行業新聞早知道，點讚關注不迷路！
隨着智能技術的加速和廣泛應用，越來越多的人意識到人工智能不再是一種純粹的技術手段，而是教育整體變化的內生變量和重要動力。各種政策的出台，不難看出國家在促進人工智能和教育深度融合以及推動教育變革創新方面的努力和決心。在傳統意義上，機器的優勢在於能夠幫助人類完成機械而重複性的勞動，對於創造性的工作則參與較少。但隨着人工智能技術的發展，它正逐漸應用於音樂的創作、製作、分析和教育等領域。那麼，在音樂上人工智能如何發揮？
利用AI 作曲或者輔助作曲變成關注度最高的應用方向之一，很多疑問也就此產生。如AI 作曲技術能否在一定程度上代替人類作曲家？其創作出來的作品是否有「感情」？AI 作曲技術會如何影響傳統作曲的思維？在人工智能於各行業應用的實際過程中，機器學習可以說是AI 最重要的子集之一，它深刻影響着AI 中的其他領域。用AI 技術自動作曲並不是一個新的課題，相關的研究很多年前就已經開始，但是一直受技術所限。人工智能作曲的主要原理同下圍棋的原理類似，主要運用遺傳算法 、神經網絡、馬爾可夫鏈和混合型算法等，利用音樂規律給計算機制定規則、建立海量數據庫，繼而進行深度學習，分析作曲規則、結構等各項信息，然後重新生成音樂。目前，有多家國內外機構和公司開始了該領域的研究。傳統的方案是完全建立在用規則構建智能系統的基礎上 而新的方案是更多地使用神經網絡的方式，即使用「學習」的方式來實現。（神經網絡：它的基本特點是模仿人類大腦的神經元之間的信息傳遞和模式）人工智能少女「小冰」一位來自上海音樂學院的畢業生。
「音樂是流媒體，對作品的流暢度要求很高。此前「小冰」在音樂創作中的能力主要是內容的生成，比如演唱，這一次小冰學習的作詞、作曲和編曲其實更難。」前微軟(亞洲)互聯網工程院副院長、現任小冰公司首席執行官李笛說。首先，基於「小冰」已有的音樂創作模型，團隊把端口給到上海音樂學院的老師，讓老師去聽小冰創作的海量音樂作品，並給出系統性的點評。其次，老師也教會團隊程序員基本的樂理知識，包括編曲技巧等，用於優化「小冰」的創作模型。最後，「小冰」不斷學習，不斷交作業，老師不斷給反饋。無論「模型」「作業」還是「反饋」，都是一個不斷迭代的過程，如此循環往復……當「小冰」達到和人類同學相似的水平，且趨於穩定，她就畢業了。像人的學習一樣，人工智能也是通過語料庫學習海量的內容，然後「創作」新的作品。普通學生學習一首曲子需要至少一周時間，但是在「小冰」的學習中，創作只需要3秒鐘。但是在作品的評價標準上，「小冰」的作品是達到一個怎樣的水平？實際上，音樂的魅力在於創作家的「二度創作」，即「感情」。「一首鋼琴曲，十個演奏家彈出來是十種完全不同的感受，這裡面就有演奏家的二度創作。這種感受的不同是機器取代不了的。」作曲家於陽說。因此，在感情表達方面，人工智能音樂目前還達不到最高標準。2017年Spotify全球音樂榜排名第二的歌曲是由IBM的Waston Beat人工智能系統參與創作的Not Easy，整個製作過程從多個方面應用了相關的技術來輔助完成。
該系統能夠在聽到大於等於20秒的音樂後，基於原始的採樣生成一段新的旋律或相關的聲音和節奏。整個製作流程中，Watson 首先對近5年熱門的新聞、文化等音樂相關的數據進行分析、提煉，將音樂創作的核心詞定為「心碎」。
其次，在具體歌詞的創作階段，Waston 分析了5年來近26000首歌曲的歌詞，提取了博客、推特等社交媒體中的大量信息，分析大眾對「心碎」這個詞的反應，輔助人類創作歌詞。
再次，Watson分析了這些歌曲的風格、樂器、音高、節奏等相關特性， 然後建立模型給人類作曲家提供參考。最後，Waston 進行專輯封面的設計。
實際上，AI 技術用於音樂的識別效果更好，因為Waston每秒鐘閱讀網頁的速度是700000頁。這個實例證明了目前AI 技術能夠在各個方面影響音樂製作的流程。END
鑽石舞台 發表在 痞客邦 留言(0) 人氣()
留言列表
留言列表