人工智慧創作是未來？其實未來已來

知識 08-24

本篇是演算法作曲系列文章的第三篇（前兩篇戳此閱讀），也是終結篇。看過了演算法作曲的過去和現在，我們對它的未來充滿了期待，來看看作者他有哪些想法，與你所想有何異同吧。目之所及的未來

比起奇點，一介俗人如我更願意討論有生之年切身之事。科技的發展帶來了對音樂創意行業的反思，這個行業里的大多數人活在 21 世紀，卻依然秉持著手工業時代的生活方式。這和我們獲取成就感的方式有關，然而有朝一日，當我們終將從技術中解放出來的時候，我們怎樣才能更好地工作，又怎樣才能在這本就是僅能養家糊口的行業中立足呢？

1. 教育1.1 工具

作為更好的思維工具，提升音樂創作教育水平。

現在，通過大量唾手可得的優秀的軟體和音樂作品，即可獲得諸多經典風格的學習素材和演化邏輯。如果有編程和逆向工程的能力，通過拆解優秀軟體的設計思路還能以更快速度地獲得學習典型流行音樂的最小模型。

基於現存風格的寫作（製作）教學，需要使遠距聯想可視化，也需要在訓練中獲得對音樂元素的控制感，通過語音、文字、音符輸入對重複片段及其變體進行標記、檢索，將加快音樂數據的搜尋和分析。

開發出靈活適配用戶現有音樂素材庫的多重分類檢索程序，可加快瀏覽、篩選的過程，也可用在查詢提示、查詢擴展和相關回饋等功能上，進一步提升檢索效率，從而在情感化的音樂檢索中降低用戶的交互疲勞度，節約創作精力。

隨著技術發展，在自動作曲中人的介入會越來越少，但卻會越來越關鍵，進一步研究人與計算機分工和協作等問題將是一個重要的方向。同時，演算法作曲與人的作曲思維的合作方式也是題中之義。

自適應教育將通過大數據、人工智慧和虛擬現實等技術手段，重塑音樂教育，使得新一代個體更為優秀。

1.2 更優秀的聽眾

近期神經科學研究表明，音樂的演奏、創作、合作與大腦的可塑性有極高相關，早期及持續的音樂訓練將有可能逐漸成為教育課程的核心組成部分。這讓我聯想到一個非常令人印象深刻的實驗，使用合適的訓練方式，可以讓本來無法從鏡子中辨認出自己的猴子通過鏡子測試。如果我們將通過鏡子測試等同於擁有自我意識，那麼，不但自我意識的邊界是模糊的，而且在一定程度上是可以被訓練的。

事實上歷史上那些偉大的作曲家，他們的音樂能力也是在先天思維優勢上加以後天訓練的結果。所以，當我們將在十年到二十年的時間裡逐漸轉化為純創意人員的時候，我們依然需要刻苦鍛煉自己的感官敏感和音樂技能，以獲得宏觀和細微調控 AI 輔助下的藝術作品的能力。因為在成熟的技術成為音樂創作的基準線之後，技術上的缺陷將變得更加難以容忍，尤其是對於那些，當代基因技術和教育科學培養起來的，認知結構更加優秀、聽覺經驗也更豐富的聽眾。

2. 音樂創作2.1 EMI 系統帶來的思考

EMI/EMILY HOWELL 系統能夠捕捉到典型的和聲與旋律風格特徵，但在音樂的結構力、進行方向、目的性、戲劇張力方面，樂曲越長，缺陷越明顯。雖然隨著技術發展，程序還有改進空間，比如增加一些規則補丁來進一步優化其表現，但是依然改變不了程序本身設計思路淺層，瓶頸明顯的事實。

我們將其原理和侯世達在 1983 年公布的一個用來猜報紙上的亂序字謎的程序 jumbo 相比較能更清楚地了解這一點。 jumbo 基於活細胞體內的反應（當時尚無 DNA 中的基因的概念）模擬自動化的字母組合。不同的字母在不同類型的「酶」的作用下相互結合或者分開，這些酶四處遊走，找到對應的結構就附著其上，啟動反應發生。有的酶負責重組（「pang-loss」變成「pan-gloss」或「lang-poss」），有的酶負責粘連（「g」和「h」變成「gh」，「jum」和「ble」變成「jumble」），還有的則把現有的拆散（「ight」變成「it」和「gh」）。每個反應的結果都促使新的反應發生，在任意時刻「酶」的數量和種類都會自我平衡，以反映出整個字母組合的狀態。

