人工智能正逐渐渗透到人们生活和文化的每一个角落——乃至包括那些须要创造机能力完成的事情。
作者 | Ben Dickson
来源 | pcmag
五月末，在东伦敦 Stepney 区的 St. Dunstan 教堂聚拢了一小群人，他们一起欣赏了两个小时的爱尔兰传统音乐。不过，与以往的音乐会不同的是，部分音乐的作曲事情是由人工智能算法 folk-rnn 完成的，人们无不惊叹，人工智能正逐渐渗透到人们生活和文化的每一个角落——乃至包括那些须要创造机能力完成的事情。
folk-rnn 由金斯顿大学和伦敦玛丽王后大学的研究职员开拓，是浩瀚探索人工智能与创造性艺术相领悟的项目之一。无生命的机器正入侵着被大众认为专属于人类聪慧的领域，看到 folk-rnn 的表现，惊异、恐怖、错愕——在场的民气境可谓是五味陈杂。
人工智能如何创造艺术？
同其它大多人工智能产品一样，folk-rnn 采取的也是机器学习算法。除了依赖于提前预设的规则之外，机器学习还要消化大量的数据集，创造出数学模型，找出数据之间的干系性，然后利用这种模型完成接下来的任务。
在创造乐曲之前，Folk-rnn 接管了 23,000 首爱尔兰乐曲的演习。从 2015 年以来，folk-rnn 经历了三次迭代，创作了超过 10 万首歌曲，很多作品都汇编进了多达 14 卷的在线作品集。
Flow Machines 是一个由欧洲科学研究委员会和索尼打算机科学实验室联合帮助的一个项目，该项目已成立 5 年。Flow Machines 同样是采取人工智能算法进行音乐创作。最为著名的造诣是它创作的 「Daddy's Car」，该算法在学习了 40 首披头士热门歌曲后，模拟披头士的风格创作了这样一首曲子。
拥抱缺点
算法可以模拟风格，感想熏染音乐文体，但它们还是常常犯一些人类作曲家不会涌现的基本缺点。folk-rnn 进行首演的曲子都是经由人类音乐家进行过修正调度的。
「艺术不是一个定义完善的问题，由于你永久无法知道你想要什么，」Francois Pachet 说。他是 Flow Machines 项目的首席研究员，目前是 Spotify 的 Creator Technology Research Lab 实验室主任。不过，他补充道，「幸好艺术无法进行很好的定义，否则就不叫艺术了。」说这话时他显得很高兴。
「Daddy's Car」这首曲子同样经由一位人类音乐人的编辑，一些音轨是手工添加的。「这首曲子有很多人工智能参与的身分，但并不是全部，」Pachet 说，「包括歌词和构造、全体曲子的混音和终极的产品都是人工进行的。」
「结果的出入猜想才是最有代价的地方，这会导向一些在音乐角度有趣的想法，」Bob Sturm 说道。他是伦敦玛丽王后大学数字媒体的一名讲师。「我们想要系统犯错，但假如合理的缺点。」
Daren Banarsë是一名爱尔兰音乐家，他对 folk-rnn 创作的乐曲进行了检讨和演奏，证明了这些有趣缺点的有益之处。「有一段让我很不理解的是，曲子在大调和小调之间一贯在颠簸，有时是一种随机的颠簸。从风格上来看，这是不对的，但同时，这种奇怪的曲调是我所想不出来的。」
Spotify 的工程师 Pachet 阐明称，这种出人意料的颠簸实际上可以帮助提升盛行音乐的水平。「从 YouTube 上找 30 或 50 首盛行歌曲，如果你看一下它们的旋律、和声、节奏和构造，你会创造这些曲子极其墨守成规，令人觉得很压抑。只有 3 到 4 个和弦，并且险些都一样。而具有创造力的人工智能却很有趣，并不仅仅是有趣，它还可以带来希望。我希望我们可以改变或者影响本日最盛行的音乐的质量。」
音乐没有精确答案
纽约一家初创公司 Amper Music 的联合创始人兼 CEO Drew Silverstein 说，「对人类而言，艺术之以是美妙，是由于没有精确答案——它完备是主不雅观的。你和我大概在聆听着同样的一段音乐，你可能喜好它，我可能不喜好它，我们两人没有谁对谁错，只是不一样罢了。」
