AI Songsmith laver overraskende fængende melodier

Klaveret nedenunder, der stiger lystigt op for derefter at afslutte med en melodisk opblomstring, lyder lidt som en jingle komponeret til den seneste tandpastakampagne.

Melodien blev faktisk opfundet af et musikalsk AI-program udviklet hos Google. Og programmets seneste kompositioner viser, hvordan en kombination af en kraftfuld maskinlæringstilgang med enkle musikalske regler kan producere kreative værker, der lyder bemærkelsesværdigt menneskelige.

Musikkomposition er en gådefuld form for menneskelig kreativitet. Sangskrivningsprogrammer findes allerede, men de følger typisk et bestemt sæt regler, og de har en tendens til at producere melodier, der føles stive og mekaniske. Det samme gælder software, der anbefaler musik baseret på dine lyttevaner (se The Hit Charade). At lære computere at være mere musikalsk opfindsomme kan pege på måder, hvorpå maskiner kan hjælpe med andre kreative handlinger, fra design af produkter til at skrive veltalende tekst.

Google har tidligere demonstreret sin musikgenererende AI-sangsmed, som er en del af et projekt kaldet Magenta, der har til formål at fremme kunstig kreativitet (se OK, Computer, Write Me a Song). Et stort neuralt netværk fodres med titusindvis af sange og er trænet til at forudsige den næste tone i en sekvens. Et sådant netværk kan også generere ny musik, når man får et udgangspunkt, selvom resultaterne har en tendens til at mangle struktur og ynde.

Douglas Eck , en forsker hos Google, der leder udviklingen af ​​den musikgenererende AI, har sammen med Natasha Jaques, en praktikant i virksomheden, for nylig udtænkt en måde at få sangskrivningssystemerne til at producere meget mere elegante og fængende melodier. De bruger en tilgang kendt som forstærkende læring til at tilføje simple principper for musikteori – undgå at gentage et omkvæd for ofte, spil ikke for hurtigt eller langsomt og så videre – til den overordnede læreproces. Netværket modtager en positiv belønning, hver gang det producerer en sekvens af noder, der ikke kun ligner mønstrene set i tidligere sange, men også overholder de musikalske regler, det har fået.

Det er simple regler hentet fra en lærebog om musikkomposition, siger Eck. Kombinationen af ​​disse regler med forstærkende læring og variansen i den virkelige verden, der kommer fra tusindvis af menneskelige kompositioner, giver os sange, der er så fængende - de klør noget.

Den nye tilgang, beskrevet i a forskningsartikel og en blogindlæg , ser bestemt ud til at forbedre automatiseret musikgenerering. Et andet udsnit af musik viser, hvordan programmet klarer sig uden disse regler at følge. Stykket føles fladt, repetitivt og mekanisk. Eck og Jaques gennemførte også en brugerundersøgelse og fandt ud af, at folk meget foretrak de sammensætninger, der blev fremstillet ved hjælp af den nye teknik.

Eck siger, at evnen til at indlejre regler i forstærkende læring vil være nyttig på mange områder, herunder robotteknologi, anbefalingssystemer og sprogoversættelse.

Der er ingen grund til, at maskiner ikke kan være nysgerrige og kreative, siger Jürgen Schmidhuber , en professor ved universitetet i Lugano i Schweiz, som udførte banebrydende forskning i den type neurale netværk, der bruges af Googles forskere, og som har eksperimenteret med kreativitet ved hjælp af forstærkende læring. Schmidhuber tilføjer, at tilgangen kunne have en række praktiske anvendelser ud over musik. Man kunne forestille sig lignende kombinationer af [neurale netværk] og traditionelle regelbaserede ekspertsystemer til medicinsk diagnose, siger han.

Forstærkende læring tilbyder en måde at lære maskiner at gøre ting, som ville være svære at opnå gennem eksplicit instruktion. Teknikken blev brugt af AlphaGo, et program udviklet af Google-forskere til at spille det gamle brætspil Go. Selvom reglerne for Go er enkle, er det svært at forklare, hvordan man spiller godt, og spillere udvikler normalt en intuitiv evne gennem mange timers træning. Men nogle gange kan det være nyttigt også at kunne give eksplicit instruktion til et maskinlæringssystem.

Stevan Harnad , en professor i psykologi ved University of Quebec i Canada, som har studeret kunstig kreativitet, siger, at Magenta-værket er imponerende, men tilføjer, at der stadig er lang vej igen, før computere kan krediteres med ægte, menneskelignende kreativitet. Deep-learning algoritmer er meget lovende, men indtil videre har de endnu ikke duplikeret almindelig, ikke-kreativ menneskelig kapacitet, så det er lidt for tidligt at forvente, at de er kreative, siger han.

Faktisk, siger Harnad, virker selv kompositioner som dem, der er produceret af Google-teamet, ofte mekaniske efter et par lytninger.

skjule