Šārāde

Zane Lowe pirmā izrāde kā dīdžeja Apple Music bija nedaudz reibinoša. Dziesmas, kuras viņš spēlēja, svārstījās no pankpopa līdz postrokam un grime, elektronikas līdz stadiona rokam un ne tikai. Viņš demonstrēja iepriekš nedzirdētas dziesmas kopā ar dziesmām, kuras pirms gadu desmitiem ierakstīja labi pazīstami rokeri. Tomēr, neskatoties uz nekārtībām — vai, iespējams, tās dēļ —, izrāde man patika. Katrs jauns skaņdarbs mani aizveda pārsteidzošā virzienā, savukārt mākslinieku sajaukums un dziesmu enerģija, šķiet, saskanēja ar Lowe nedaudz sajukušo pļāpāšanu.

Viena lieta, kas izceļas Apple Music, straumēšanas pakalpojumā, ko varat izmantot datoros un mobilajās ierīcēs par 10 $ mēnesī, ir tādu cilvēku dīdžeju kā Lowe klātbūtne kanālā ar nosaukumu Beats 1. Lova šovs iepazīstināja mani ar nepazīstamiem māksliniekiem, un izcēla intriģējošas muzikālas saiknes — starp, piemēram, AC/DC stadiona himnu un neseno skotu mākslinieka Hudsona Mohavka remiksētu elektronikas skaņdarbu. Emocijas, kas plūst cauri visām dziesmām, bija optimistiskas, pat izaicinošas.

Šis stāsts bija daļa no mūsu 2015. gada novembra numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Tāpat kā datori vēl nevar radīt spēcīgu un tēlainu mākslu vai prozu, tie nevar patiesi novērtēt mūziku. Un, lai sakārtotu smeldzīgu vai pārliecinošu mūzikas atskaņošanas sarakstu, ir vajadzīgs tāds ieskats, kāds viņiem nav — spēja atrast līdzības mūzikas elementos un iegūt dziesmu emocionālo rezonansi un kultūras kontekstu. Neskatoties uz visu mākslīgā intelekta progresu, mašīnas joprojām ir bezcerīgi neiztēles un paredzamas. Tāpēc Apple ir nolīgusi simtiem cilvēku, lai tie darbotos kā dīdžeji un atskaņošanas sarakstu veidotāji, papildus joprojām piedāvātajiem algoritmu ieteikumiem.

Pandoras izvēle mēdz būt diezgan paredzama — bieži vien tikpat mīlīga un ierasta kā komerciālajā radio.

Cilvēku ekspertu piesaistīšana ir gudrs veids, kā Apple var atšķirties. Neskatoties uz to, ka tas ir bijis pionieris mūzikas digitālajā izplatīšanā un glabāšanā, tagad tas atpaliek no tādiem straumēšanas pakalpojumiem kā Pandora, Spotify, Rdio un Tidal. Neviens no tiem neuzsver cilvēku ekspertu veikto pārvaldību kā Apple Music. Un, lai gan algoritmi, ko visi šie uzņēmumi izmanto dziesmu ieteikšanai, pēdējos gados ir ievērojami uzlabojušies, īsta muzikālā izpratne vai atzinība nenotiek. Tas parāda. Algoritmi izmanto statistikas paņēmienus, lai analizētu klausītāja datus, radot saprātīgu minējumu par to, kas jums varētu patikt. Joprojām nav algoritma, kas varētu ņemt vērā cilvēka gaumi.

Dzirdes lietas

Pandora, viens no pirmajiem mūzikas straumēšanas pakalpojumiem, ir labs algoritmiskās pieejas piemērs. Desmit gadus vecos centienos, ko sauc par mūzikas genoma projektu, Pandora ir piesaistījusi mūzikas ekspertus, lai atzīmētu dziesmas ar simtiem īpašību, piemēram, žanru, izmantoto instrumentu veidu un pat melodisko frāzi un tonalitāti. Ja kā sākumpunktu Pandorai piešķirat grupu, komponistu vai dziesmu, tā izveido mūzikas radio staciju ar līdzīgiem atribūtiem. Izvēlieties The Beatles, un Pandora var automātiski izsaukt Beach Boys dziesmu, informējot jūs: Mēs atskaņojam šo ierakstu, jo tajā ir maiga roka instrumentācija, prasīgi vokālie priekšnesumi, savijas vokālā harmonija, jaukta minora un mažora taustiņu tonalitāte un melodiska. dziesmu rakstīšana.

Diemžēl Pandoras izvēles mēdz būt diezgan paredzamas — bieži vien tikpat mīlīgas un ierastas kā komerciālajā radio. Maz ticams, ka pēc sākuma ar Bītliem dzirdēsit ļoti atšķirīgu dziesmu, kas bija populāra tajā pašā laikā, piemēram, vai kādu hiphopa mākslinieku, kurš ir paveicis gudru darbu, izlasot Ringo un citu darbu.