正因如此，這個系統生成的部分作品效果良好，才更值得深思。我們知道，越是趨於底層的技術帶來的變革越大，也越能支撐上層系統運作的靈活性，然而越是趨向於本質的東西，也就越難理解和運用。這就好像我們知道要不停地拆解自己的思維過程，來獲得更深層的自我認知，但是到一定程度很再拆解，也只能接受，再下去，會陷入無限自指。從機制層面進行開發的演算法並不成熟，因而，選取共性寫作時期的音樂作品，拆解其具體表象材料，抽取高重複率的標籤性質材料單元，再基於特定結構規則對其重組和粘連，這樣的技術，可謂一時之選。這種框架無需知道如何創造，卻完全源於作曲家獨特創造與程序設計者音樂修養、審美態度的緊密聯結。

為什麼這樣會奏效？或者說為什麼這種音樂從客觀評價上依然會有說服力？至少一個作曲系的學生拿著它去交作業是足夠了的，如果有優秀作曲家的介入，其中某些作品走俏市場也並非笑談。

究其原因，西方音樂形成的共性寫作體系中，包含了大量可程序化的符號及其表達邏輯，而這種心智程序，被作為音樂文化傳統，內化到了西方作曲家和聽眾的認知結構中；這其中更有一部分作品，對程序化依賴極高，進行邏輯極為嚴密，如賦格、十二音整體序列、模塊化和標籤式的流行音樂等等。這一類程序作為音樂文化系統的宏觀模因（包含生理基礎和社會文化兩個層面上的演化），保證了作曲家的在感知層面（聯覺同構、情緒與律動、時空隱喻、文化隱喻等標籤性觀念）與觀眾建立一定的共識，而音樂藝術本質上的模糊性、多義性和闡釋性，使得計算機或作曲家可僅依託程序性寫作完成作品，觀眾依然可以對其進行認知構建，即依然可以感動、領悟，甚至哪怕只是想像而不是親歷體驗，他們仍可如此。神經科學的研究也表明，多種刺激——無論是物質性、聽覺性、視覺性、體覺性還是虛擬的想像性刺激信息，都能夠經由大腦紋狀體多巴胺能系統腹側紋狀體的介導而激發背側紋狀體的多巴胺釋放活動及腦電反應，進而導致主體產生多元一體化的快感。

我想之所以侯世達在《如聆巴赫》中悲觀感傷，也只是因為音樂是組成他生命的重要部分，他害怕自我建構的意義感和控制感的喪失，害怕成為與機器等同物罷了，作為人，最正常的就是情感上不接受；而作為「層次纏結反饋循環」、「形式系統通過同構進行意義獲取」等觀念的建構者，他在理性上應該是清醒的。

EMILY HOWELL 還能基於舊風格產生新風格。很多人為此而驚奇，這些人關於靈感的預設是錯的。近期以色列 SImone Shamay-Tsoory 教授的研究觀點指出，大腦默認模式網路和執行控制網路的協同引發創造。如果你從遺傳和演化的角度去觀察，人類藝術創造的起點，在於生理系統的共性基礎、群體長期共性文化（文化傳統）、個體知識結構獨特性和個體神經系統的傾向性等。很長一段時期，世界上絕大多數的音樂創作參與者，終其一生都只是藉助時代的工具（如前所述，模因包括有形工具與思維工具兩方面），在前人的基礎上做微弱的探索，他們在這個領域使用最多的思維工具就是在傳統音樂形式基礎上，對各個變數做潤飾和微調，可稱謂「完形外冗餘碼」，其目的是使作品在審美認知共性基礎上具備一些新異性刺激，形成「有趣味的形式」。

