Science專訪谷歌Magenta負責人：AI創作焦點是機器學習演算法

1新智元編譯

計算機能否具有創造力，這個問題也許還沒有答案。但 AI 能創作出富有趣味的音樂和畫作，則已經成為了現實。去年，谷歌大腦推出了名為 Magenta 的項目，旨在推進 AI 在藝術領域的發展。日前，Science 對 Magenta 項目負責人 Douglas Eck 進行了專訪，談到了創造性 AI 的過去、現在和未來。

Q：Magenta 是如何創作音樂的？

A：學習是關鍵。傳統的人工智慧使用規則方法，我們則嘗試了很多機器學習技術，包括RNN、CNN、變分方法、對抗訓練方法和強化學習。解釋這些辭彙要花些時間，簡單來說，這些都是通過樣本進行學習，最終生成某些結果的技術。

音樂家在利用谷歌 Magenta 項目開發的 A.I. Duet 軟體即興創作

Q：Magenta 所學習的樣本都是些什麼呢？

A：我們訓練了 NSynth 演算法，使用了神經網路來合成出新的聲音，所用樣本是多種不同樂器發出的樂音。SketchRNN 演算法則是在我們推出的 Quick,Draw! 遊戲上訓練得到的（新智元也曾對該項目做過專門報道，請見【谷歌草繪RNN瞄準超級AI】源自壁畫的飛躍，AI學會歸納抽象概念）。我們最新的音樂演算法，Performance RNN 的訓練樣本則是錄自一位鋼琴家的現場演奏。我希望音樂家們可以在自己的音樂創作中輕鬆訓練自己的模型，並能從生成的音樂中得到樂趣，並進一步改善它。

Q：計算機創作這幾年的發展怎麼樣？

A：目前研究焦點是放在從樣本學習的演算法上，也就是機器學習，代替了過去的硬編碼規則。還有一種趨勢是，計算機創作更多地作為人類創作的輔助，而不是一種替代性技術了，我們目前一些工作就是這樣，另外還有索尼的「Daddy』s Car」這首歌，它是一首計算機創作的歌曲，但在很多程度上受到了披頭士的啟發。

Q：計算機生成的歌曲是否曾讓你感到過震驚？

A：是的，一直以來都是這樣。Ian Simon 和 Sageev Oore 最近的 Performance RNN 演算法創作了一些短作品，其表現力讓我深感驚訝。卻因為它訓練所用樣本來自Disklavier（由雅馬哈公司生產的可由計算機控制的數碼鋼琴）所演奏的 MIDI，其模型能夠生成帶有真實節奏和動感的序列。

Q：Magenta 項目還在做些什麼？

A：我們試著做了幽默生成，但沒生成什麼真正好笑的笑話。我們也在進行圖像和草繪生成。未來，我們希望更多嘗試設計領域。不知道我們是否能為建築師或網頁設計師提供一些工具。

Magenta 軟體能從人類繪畫中學習藝術風格，並應用到新圖像中

Q：對於計算機生成的藝術作品，你會做出什麼樣的反應？

A：我在蒙特利爾計算機科學學院時，聽到過音樂學院Jean Piché 創作的計算機音樂。他寫了一個程序，能夠生成類似爵士樂的音樂作品，有點兒想爵士樂演奏家 Keith Jarrett 的作品，當然，遠沒有 Keith Jarrett 那麼打動人，但我還是很喜歡聽，因為編寫演算法本身就是一項創造性的活動。我想認識 Jean 並了解他的這段超酷的程序，使我受益良多。

Q：某些能力曾被認為是人類獨有的，如果演算法也具有了這樣的能力，我們應該如何重新認識這些能力呢？

A：AI 現在已經是下棋的高手了，但我不認為這會讓下棋這件事失去價值。人們仍然會喜歡去下棋。計算機已經成為了人類學習下棋的好工具。另外，我想比較人類大師和 AI 下棋方式的不同，這本身就是非常有意思的事情。

Q：人類和機器如何合作，才能變得更富創造力呢？

A：我想這是一個迭代的過程。每種為藝術帶來變革的技術，都需要時間去展現其價值。我願意把Magenta 想成是一把電吉他。Rickenbacker 和 Gibson 把吉他電氣化，是為了讓吉他更大聲，從而可以和台上其他的樂器相配。Jimi Hendrix、Joni Mitchell、Marc Ribot、 St. Vincent 還有其他很多吉他手都開始使用電吉他，而有人說，他們甚至使用電吉他的方式都是錯的，包括各種各樣演奏的技巧，但這卻是人類創造力的體現。不管機器學習在生成模型上進展得有多快，人類藝術家會更快地去適應並使用這項技術，並不斷推陳出新，用它玩出新花樣。

原文地址：http://www.sciencemag.org/news/2017/08/how-google-making-music-artificial-intelligence

點擊閱讀原文可查看職位詳情，期待你的加入~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！