Pavisam nesen algoritmi ir sākuši veidot atskaņošanas sarakstus, kas var justies daudz niansētāki un pielāgoti. Pasaulē lielākais straumēšanas pakalpojums Spotify, kuram ir vairāk nekā 75 miljoni lietotāju, virzās uz jaunākajām tehnoloģijām, izmantojot milzīgu datu apjomu, lai sniegtu personalizētus ieteikumus.

Pārskatītās lietas

• Apple Music

• Pandora

• Spotify

• Radošums, Tjūringa tests un (labāks) Lavleisa tests

  Autori Selmers Bringsjords, Pols Bello un Deivids Feruči
  Prāts un mašīnas
  sēj. 2001. gada 11. gads

Kriss Džonsons, kurš vada vienu no Spotify datu zinātnes komandām Ņujorkā, saka, ka uzņēmums dažu atskaņošanas sarakstu veidošanā nodarbina cilvēkus. Taču tas arī apkopo pēc iespējas vairāk datu par lietotāja klausīšanās uzvedību un pēc tam salīdzina to ar datiem, kas savākti no citiem lietotājiem. Šīs metodes, kas pazīstama kā sadarbības filtrēšana, ideja ir tāda, ka jums, iespējams, patiks dziesma, ko kāds ar līdzīgu gaumi jau ir atklājis un izbaudījis. Pagājušajā gadā Spotify iegādājās uzņēmumu Echo Nest, kas apkopo informāciju par jauno mūziku, kas ievietota emuāros, ziņu vietnēs un sociālajos medijos. Šie viedokļi tagad tiek iekļauti arī Spotify ieteikumos, palīdzot padarīt mūzikas ieteikumus vēl gudrākus.

Jūlijā Spotify sāka testēt personalizētu atskaņošanas sarakstu, kas pieejams šādā veidā. Mēs skatāmies uz to, ko spēlējat, atskaņošanas sarakstus, ko veidojat, un būtībā visu, ko mēs zinām par jums. Kopš tā laika katru pirmdienu būs šis jaunais mūzikas atskaņošanas saraksts, Džonsons man teica.

Dažos pirmajos atskaņošanas sarakstos, ko es saņēmu, bija vairākas dziesmas, kuras man uzreiz iepatikās, lai gan neviena no tām neatpaliek no tām, kuras jau klausos. Tas ir noderīgi, bet ne gluži prātu satriecoši.

Šādiem automatizētiem ieteikumu algoritmiem ir arī raksturīgs ierobežojums: tie nevar ieteikt jaunu dziesmu, jo nav datu, kas parādītu, cik ļoti tā patīk citiem klausītājiem. Atšķirībā no algoritma cilvēki parasti dažu mirkļu laikā pēc klausīšanās var pateikt, cik ļoti viņiem patīk jauns ieraksts. Tomēr šeit jaunākie sasniegumi mākslīgā intelekta jomā sāk palīdzēt. Pagājušajā gadā Spotify sāka testēt veidu, kā analizēt pašu dziesmu, nevis tikai ar to saistītos metadatus. Tas ietvēra tā dēvētā dziļās mācīšanās tīkla apmācību, kas aptuveni veidota pēc smadzeņu neironu slāņiem, lai miljoniem dziesmu atpazītu audio signāla frekvences iezīmes (atbilst dzirdamajai skaņai un veidam, kā skaņa laika gaitā mainās) . Šie algoritmi var pārsteidzoši labi klasificēt jaunu dziesmu, kā parādīts piemērā publicētie atskaņošanas saraksti Džonsona komandas loceklis vietnē Spotify.

Cilvēku zināšanas tuvākajā nākotnē būs galvenā Spotify algoritmu sastāvdaļa.

Bet pat šis varoņdarbs neliecina par patiesu muzikālo izpratni vai spriestspēju. Spotify padziļinātās apmācības sistēma joprojām ir jāapmāca, izmantojot miljoniem dziesmu piemēru, un to mulsinātu drosmīgs jauns mūzikas stils. Turklāt šādi algoritmi nevar radoši sakārtot dziesmas. Viņi arī nevar atšķirt patiesi oriģinālu skaņdarbu un vēl vienu populāras skaņas imitāciju. Džonsons atzīst šo ierobežojumu un saka, ka cilvēku zināšanas pārskatāmā nākotnē būs galvenā Spotify algoritmu sastāvdaļa.

Apple Beats 1 piedāvā ļoti atšķirīgu pieredzi. Viens radio raidījums, Aligatoru stunda , kuras priekšgalā ir mūziķis un producents Džošua Homme, svin neskaidras, bet ārkārtīgi oriģinālas dziesmas. Tas arī uzdzīvo absurdās saiknes, kuras var atrast starp dažām dziesmām, piemēram, Sex Pistols melodisko pusi savienojot ar adrenalīnu, kas veicina Donnas Sammeras diskotēku. Tas ir apburoši dīvaini. Citā raidījumā saukts Mixtape piegādes pakalpojums ,mūziķe Annija Klārka (skatuves vārds Sentvinsenta) atskaņo pielāgotu dziesmu sarakstu, ko iedvesmojis viena klausītāja noskaņojums vai situācija. Savā pirmajā izrādē Klārka sarīkoja mazāk zināmas, bet kulturāli nozīmīgas deju mūzikas retrospekciju 11 gadus vecai meitenei, kura vēlējās uzzināt vairāk par šo žanru.

