AI也能作曲？誰(shuí)來定義AI的Freestyle？
美國(guó)網(wǎng)紅兼流行歌手TarynSouthern近日發(fā)表了一張名為IAMAI的新專輯，成為人類歷史上第一支正式發(fā)行的AI歌曲。
主打單曲《BreakFree》雖然達(dá)不到格萊美的標(biāo)準(zhǔn)，但是完全聽不出是由應(yīng)用程序編曲，和音樂人的作品沒有太大差別，顛覆了普通人認(rèn)為AI制作出來的歌曲會(huì)比較機(jī)械、情感空白的認(rèn)識(shí)。
實(shí)際上人工智能巨頭公司都在深入研究AI音樂，一些AI音樂作品已經(jīng)達(dá)到大師級(jí)，甚至到了以假亂真的地步。去年2月，第一部由算法創(chuàng)作的音樂劇《BeyondtheFence》在倫敦上演，獲得較高評(píng)價(jià)；6月，Google研發(fā)的機(jī)器學(xué)習(xí)項(xiàng)目Magenta通過神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)創(chuàng)作出了一首時(shí)長(zhǎng)90秒的鋼琴曲；9月，索尼計(jì)算機(jī)科學(xué)實(shí)驗(yàn)室人工智能程序創(chuàng)作一首披頭士音樂風(fēng)格的歌曲《Daddy'sCar》，廣受好評(píng)；百度公司人工智能（AI）可以在分析畫作之后，作出與之風(fēng)格相對(duì)應(yīng)的曲子。
人工智能在作曲領(lǐng)域取得了許多令人欣喜的成就，已經(jīng)成為能與人類協(xié)同創(chuàng)作復(fù)雜藝術(shù)作品的得力助手。那么，AI實(shí)現(xiàn)作曲的原理和技術(shù)路徑、有哪些優(yōu)缺點(diǎn)和需要解決的問題，本文智能相對(duì)論簡(jiǎn)要通俗地講講。
AI作曲也在遵循基本法
音樂發(fā)展至今，所有的創(chuàng)新和突破都在竭盡所能地逼近人類極限，歷代西方作曲大師無不在偉大作品中留下探索音樂與新技術(shù)融合之道的時(shí)代印記。
從基礎(chǔ)理論設(shè)計(jì)與數(shù)學(xué)邏輯同構(gòu)并進(jìn)行符號(hào)化組織的角度來看，音樂雖然作為一門藝術(shù)，卻有很強(qiáng)的可計(jì)算性，音樂模式背后蘊(yùn)含著數(shù)學(xué)之美。常規(guī)的作曲技法，如：旋律的重復(fù)、模進(jìn)、轉(zhuǎn)調(diào)、模糊、音程或節(jié)奏壓擴(kuò)，和聲與對(duì)位中的音高縱橫向排列組合，配器中的音色組合，曲式中的并行、對(duì)置、對(duì)稱、回旋、奏鳴等等，都可以被描述為單一或組合的算法。這從本質(zhì)上決定了，AI技術(shù)可以較好地應(yīng)用到音樂創(chuàng)作上。久負(fù)盛名的人工智能音樂作曲系統(tǒng)EMI，就是通過對(duì)作品進(jìn)行分解，以新的排列來復(fù)用這些結(jié)構(gòu)進(jìn)行重組，獲得不同風(fēng)格的新音樂。
其實(shí)，早在上個(gè)世紀(jì)60年代，就已經(jīng)有計(jì)算機(jī)與傳統(tǒng)音樂之間結(jié)合的嘗試，直到廣泛研究智能算法的熱潮興起之后，許多基于機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的開源項(xiàng)目浮出水面，AI技術(shù)有了長(zhǎng)足的進(jìn)步，越來越多的人關(guān)注到這個(gè)科技與藝術(shù)奇妙結(jié)合的領(lǐng)域，計(jì)算機(jī)音樂與傳統(tǒng)音樂的橋梁才逐漸架設(shè)起來。
雖然是freestyle，也有一些作曲技術(shù)模型
人工智能在作曲主要基于以下幾種模型：分形音樂模型、馬爾可夫鏈（Markovchain）模型、遺傳算法（GeneticAlgorithm）模型、人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks）模型和各種基于規(guī)則知識(shí)的改進(jìn)或混合模型。