在這個以創造力和創新為座右銘的時代，藝術工作者更加有勇氣去確立自己的邊緣屬性、去觸碰自己領域受眾的認知邊界，他們對音樂文獻使用的方式又增加了傳播學的地緣優勢、文化差位競爭、風格重組等思維工具。EMILY HOWELL 的新風格生成原理，正是在以人的反饋與規則調試為主導的交互實驗中，從音樂構成元素各個層面去對已有風格的音樂重組裝配的過程。

2.2 音樂創作的文化系統

在人類並不漫長的音樂歷史中，生物快感是主要的誘因。

某些具有音樂屬性的音響材料激發人的生物快感，促成進一步的音樂行為；

大腦喜歡新異刺激。音樂行為通過「刺激-重複-習慣化-變化-新刺激」的循環和個體到群體的信息交互，致使個體更新認知結構和音樂行為、特定群體形成一定的音樂文化傳統、群體之間的交流形成更大的音樂傳統體系和更多的可能性；

新的個體在自身所能接觸到的文化系統範圍內建立自身的認知結構，並以此為起點繼續重複音樂行為循環，致使自身的認知結構進一步演化；

某些個體/群體音樂行為會被文化傳統所接受並在長時間維度內影響其演化，其餘個體/群體音樂行為也將在一定程度上對宏觀音樂傳統的演化造成影響，但是這種影響或在大的時間跨度內耗散。

以上基於演化論分析的文化傳統篩選機制是難以完全被確知的，一些曾被認為是邊緣的音樂文化類型在較短的時間維度內成為主流，進而造成大眾的認知結構演變；一些曾被認為是文化系統短時記憶的音樂文化類型正全面參與人類文化系統的演變，而一些基於文化系統長時記憶的實驗性質反思作品，其影響力已經在相當短的時間維度內耗散。

進一步的研究表明，音樂行為經驗、音樂認知的生理性結構、音樂的文化背景和社會經濟基礎等一同構成文化系統篩選機制，並且，音樂認知的生理結構在其中占基礎地位。這類似於計算傳播學針對社會熱點的近期研究。

需要強調的是，音樂文化系統極其複雜，與人類社會文化密切關聯。這裡僅試圖呈現簡化系統理論。

從具體的音樂類型上對以上論述舉例。西方流行音樂創作一直以生物快感作為根本立足點，以上文中「有趣味的形式」為追求目標，其最為先鋒的特性均避讓了人類最為敏感的生理認知成分（如低音、旋律、節奏、組塊化、重複性因素），這些創作者們並沒有非常大的意願面向時間試錯。而西方嚴肅音樂在進行了一系列對傳統文化系統的反思實驗之後，最終也回到了以人的聽覺驗證為根本立足點的創作中來，呈現出與流行文化相互滲透的趨勢。

2.3 音樂創作的思維工具與音樂認知的生理表徵

音樂創作在觀念層面上最重要的幾個思維工具，我們可以借用行動科學第一序改變與第二序改變的理論探討。我們將「系統之內的變化」稱為「第一序改變」，將「改變系統本?」稱為「第二序改變」。當然，現實情況會更複雜。

音樂創作「第二序改變」內的重要思維工具包括「重組」與「還原」，兩者同時對應著觀念和技術層面的加法與減法。「flowmachine」項目就是在這個層面輔助創作的，它以米哈里·齊克森米哈里定義的「心流」概念命名，將音樂元素拆解，一個組件解決一個關鍵問題，幫助操作者融合已有作品進行並收集自身創作傾向的數據（以前我們寫一百首作品可能才意識到自己某方面的風格特質和對音樂元素的使用偏好，現在我們寫一首相當於寫無數首，收集個人數據更為便捷）。另外，這個系統的意義還不僅如此：絕大部分人的藝術欣賞能力都是高於他的藝術實踐能力的，當給你一個自動作曲程序，幫你將歷代大師的作品無限重組，由你來調試和反饋，你覺得怎麼樣？