Dzirdes Tjūringa tests

Kas cilvēkiem dod šo spēju? Vai dziļā mācīšanās vai citas mākslīgā intelekta sistēmas varētu attīstīt garšu, kas pārsniedz dziesmas īpašību klasificēšanu, lai noteiktu, vai tā ir laba vai nē? Vai datori spēj identificēt to nemateriālo kvalitāti, ko cilvēki dabiski saista ar talantu, radošumu vai oriģinalitāti? Kad es vaicāju Džonsonam, vai kāds algoritms kādreiz varētu izlūkot neparakstīta mākslinieka hitu, viņš atbildēja: Tieši to mēs vēlamies darīt.

Tā ir drosmīga ambīcija, un tā var izrādīties nenotverama. Muzikālajai atzinībai un radošumam nav nekā kopīga ar statistikas modeļu atrašanu lielās datu kaudzēs.

Ar ko kaut kas neparasts vai dīvains atšķiras no kaut kā radoša? Tas ir grūts jautājums, saka Eials Reinolds, Toronto universitātes psihologs, kurš pēta cilvēka radošumu. Viņš saka, ka, lai mašīna demonstrētu radošumu, tai ir jārada kaut kas ne tikai neparasts vai kas tajā nav ieprogrammēts, bet arī tiek uzskatīts par noderīgu vismaz kādā kultūras kontekstā.

Patiešām, radošuma slidenais raksturs ir licis dažiem psihologiem un datorzinātniekiem domāt, ka tas varētu būt noderīgs veids, kā izmērīt mašīnu intelektu. 2001. gadā publicētajā rakstā divi akadēmiķi no Renselāras Politehniskā institūta kopā ar Deividu Feruči, toreizējo IBM pētnieku, kurš turpināja izveidot datoru ar nosaukumu Watson, kas uzvarētu spēļu šovā. Apdraudējums! , apgalvoja, ka radošuma tests varētu būt labāks veids, kā noteikt, vai dators ir sasniedzis cilvēka tipa intelektu. Viņi atzīmēja, ka 1950. gadā Alana Tjūringa ierosinātais tests, kas mēra mašīnas inteliģenci, izmantojot drukātu sarunu, mudina programmētājus izmantot viltības, nevis izveidot kaut ko patiesi inteliģentu. Viņi sprieda, ka radošuma varoņdarbus gan glezniecībā, gan rakstniecībā, mūzikā vai kādā citā jomā ir daudz grūtāk viltot, un tie ir inteliģences pamats. Un viņi savu alternatīvu nosauca par Lavleisa testu pēc Adas Lavleisas, ko bieži uzskatīja par pasaulē pirmo datorprogrammētāju, kura 1843. gadā atzīmēja, ka pirmās skaitļošanas mašīnas, lai arī tās būtu iespaidīgas, nespēs paveikt neko oriģinālu.

Ir skaidrs, ka centieni izturēt Lavleisa testu lielā mērā ir beigušies. Tomēr izaicinājums turpinās. Patiesībā, Maikls Keisijs , Dartmutas koledžas mūzikas un datorzinātņu profesors, nākamā gada sākumā plāno rīkot vairākus Tjūringa testus, kam, iespējams, sekos daži Lavleisa testi. Tajā tiks iesaistīti datoru dīdžeji, un dejotājiem tiks lūgts novērtēt, vai dziesmas, kuras viņi tikko dzirdēja, ir izdomājis cilvēks vai mašīna. Keisijs cer, ka šajā ierobežotajā kontekstā mašīna demonstrēs kaut ko līdzīgu muzikālai radošumam.

Tomēr viņš diez vai šķiet pārliecināts. Neatkarīgi no tā, kāda veida algoritmu mēs agrāk esam mēģinājuši piemērot mūzikai — vai tas ir kaut kas tāds, kas mēģina atdarināt Bahu vai Mocartu, vai arī mēģina ieteikt mūziku — noteiktā brīdī šķiet, ka tai nav nekādas “formas. ' viņš saka nedaudz nožēlojami. Tas var jūs uz dažām sekundēm maldināt, taču tam nav vispārēja plāna. Un es domāju, ka tas pats var attiekties uz automatizētu dīdžeju komplektu.

Iespējams, ka tā būs patiesība vēl ilgu laiku. Un, ja mēs vēlamies, lai mašīnas nāktu klajā ar kaut ko tik unikālu un oriģinālu kā Apple Beats 1 šovs, iespējams, mums vajadzēs nedaudz radošāk domāt par to, kā mēs tās izstrādājam.

paslēpties