211service.com
AI Songsmith nagrywa zaskakująco chwytliwe melodie
Piosenka fortepianowa poniżej, która wznosi się beztrosko, a potem kończy melodyjnym rozmachem, brzmi trochę jak jingle skomponowany na potrzeby najnowszej kampanii past do zębów.
Melodia została w rzeczywistości wymyślona przez muzyczny program AI opracowany przez Google. A najnowsze kompozycje programu pokazują, jak połączenie potężnego podejścia do uczenia maszynowego z prostymi zasadami muzycznymi może stworzyć kreatywne dzieła, które brzmią niezwykle ludzko.
Kompozycja muzyczna jest enigmatyczną formą ludzkiej twórczości. Programy do pisania piosenek już istnieją, ale zazwyczaj stosują się do określonego zestawu zasad i mają tendencję do tworzenia melodii, które są sztywne i mechaniczne. To samo dotyczy oprogramowania, które poleca muzykę w oparciu o twoje nawyki słuchania (zobacz The Hit Charade ). Nauczenie komputerów, aby były bardziej pomysłowe pod względem muzycznym, może wskazywać na sposoby, w jakie maszyny mogą pomóc w innych twórczych działaniach, od projektowania produktów po pisanie elokwentnego tekstu.
Google już wcześniej zademonstrował swojego twórcy muzyki wykorzystującego sztuczną inteligencję, który jest częścią projektu o nazwie Magenta, który ma na celu wspieranie sztucznej kreatywności (patrz OK, Computer, Write Me a Song ). Duża sieć neuronowa jest zasilana dziesiątkami tysięcy utworów i jest wytrenowana w przewidywaniu następnej nuty w sekwencji. Taka sieć może również generować nową muzykę, gdy otrzyma punkt wyjścia, chociaż wynikom zwykle brakuje struktury i wdzięku.
Douglas Eck , naukowiec w firmie Google, który kieruje rozwojem sztucznej inteligencji generującej muzykę, wraz ze stażystką w firmie Natashą Jaques opracowali niedawno sposób na sprawienie, by systemy do pisania piosenek tworzyły znacznie bardziej eleganckie i chwytliwe melodie. Stosują podejście znane jako uczenie się ze wzmocnieniem, aby dodać proste zasady teorii muzyki – unikaj zbyt częstego powtarzania refrenu, nie graj zbyt szybko lub wolno itd. – do ogólnego procesu uczenia się. Sieć otrzymuje pozytywną nagrodę za każdym razem, gdy tworzy sekwencję nut, która nie tylko przypomina schematy widziane w poprzednich piosenkach, ale także przestrzega nadanych jej zasad muzycznych.
To proste zasady zaczerpnięte z podręcznika do komponowania muzyki, mówi Eck. Połączenie tych zasad z uczeniem się przez wzmacnianie i zmiennością rzeczywistego świata, pochodzącą z tysięcy ludzkich kompozycji, daje nam piosenki, które są tak chwytliwe, że trochę swędzą.
Nowe podejście, opisane w a artykuł naukowy i post na blogu , z pewnością wydaje się poprawiać zautomatyzowane generowanie muzyki. Kolejny fragment muzyki pokazuje, jak program radzi sobie bez przestrzegania tych zasad. Utwór wydaje się płaski, powtarzalny i mechaniczny. Eck i Jaques przeprowadzili również badanie użytkowników i stwierdzili, że ludzie znacznie wolą kompozycje wytworzone przy użyciu nowej techniki.
Eck mówi, że umiejętność osadzania zasad w uczeniu się ze wzmacnianiem będzie przydatna w wielu obszarach, w tym w robotyce, systemach rekomendacji i tłumaczeniu języka.
Nie ma powodu, dla którego maszyny nie mogą być ciekawe i kreatywne, mówi Jurgen Schmidhuber , profesor na Uniwersytecie Lugano w Szwajcarii, który przeprowadził pionierskie badania nad typem sieci neuronowych wykorzystywanych przez badaczy Google i który eksperymentował z kreatywnością przy użyciu uczenia ze wzmacnianiem. Schmidhuber dodaje, że podejście to może mieć szereg praktycznych zastosowań poza muzyką. Można sobie wyobrazić podobne kombinacje [sieci neuronowych] i tradycyjnych opartych na regułach systemów eksperckich do diagnostyki medycznej, mówi.
Uczenie się ze wzmocnieniem oferuje sposób nauczenia maszyn wykonywania rzeczy, które byłyby trudne do osiągnięcia za pomocą wyraźnych instrukcji. Technikę tę wykorzystał AlphaGo, program opracowany przez badaczy Google do grania w starożytną grę planszową Go. Chociaż zasady Go są proste, trudno jest wytłumaczyć, jak dobrze grać, a gracze zwykle rozwijają intuicyjne zdolności przez wiele godzin ćwiczeń. Ale czasami może być przydatna możliwość udzielenia wyraźnych instrukcji również systemowi uczenia maszynowego.
Stevan Harnad , profesor psychologii na Uniwersytecie Quebec w Kanadzie, który studiował sztuczną kreatywność, mówi, że praca Magenta jest imponująca, ale dodaje, że jest jeszcze długa droga, zanim komputerom będzie można przypisać prawdziwą, podobną do ludzkiej kreatywności. Algorytmy głębokiego uczenia są bardzo obiecujące, ale jak dotąd nie powieliły jeszcze zwykłych, nietwórczych ludzkich zdolności, więc trochę przedwcześnie oczekiwać od nich kreatywności.
W rzeczywistości, mówi Harnad, nawet kompozycje takie jak te wyprodukowane przez zespół Google często wydają się mechaniczne po kilku odsłuchach.