「第二序改變」內的兩個重要思維工具是關於創造觀念和文化系統的本質思索。它們可以用「what if machine」的經典問句來表示：

如果我把他的某個做法做到極致，會怎麼樣？

如果我不按這個傳統做，會怎麼樣？

兩者分別代表正向極端和反向思維。這樣的例子在音樂史上比比皆是。

基於歷史而進行的因果分析效果有限，要解釋創造並不容易。音樂創作這個領域最好放在整個人類文明的系統內進行研究，因為，很多偉大的音樂創新正是對曾被認為是無關的、微小的變數做探究才得以產生，而這是隨著其他領域的技術發展和社會思潮而來的。

一個世紀之前，格式塔心理學就以樸素的論調探討經驗和行為的整體性，沿用這個理論的研究將音樂在表象層面各個要素隨時間的運動邏輯看作是同構於人類生理活動形式的，這個觀點富有啟發性。其中特別明顯的表徵元素是節奏。

節奏喚醒大腦對生活中某一類運動形態的識別，節奏也是最直觀的與肢體運動視覺形態對應的聽覺要素，所謂運動存在，節奏就一定存在。其產生來源於人體內外兩個方面，來自外部的是人類社會和自然界的各種音響；來自內部的節奏源泉在多麗絲瀚芙莉（Doris Humphrey，第二代現代舞藝術家）的理論中被劃分為四類：

能創造句息的發聲器官，帶來呼吸、歌唱、語韻節律；

人體功能中的自動化節律形式：心跳、肌肉伸縮、脈動等；

機械性推進系統：人的雙腿雙手，雙腿給予支持，雙腿雙手在重複交替中帶來節拍；

情感的節奏，情感的漲落不僅提供節律的意味，也成為一種判斷別人情感節奏的參照系。

從目前西方音樂演變歷史和認知科學的研究成果來看，個體聽覺能力發展的線索大致是這樣的：低頻/節奏、線性音高、多聲部音高、音色……

這樣的規律是極富啟示性的：最大限度地保留線性音高和低頻/節奏的可感知性，而在多聲部音高、音色等更多由文化傳統賦予的認知要素上銳意進取。另一方面，關於律制感的研究也引發了新的思考。人類在特定的物理材料震動所發出的聲音中，通過直覺（大腦偏好分類記憶）和經驗提取其泛音作為音階組分。我們如果通過編寫演算法，在樂器組合、樂器個體、整體音響的頻率調整上，以泛音分析為部分依據實現動態自動控制，或將對整體音響的聽感有重要影響，而在此基礎上的創新也將更加符合認知規律。

這裡有一個成功例子：美國先鋒作曲家艾略特·夏普（Elliott Sharp），有人形容他充分地將畢達哥拉斯「萬物可數」的概念表達了出來。在他的手下，無論是混沌理論，斐波納契數列，核糖核酸（RNA）重組演算法，還是幾何分形學，都能轉化成其音樂作品的組分。而被大多數人所忽略的是，在不少作品中，他用具體可感甚至較為傳統的節奏和音色，保證了作品的在聽覺上的生理性穩定感。

與此呈鮮明對比的是大量極為混亂的演算法作品，這些作品幾乎一個不落地使用了人口普查數據、地球經緯度數據、建築物設計數據、EEG 測量參數等等一切可以找到的「素材」放進以上演算法體系中，與音樂基本元素一一對應，「生成作品」。例如：在國內，神經信息教育部重點實驗室的專家們於 2009 年率先提出了基於無標度性的腦波音樂編碼假說。該假說是基於 EEG 與音樂都遵循「無標度性」這一非線性動力學現象提出的。在腦電方面的研究表明，EEG 的振幅、相位和頻率等參數都服從無標度性，EEG 的功率譜也具有無標度性。根據該方法，EEG 的周期與音樂中的音長相對應，EEG 的振幅與音樂中的音高相對應，EEG中的平均能量變化與音樂中的音強相對應。音樂中的音色則可以任意選定，如鋼琴。通過以上規則，可以將 EEG 直接實時地轉化成音樂。2012 年，神經信息教育部重點實驗室盧競等人進一步使用了與 EEG 同步採集的 fMRI 來對應音樂中的音強，從而製作了 EEG 結合 fMRI 信號的音樂（EEG-fMRI br AI n music）。該音樂比單純的腦波音樂更符合無標度特性。