「当代天下的寻衅则在于创建一款能够反响出这种主不雅观性的人工智能」，他又说，「饶有意见意义的是，有时候神经网络和纯挚数据驱动的方法并不是精确的答案」。
英国金斯顿大学的高等讲师 Oded Ben-Tal，也是创造 folk-rnn 的研究者之一，指出 AI 创造音乐时面临的另一个寻衅是：数据并不能代表统统。
Ben-Ta 说，「从某种程度你可以说，音乐即信息。我们听了好多音乐，并且作为一名作曲家，我从我听到的音乐中得到大量灵感，然后去创造新的音乐。但是把音乐『翻译』成数据是一件很困难的事情，并且是这种仿照中的一个大问题。由于没有数据能够捕捉到所有的音乐」。
简言之，AI 算法对音乐和艺术的阐明和理解是与人类大有不同的。
「再谈我们的系统，它远远没达到所谓的学习到艺术风格或者学习到爱尔兰音乐的某些方面，事实上它也没有做这样的事情」，Sturm 说，「它学习到了这种音乐的一些非常抽象的表征。而这些抽象表征和你对音乐的体会，以及作曲家如何将它们与传统的语境结合没有一点关系。」
Sturm 说，「人类须要这种追求，由于终极，我们要决定是否将打算机产生的东西结合起来，以创作新的音乐」。
在视觉艺术方面，人类与机器在感知方面的差异乃至更大。以谷歌超高效的图像分类算法的逆向版本 DeepDream 为例。你给它一幅图片之后，它会探求与之相似的模式，并将图片修正得更加像它以是为的东西。这可以用来将草图修正成加强版的草图，但是如果让它在自己的设备上来完成这件事，可能会导致不太空想的结果。如果你丢给它一张你自己的脸的照片，它有可能找到一个像狗的模式，并在末了将你的脸变成一条狗。
一位在谷歌 DeepMind AI 实验室演习的艺术家在去年接管连线杂志关于这个软件的采访时说，「这险些像神经网络让人产生幻觉一样。它随处能够看到狗」。
但是 AI 天生的艺术作品常日是极富有魅力的，常日能够在拍卖会上赚到数千美元。去年在旧金山举办的艺术展览上，由 DeepDream 赞助天生的画作就卖出了 8000 美元的高价。
创造性 AI 的商业版图
只管研究者和科学家还在持续探索这个领域，一大把初创公司早已迈入这个领域，并且动手供应能够办理特定业务场景中的详细问题的产品了。Amper Music 便是个中之一，他将 Amper Music 描述为「能够创作独一无二的专业音乐作曲家、制片人、演员，任何内容都能够在几秒钟搞定」。
假如用 Amper 创作音乐，你须要指定期望的感情、长度和流派风格。AI 会在很短韶光内天生基本乐曲，然后由你进行修正和微调。Amper 还供应了 API，开拓者们也可以结合这个平台在自己的软件中加入这项能力。
Jukedeck 是一家总部在伦敦的初创公司，它由两名剑桥大学的毕业生创立，这家公司能够供应类似的做事。就像 Amper 一样，用户给 Jukedeck 供应基本参数，然后它就会给用户返回一段原始的音乐带。
两家公司的紧张客户都是那些须要「功能音乐」（functional music）的公司，例如在广告中、视频游戏中、报告中以及 YouTube 视频中须要的类型。Jukedeck 已经为包括适口可乐、google 以及伦敦自然历史博物馆在内的客户创作了超过 500000 段音乐。作曲家也在利用这个工具来增强他们为客户创作的音乐。
第三家初创公司是澳大利亚的 Popgun，它开拓了能够和人类一起演奏音乐的 AI 音乐家。名字叫做 Alice，这款 AI 能够聆听你的演奏，并且在听完之后立即奏出一段独一无二的创作，这段创作能够和你的演奏相匹配。
在视觉艺术家当，商业用例逐渐开始涌现。去年，Adobe 提出了 Sensei，这是一个致力于提升人类创作力的 AI 平台。Sensei 以多种办法帮助艺术家，例如自动移除照片中的背景，或者基于海报或者草图的内容来找到海量的图片。
