀50年月，前鋒作曲家Lejaren Hiller和Leonard Isaacson用電腦寫了一首“Illiac Suite”。 該曲譜包含了依照某些音樂道理統計生成的音符，例如諧波互相依附，并基于作曲家對傳統音樂的常識規矩分解。
直到比來，AI幫助音樂還重要逗留在學術界。如今谷歌、索尼、IBM和其他公司都成立了相干的年夜型研討項目。還有像Jukedeck如許的始創公司，它應用人工智能為視頻生成告白和配景音樂。Brain.fm供給功效性的人工智能分解音樂，來贊助用戶抓緊、專注、和增進睡眠等，該技巧曾經開端盈利。
分歧的項目也都看到了相似的成果，但年夜家都有本身的小算盤。谷歌正在為藝術家設計對象，設計開放式的試驗項目，目標是激起發明力。Jukedeck把它的資本集中在對象易用性、市場營銷和追求節儉視頻配樂的本錢。Jukedeck的結合開創人Patrick Stobbs告知我，公司愿望擴展其客戶基本，包含任何對制造音樂感興致的人：它愿望應用這項技巧來贊助那些想要成為音樂家的人，在不進修吹奏樂器的情形下便可以創作歌曲。
他說：“就像Instagram讓不是專業修圖的我們更輕易創作出很棒的照片，我們把Jukedeck看做是一個創意對象，讓更多的人輕松地制造音樂，并具有更多的動力。”
年夜約十年前，一些應用相似人工智能技巧的音樂軟件運用法式就曾經涌現了，個中年夜多是使人懊喪的成果。微軟的主動編曲軟件Songsmith在阿卡貝拉聲道上生成卡西歐鍵盤式的伴奏。這個節目激起了有數弄笑視頻的靈感，例如，Freddie Mercury的“We Will Rock You”的扮演，聽起來特殊像曖昧的拉丁Muzak音樂。
從那今后，雖然技巧和咀嚼還在持續產生著抵觸觸犯，但工作曾經開端產生著天翻地覆的更改。從客歲開端，在不久的未來，全球都能看到人工智能生成的音樂將會是甚么模樣。制片人Alex Da Kid與IBM Watson超等盤算機協作，發明了一個朗朗上口的情緒歌謠“Not Easy”。 Watson應用了5年的文明數據，包含消息題目、互聯網搜刮、片子概要和社交媒體內容，來剖析他們四周的趨向和人們的情感。它還處置了跨越2.6萬首風行歌曲，尋覓配合的主題和音樂形式。應用這一信息，超等盤算機肯定了近代汗青的“情緒頭緒”，和可以惹起聽眾激烈情緒共識的音樂元素。然后Alex用這些數據來選擇心碎的主題，和他愛好的音樂短語和抒懷片斷。
跟著取得了格萊美的提名，他們又協作了創作了一首更廣域的歌曲。“Not Easy”在48小時內達到iTunes熱點歌曲排行榜上的第四名，它根本是被遺忘了，但還好還有它面前的故事。本來試圖吸引數百萬聽眾的情緒溫度，仿佛并沒有表達出來。和Auto-Tune的比較再次涌現了：在那些尋求完善風行音樂的人手中，AI可以經由過程數字化的方法完成其終究的勝利。
2012年炎天，在歐洲研討委員會（European Research Council）的贊助下，索尼盤算機迷信試驗室（Sony CSL）開端了一個為期5年的項目。成果介于歌曲“Not Easy”和Magenta項目之間。自上世紀90年月以來，盤算機迷信家、爵士樂和風行音樂家、索尼CSL的導演Francois Pachet一向在做與音樂和人工智能有關的研討。他和他的團隊與藝術家們的協作比谷歌更直接，他們的目的是用一組更側重輸入的名為“Flow Machines”的算法來發明出全新的風行音樂。