於我看來，這種實驗鮮有意義。這種試圖將跨學科跨層次的參數粗暴對應以發掘「藝術美」的方式，也許有功利因素，但更多的是不理解系統內外各層級的演化規律和普適原則之間的區別，也混淆了兩者的邏輯層次。當然，聽眾依然可以自行建構「意義」，但是這種意義建構本文將不予討論。

3. 自動作曲的技術發展3.1

趨勢。如果要完全模擬人腦的創作模式，那麼自動作曲底層開發的關鍵在於情感建模，作曲家在構思一個作品的時候會結合很多函數所不能包含的因素，依靠目前的科技水平無法量化，比如文化因素，心理因素等等。就現在業界的發展情況看來，那一天的到來為時尚遠。但是，如果參考機器學習和當前深度神經網路的工作方式，幾個演算法組合集中解決一個問題，不但針對文化因素的建模不算困難，情感建模的技術也能極大提升（考慮到越來越多的實證研究支持「大腦是一個貝葉斯網路」的假設，在這個領域也有越來越多的實質進展，利用貝葉斯優化、全貝葉斯深度學習的技術也即將崛起）。

感性工學與情感計算是目前兩大主流研究方向。得益於認知/神經/腦/心理科學及相關技術（如 ERP、人工智慧）的飛速進步，或許有朝一日我們可以從可穿戴設備、腦機介面上獲取到足夠的建模數據，而在近未來，利用可穿戴設備採集數據、利用周期神經網路分析音頻等，將具有較高的可行性，讓我們拭目以待。（羅素和諾維格在《人工智慧——一種現代的方法》中提到：選擇這條實用型道路的結果，就是 AI 更像是一個想要爬樹到達月球的人，「他能不斷進步，直到樹的盡頭」。）

在已經存在的成果中，對音樂情感表示模型、情感認知模型和情感表達，情感的表現性符號體系等均有不少喜人的進展，這些進展提升了程序進行音樂情感識別、情感驅動的音樂檢索、情感音樂圖和音樂紋理技術結合的自動作曲等技術的表現。另一方面，基於情感音樂圖的實時音樂合成演算法，在數字娛樂的情感化配樂中，可以根據當前運動的情感識別結果進行音樂的動態更新，這必然是一個很有應用前景的研究方向。後繼研究還包括利用音樂情感識別結果自動生成符合特定情感的場景（包括背景、燈光效果等）以及基於音樂和運動特徵匹配的動畫自動配樂技術研究等。

3.2

技術發展的瓶頸有可能來自物理、經濟，以及社會等多方面因素，這使得預想中的情況要來的更晚些。

首先，針對自動作曲領域，當下並沒有投入最頂尖的技術和科研力量，特別是考慮到深度學習在語音識別、自然語言理解、圖像識別、自動視覺藝術、圍棋等領域的進展。

其次，在相當長的時間維度下，各頂尖的科研機構和公司仍將各自為政，這樣的情況導致在自動音樂方面獲得巨大進展的公司需要花費更多的時間在基礎建模和數據採集上，而無法直接獲得頂尖科技公司（如 Google）及產業上下游公司（如 Polyphonic HMI）來自數據與反饋的協助。

再次，音樂媒介的特殊性，使其僅能借鑒其他領域的技術，而無法直接泛化。比如 Google 的 AI 畫家 Inceptionism 具有根據視覺線索識別來聯想作畫，這種技術的基礎是兩者之間具象的關聯，而雖然音樂作品中也存在對聽覺表象的捕捉和聯想轉化，然而這個領域對音響形態的組織邏輯會有更高的要求。

從次，認知/神經/腦科學等領域的進展也會限制這方面技術的發展。事實上，如美國等先進國家已經相繼創建了神經音樂學、神經音樂心理學、神經音樂教育學、神經音樂分類學、神經音樂作曲學等運用神經科學研究音樂領域的新興前沿交叉學科。新生的神經美學領域從研究基本知覺過程起步，探索藝術創造性和藝術成就的神經基礎，我們期待它能夠揭示藝術的神秘「法則」。