与人类艺术家的互助
大概并不奇怪，这些初创公司的创立人和管理者都是背景强大的艺术家们。Amper 公司的 Silverstein 在范德堡大学完成了音乐作曲和理论方面的学习，并为电视、电影和视频游戏等作曲。Jukedeck 的创始人兼 CEO，Ed Newton-Rex 同样精通音乐作曲。
但是并非大家都相信人工智能在艺术领域起到的积极浸染。一些参与 folk_rnn 的人形容人工智能产生的作品缺少「精神力、情绪和激情」。其他人则表示有些担忧「人工智能创作音乐对文化的影响，以人类的美感和对音乐的理解的损失。」
作曲家兼 folk-rnn 算法的研究职员对 Inverse 表示：「至今，所有和我交谈这件事的音乐家都对人工智能创作音乐有负面的评价。他们的反应从轻微负面的评价，再到很坦白地问我：'你为什么这么做？'」
而这些创新的人工智能算法的开拓者常日不会与别人一样拥有这些顾虑。「我不认为人类将会退出出音乐创作这个舞台，」Newton-Rex 说道。「首先，作为听众，我们关心的不仅仅是我们正在听的音乐；我们在乎音乐背后的音乐家，在乎他们的故事。永久都是这样。」
Silverstein 表示，「功能性音乐的代价表示在它的商业用场，而不是它的创作性或者制作它所需的团队互助中」，Silverstein 阐明说，「但艺术性音乐的代价不表示在用例中，而是表示在它的过程里。史蒂芬伯格和约翰威廉姆斯写下了星球大战的配乐，这里面二人的互助就很主要。」
「我们看到的创作音乐的案例都是音乐家之间的互助，」Popgun 的联合创立者，Jack Nolan 说道。「艺术家门可以利用 Alice 作为创作灵感的来源，或者利用 Alice 帮助他们在音乐中想出一个旋律或者是和弦的进程。我们并不认为人类会停滞发出属于自己声音的希望。而人工智能将会帮助人类做到这一点，而不是代替他们创作音乐。」
Daren Banarsë 对互助的益处表示赞许。「当我要开始一个大型的音乐创作时，我总有点害怕的觉得。或许我可以给打算机一些参数：演奏者的人数、氛围、乃至是我最喜好的作曲家的名字，然后它能为我产生一个基本的构造，」他说。「我不期待它能创造出一个立时能用的作品，但是这可以是一个出发点。或者它可以输出一些旋律想法或者和弦进程的选择，让我有一个参考。或许某个地方会产生打算机的故障或是随机的旋律急转，而这可能会把我带到一个完备意想不到的方向。」
Ben-Tal 承认一些事情可能会受到影响。「职业音乐家将不得不适应这一点，」他说。「我把这个展示给我的学生，然后见告他『这意味着在 5 年或是 10 年后，一些音乐领域入门级的事情将会消逝，或者你须要干别的事情，或者你要拥有别的技能。』」
民主化创作
人工智能的创造力可以帮助那些没有内在天赋或是没有经由长期技能磨炼的人。以 Vincent 的人工智能绘画平台为例，这个平台将粗糙的草图转换为专业水准的绘画，并且人工智能音乐平台能以最少的投入创作出相对不错的音乐。
Jukedeck 的 Newton-Rex 把这个形容为「大众化的」创造力。他表示，「没有学过太多音乐的人可以节制最根本的音乐知识，利用人工智能帮助他们创作音乐。」
Pachet 赞许这一不雅观点。他将最近发展的人工智能和 80 年代期间第一批数字合成器的到来和随后的数字采样器进行类比。当时，也有一种类似的担忧，音乐家将会由于打算机失落去自己的事情。「但是事实正好相反，大家都随身拿着这些新的机器和硬件，学会了如何高效地利用它们，」他说。「音乐家当在某种意义上是爆炸式发展的。」
「会有更多的人从事音乐这一事情，希望能产生更多有趣的音乐，」他补充说，话题又回到了人工智能的创造力方面。「我无法预测未来，但是我并不担心人工智能会取代艺术家。我反而比较担心其他的事情，那些很明确的问题，比如自动化医疗和自动驾驶汽车等问题。这些事情才真正会毁坏事情。但是对付创造性方面，我不认为这会发生。」