1、分形音樂。它表明音樂完全可以通過數(shù)學(xué)算法進(jìn)行創(chuàng)作。分形音樂是幾何學(xué)在作曲中的應(yīng)用，但是只能創(chuàng)作一些較為簡(jiǎn)單的作品。
2、馬爾科夫鏈。由于建模簡(jiǎn)單，可以即時(shí)產(chǎn)生新音樂，所以一直被廣泛用于商業(yè)程序上，也大量出現(xiàn)在互動(dòng)音樂藝術(shù)家的作品和即興演出中。它基于隨機(jī)過程、概率邏輯的有限控制方法，尤其是使用馬爾科夫鏈結(jié)合一定約束規(guī)則，在統(tǒng)計(jì)的基礎(chǔ)上對(duì)音樂的未來走向進(jìn)行概率預(yù)測(cè)與風(fēng)格邊界限制。
3、遺傳算法。將音符的排列組合進(jìn)行編碼，模擬物種繁殖過程，自動(dòng)挑選出最優(yōu)秀的作品。由于具有算法成熟和實(shí)現(xiàn)比較簡(jiǎn)單這兩大優(yōu)勢(shì)，遺傳算法得到廣泛關(guān)注。但是，用遺傳算法進(jìn)行智能音樂生成，庫(kù)卡機(jī)器人驅(qū)動(dòng)器維修，選取合適的評(píng)價(jià)函數(shù)是非常富于挑戰(zhàn)性的工作，一定程度上限制了應(yīng)用的快速發(fā)展。
4、人工神經(jīng)網(wǎng)絡(luò)。當(dāng)前AI音樂研究的前沿技術(shù)，普遍采用具有深度學(xué)習(xí)能力的各種改進(jìn)神經(jīng)網(wǎng)絡(luò)模型，來幫助人工智能模型學(xué)習(xí)樣本音樂中的關(guān)鍵元素以及套路。模型充分學(xué)習(xí)一系列人類己經(jīng)創(chuàng)作好的音樂，KUKA機(jī)器人維修，提取和存儲(chǔ)音高、音長(zhǎng)、音量、音色、音程、節(jié)奏、調(diào)式、和聲等關(guān)鍵特征，即可按照要求大量輸出有類似特征的新音樂。例如，GoogleBrain做的在線交互鋼琴只需要識(shí)別當(dāng)前任意類型的少量音樂，就可以根據(jù)音樂的相符度進(jìn)行預(yù)測(cè)，實(shí)時(shí)輸出自動(dòng)彈奏出搭配音樂。
創(chuàng)造AI的freestyle，它的難點(diǎn)在哪？
目前AI作曲領(lǐng)域研究的方向主要在深層特征的提取與應(yīng)用和混合系統(tǒng)的構(gòu)造上，還面臨以下幾個(gè)難點(diǎn)。
1.音樂的表示問題。音樂組曲過程較為復(fù)雜，現(xiàn)有特征提取機(jī)制尚不能夠精確掌握一部作品的全部信息，比如，作品中與樂句、調(diào)性等相關(guān)的音樂信息一般體現(xiàn)不出來。如何精準(zhǔn)表示音樂的細(xì)部特征、提取音樂的深層邏輯、建立表層結(jié)構(gòu)和深層邏輯的關(guān)系，是AI作曲亟待解決的基礎(chǔ)性問題。
2.學(xué)習(xí)與創(chuàng)造的問題。通過大量學(xué)習(xí)而建立的作曲系統(tǒng)，庫(kù)卡機(jī)器人驅(qū)動(dòng)器維修，能否靈感一現(xiàn)，合理地突破預(yù)置規(guī)則，嘗試使用不同方式創(chuàng)造性地作出一些風(fēng)格獨(dú)特，更生動(dòng)、更具吸引力音樂作品。如何進(jìn)一步激發(fā)AI的創(chuàng)造性，實(shí)現(xiàn)從按照規(guī)則制作到突破規(guī)則創(chuàng)作的轉(zhuǎn)變，是AI作曲面臨的一個(gè)技術(shù)難題。
3.創(chuàng)作作品的質(zhì)量評(píng)估問題。人類對(duì)音樂作品的評(píng)判往往比較感性，因此作曲系統(tǒng)中的質(zhì)量評(píng)估機(jī)制是一個(gè)非常重要的部分，它往往會(huì)引導(dǎo)創(chuàng)作的方向，甚至最終決定作品的成敗。把人類的審美觀用機(jī)器能夠理解的語(yǔ)言描述出來，建立有效的評(píng)判標(biāo)準(zhǔn)是研究人員首要面對(duì)的問題。