211service.com
AI Songsmith izdod pārsteidzoši lipīgas melodijas
Zemāk redzamā klavieru skaņa, kas jautri paceļas uz augšu, pēc tam beidzas ar melodisku uzplaukumu, izklausās kā džinksts, kas komponēts jaunākajai zobu pastas kampaņai.
Šo melodiju patiesībā izsapņoja Google izstrādātā muzikālā AI programma. Programmas jaunākās kompozīcijas parāda, kā jaudīgas mašīnmācības pieejas apvienošana ar vienkāršiem mūzikas noteikumiem var radīt radošus darbus, kas izklausās ārkārtīgi cilvēciski.
Mūzikas kompozīcija ir mīklains cilvēka radošuma veids. Dziesmu rakstīšanas programmas jau pastāv, taču tās parasti ievēro noteiktu noteikumu kopumu, un tās mēdz radīt melodijas, kas šķiet stingras un mehāniskas. Tas pats attiecas uz programmatūru, kas iesaka mūziku, pamatojoties uz jūsu klausīšanās paradumiem (skatiet The Hit Charade). Mācīšana datoriem būt muzikāli izgudrojošākiem var norādīt uz veidiem, kā mašīnas var palīdzēt citos radošos darbos, sākot no produktu izstrādes līdz daiļrunīga teksta rakstīšanai.
Google jau iepriekš ir demonstrējis savu mūziku ģenerējošo AI dziesmu kalēju, kas ir daļa no projekta Magenta, kura mērķis ir veicināt mākslīgo radošumu (skatiet OK, Computer, Write Me a Song). Liels neironu tīkls tiek barots ar desmitiem tūkstošu dziesmu un ir apmācīts paredzēt nākamo noti pēc kārtas. Šāds tīkls var arī radīt jaunu mūziku, ja tam tiek dots sākumpunkts, lai gan rezultātiem parasti trūkst struktūras un graciozitātes.
Duglass Eks , Google pētnieks, kurš vada mūziku ģenerējošā mākslīgā intelekta izstrādi, kopā ar uzņēmuma praktikanti Natašu Džeksu (Natasha Jaques) nesen izstrādāja veidu, kā likt dziesmu rakstīšanas sistēmām radīt daudz elegantākas un lipīgākas melodijas. Viņi izmanto pieeju, kas pazīstama kā pastiprināšanas mācīšanās, lai pievienotu vienkāršus mūzikas teorijas principus — izvairieties no pārāk biežas atturēšanās atkārtošanas, nespēlējiet pārāk ātri vai lēni utt. — kopējam mācību procesam. Tīkls saņem pozitīvu atlīdzību katru reizi, kad tas rada notu secību, kas ne tikai atgādina iepriekšējās dziesmās redzētos modeļus, bet arī ievēro mūzikas noteikumus, kas tam ir doti.
Tie ir vienkārši noteikumi, kas ņemti no mūzikas kompozīcijas mācību grāmatas, saka Eks. Šo noteikumu kombinācija ar pastiprinošu mācīšanos un reālās pasaules dažādība, kas izriet no tūkstošiem cilvēku radītu kompozīciju, sniedz mums dziesmas, kas ir tik lipīgas — tās saskrāpē.
Jaunā pieeja, kas aprakstīta a pētnieciskais darbs un a emuāra ieraksts , noteikti, šķiet, uzlabo automatizētu mūzikas ģenerēšanu. Vēl viens mūzikas fragments parāda, kā programma darbojas, neievērojot šos noteikumus. Gabals šķiet plakans, atkārtojas un mehānisks. Eck un Jaques arī veica lietotāju pētījumu un atklāja, ka cilvēki daudz dod priekšroku kompozīcijām, kas ražotas, izmantojot jauno tehniku.
Eck saka, ka spēja iegult noteikumus pastiprināšanas mācībās būs noderīga daudzās jomās, tostarp robotikā, ieteikumu sistēmās un valodu tulkošanā.
Nav iemesla, kāpēc mašīnas nevarētu būt zinātkāras un radošas, saka Jirgens Šmidhūbers , profesors Lugāno Universitātē Šveicē, kurš veica novatoriskus pētījumus par Google pētnieku izmantoto neironu tīklu veidiem un ir eksperimentējis ar radošumu, izmantojot pastiprinošu mācīšanos. Šmidhubers piebilst, ka šai pieejai varētu būt virkne praktisku pielietojumu, ne tikai mūziku. Viņš saka, ka varētu iedomāties līdzīgas [neironu tīklu] un tradicionālo uz noteikumiem balstītu ekspertu sistēmu kombinācijas medicīniskai diagnostikai.
Pastiprināšanas mācības piedāvā veidu, kā iemācīt mašīnām darīt lietas, kuras būtu grūti sasniegt, izmantojot skaidrus norādījumus. Šo tehniku izmantoja AlphaGo, Google pētnieku izstrādātā programma, lai spēlētu seno galda spēli Go. Lai gan Go noteikumi ir vienkārši, ir grūti izskaidrot, kā spēlēt labi, un spēlētāji parasti attīsta intuitīvas spējas daudzu stundu laikā. Taču dažreiz var būt noderīgi sniegt skaidrus norādījumus arī mašīnmācības sistēmai.
Stīvens Harnads , Kanādas Kvebekas universitātes psiholoģijas profesors, kurš ir pētījis mākslīgo radošumu, saka, ka Magenta darbs ir iespaidīgs, taču piebilst, ka vēl ejams tāls ceļš, līdz datoriem var pieskaitīt īstu, cilvēkiem līdzīgu radošumu. Viņš saka, ka padziļinātas apmācības algoritmi ir ļoti daudzsološi, taču līdz šim tie vēl nav dublējuši parastās, neradošās cilvēka spējas, tāpēc ir pāragri gaidīt, ka tie būs radoši.
Harnads saka, ka pat tādas kompozīcijas kā Google komandas radītās bieži pēc dažām noklausīšanām parādās mehāniski.