客歲9月，由Flow Machines協助完成的歌曲“Daddy’s Car”年夜火。這首和法國作曲家Beno?t Carré一同完成的歌曲聽上去異常像上世紀60年事中期Beatles的作風。有能夠為了創作這首歌曲，Flow Machines聽了異常多Beatles的歌曲。
索尼CSL流傳部的任務人員Fiammetta Ghedini表現：“Daddy’s Car其實有一點像是模擬作品。這是對歌曲作風的一次測驗考試。假如Beatles可以或許再現江湖的話，你應當可以或許感觸感染到是甚么作風。”
Flow Machines對“作風”的懂得是依附于數據的，這意味著你用特定的音樂來練習它，它就會猜測創作音樂的人是想要這類作風的音樂。換句話說，它只依據所選的數據集和法式員設置的束縛來懂得音樂的規矩。在創作Daddy’s Car的時刻，Flow Machines給了Carré幾個Beatles式旋律和和弦的建議。
為了贊助我懂得Flow Machines的藝術潛力，Ghedini向我引見了一首Carréet 用這個軟件創作的絕對不太火的歌曲，叫做“Mr. Shadow”。這首歌的練習數據集由包含Cole Porter，George Gershwin，Richard Rodgers和Vernon Duke 在內的經典美國詞曲作家的429首歌曲構成。我連續聽了好幾遍，我能給出的獨一感觸感染就是：使人不安的前衛風行樂。和弦序列是幽魅的，旋律又夢境和又來勢洶洶。Youtube上有一個評論：“幾十年后，當終結者用加特林槍殺逝世人類的時刻，這真是一首再好不外的配景音樂了。“我不曉得我能否愛好這首歌，但我認為這讓我看到了一種分歧的音樂，并且我想要聽更多這一類型的歌曲。”
2016年，在巴黎舉辦了一場由多名音樂人和Flow Machines配合編曲音樂會。這些作品從藝術的角度來講都是非常誘人和奇特的，乃至比Alex Da Kid的歌曲更風趣。Carré愿望在本年晚些時刻刊行他和Flow Machines配合刊行的音樂專輯。其他藝術家能夠也會效仿。
谷歌一向與藝術家們展開著抑制的協作。Eck更偏向于將他的對象運用于試驗音樂，而不是年夜量臨盆熱點單曲，或許制造功效性配景音樂，雖然這些都是潛伏的年夜市場。（Jukedeck在創立一個無窮制的收費視頻歌曲庫方面獲得了偉大的提高，這將有益于制造預算，但對作曲家晦氣。）他愿望能影響音樂的藝術偏向。他以為，最好的辦法就是給那些能夠不相符主流咀嚼的前沿藝術家供給對象。
Eck告知我：“我們應當積極地測驗考試制造其實不是每一個人都愛好的音樂。總有一些別致的后果，你會獲得一些新的和猖狂的器械。就像從麥當娜到碧昂絲那樣的巨星們從邊沿地帶取得靈感一樣，將來的風行歌手們也會把幫助地下藝術家的立異編織進他們的MOR圖表上。
自上世紀80年月中期以來，英國的一名傳授Eduardo Reck Miranda就一向介入這一范疇的研討。在他的心坎深處有一個特別的處所，那就是人工智能可以或許照亮的那些奇異的裂縫。
Miranda出身在巴西，之前曾是一位作曲家，但卻對用科技來幫助音樂創作這個范疇情有獨鐘…他告知我為了創作《聆聽的交響曲》，他開辟了人工智能軟件，將貝多芬的第7交響曲從新組合，用年夜腦掃描來解構人們聽音樂的方法。
“機械真的能做到嗎？在最開端的時刻我們也問過這個成績。然則，當我們認識到機械可以做到這一點的時刻，我們發明本來的音樂是多單調有趣。然后我們就開端想若何能力讓這些機械做些有效的事呢？”
三
關于AI能否能用于音樂創作的爭議年夜都是在Miranda、Eck和Pachet的試驗之前。而這里又不能不談到一小我——David Cope，一個古代的奧秘主義者，他能夠比任何人都更懂得人工智能和立異年夜腦之間的關系。
Cope擔負加州年夜學Santa Cruz分校的教職長達30余年時光。這位現年76歲、措辭輕聲細語的前傳授還在持續創作音樂并停止其他藝術創作，重要在用人工智能。
當我走進Cope溫馨的位于Santa Cruz的家的樓梯時，他收回正告：“為你性命中真實的怪僻時辰做好預備。”沒有進一步的說明，他翻開辦公室的門，顯露一個房間，與房子的其他部門構成光鮮比較，完整是一片凌亂。吊在天花板上的是幾十個風鈴。書本和隨機的物體隨處亂扔，似乎它們剛從龍卷風中幸存上去。在房間的中心是一輛健身車。
David Cope
他告知我，這類凌亂是成心為之的：這使他可以或許看就任何兩個物體，并試圖找到它們之間的關系。就像他的軟件是為音樂而生的一樣，這類凌亂是一種發明性的提醒，它應用了隨機性的驚人力氣。他說了許多關于這些道理的根本道理。
他十幾歲就開端寫算法了。他寫了年夜約100本書。在這些書里，早在1977年就有盤算機生成的音樂的內容。1980年，他開端了一項名為“音樂智力試驗”的歷久項目。上世紀90年月，他又開端開辟了一個名叫“Emily Howell”的新項目。這是一個以人的名字來定名的項目，部門是為了安慰一下那些宣稱機械將把人類作曲家趕收工作的否決者。 “機械做我們告知它們做的工作，它們沒有自我認識。我把人工智能界說為應用盤算機來懂得人類年夜腦及其任務道理的研討。僅此罷了。”
Cope讓我猜猜作曲家在創作的時刻都邑做些甚么。我其實其實不懂得。
Cope表現：“我們創作的時刻，實際上是在自創。這意味著算法中最主要的部門基本不是算法。而是一堆音樂。”我把這說明為藝術家們在創作本身作品的進程中會拼集旋律、情感和作風。Cope認識到盤算機須要以異樣的方法運作。
1988年，他應用數百個他本身的音樂的例子創立了一個數據集。在年夜約24小時內，他與的水平Emmy就創作了《搖籃墜落》這首曲子，這是他所寫的最好的音樂作品之一。他說，聽《搖籃墜落》和Emmy創作的曲子證實了他的結論，作曲家們都是在自創。
我熟悉到Google和Sony正在應用的深度進修，實際上是對Cope數據依附辦法的直接擴大。Miranda對此深表贊成，但他彌補說：“這類辦法是不完全的，這也是為何他的創作進程一向都是試驗性的。”
“一小我工智能軟件不克不及完整表現我們若何制造音樂，”Miranda說。“我們能做的最好的工作就是把成績減少到詳細的方面。”
這又招致了發明性生成模子中固有的讓人傷頭腦的事：人工智能音樂沒有明白的勝利尺度。因為機械進修技巧的成長，說話翻譯軟件最近幾年來日新月異。我們都贊成這是何等勝利，由于成果是客不雅的。然則，我們若何去贊成人工智能軟件的勝利所發生的音樂價值呢？經由過程在下層的風行度嗎？好評？Eck和他在Google的團隊經由過程藝術家的連續興致來界說它。當音樂家們在最后的新穎感消逝后持續應用這些對象的時刻，就是人工智能在這個偉大而凌亂的音樂王國中永遠占領一席之地的時刻。
結 語
在我們采訪停止分開Google后，Davis和我評論辯論了此次的采訪閱歷。“我愛好看到事物開端崩潰。在某些時刻，它會脫軌。它不曉得若何處置它被賜與的信息。而這恰好發明了真正風趣的音樂。”
很多藝術家和音樂喜好者都很畏懼人工智能技巧會讓老實的人掉去任務，同時把發明力拖到最小的公分母上。但Davis卻很想要看到凌亂的局勢產生，那些涌現裂痕恰是像Eck、Engel、Miranda和Pachet等立異者所等待的。但，電腦也會出錯，就像我們一樣。而我們將付與人工智能的那些奇異的、不完善的、弗成猜測的人類天性，恰是從新界說音樂的動力。