除此之外，商業性計算機輔助作曲技術也迎來了顛覆性的革新，以 samplemodeling 公司為代表的虛擬樂器已經相當成熟，基本解決原生樂器音色建模的難點，這將有可能為電腦自動作曲提供配器方面更進一步的技術支持。而傳統採樣器與合成器也向精度更高，操作更靈活、體積更龐大的方向發展，它們在功能上有相互滲透的趨勢。

最近，著名的科技風投公司 Lux Capital 已經著手投資計算機音頻科技領域，這些重要的投資的動向將會在很大程度上重塑商業音樂創作領域。Lux Capital 的意向包括：跨設備和跨環境的環繞/3D/全息的音響投影、沉浸式VR聲音體驗、虛擬樂器/合成音色、為跨設備、跨平台的消費級應用及遊戲等提供更精簡易用的音響工程和編碼控制等。

4. 行業4.1

從全球音樂產業分析和中國音樂行業近年的發展概況來看，音樂行業在較長時間內，整體上將繼續保持一定的增長；2014 年國內音樂產業在國家文化總市場規模中占 7%，雖然仍高於動漫、網路遊戲、演藝市場、電視劇等新興文化行業，但是需要指出的是，這個數據是囊括整個音樂行業所有核心層、關聯層、拓展層細分行業的整體市場規模。拓展層如影視、動漫遊戲音樂產業等，與相關產業核心層是疊合的。音樂+互聯網、?音樂+影視遊戲動漫等泛娛樂產業鏈增速最快，是未來發展趨勢。

4.2

數字音樂產值因為商業模式、版權規範、社會生活方式等因素獲得了較大增長，但這主要以在線演藝為增長來源，與職業音樂創作者收益關聯較小；在音樂核心產業內部，創作者的收益呈倒金字塔型，大眾付費習慣仍有待進一步培養，國內大部分體制外的職業音樂創作者，仍無法單純通過數字音樂一次販賣生存；綜藝、影視、遊戲、動漫等泛娛樂產業是他們的主要陣地，即便這些新興行業缺乏行業規範，其音樂衍生產業鏈的價值亦未得到充分開發，它們仍是對原創音樂需求最旺盛並且最願意為其付款的行業。

4.3 對配樂行業一些具體問題的思考

在影視、動畫和遊戲等數字娛樂產品中，針對特定類型的場景、情緒需求而批量創作的背景配樂形式得到了大量的應用。這些配樂被稱為罐頭音樂，可以採用模式化、模塊化程度極高的手法，由人所創作（這種創作手法基本上都採用計算機輔助實現，考慮到商業音樂創作思維模塊化的大趨勢，早期大量近乎零基礎的製作者仰賴這些技術得以進入行業，從業人員普遍受益）。

罐頭音樂的使用權可以多次販賣，其目的是為了滿足客戶需求：在基本能表達畫面的意境，感染觀眾情緒或渲染氣氛的前提下，最大程度地節省成本。須知，為一部影視作品量身定做的配樂，影片的製作方是有一定質量需求的。排除友情和廉價作坊等情況，這些配樂即便因為經費有限，也採取了類似於罐頭音樂的創作方式，它的成本也大多高於罐頭音樂，因而，罐頭音樂就成為大多數影視製作所採用的配樂方案（早期國內版權不規範，對罐頭音樂的侵權使用更加泛濫），這其中包括以《大國重器》為代表的眾多著名紀錄片（歐美、日本公司出品的罐頭音樂幾乎都擁有相當的音樂質量，從單曲的音樂性、製作質量角度上看，高於目前國內配樂市場上 70% 以上的配樂水準）。實踐證明，只要音樂編輯選曲得當、剪輯精良，依然可以做出聲畫結合非常緊密的影視娛樂作品。雖然這些罐頭音樂在配樂統一性、完整性上仍無法跟定製配樂相抗衡。

在國內，影視遊戲動漫等泛娛樂產業對本土原創音樂的需求動力主要來源於口碑銷售、因語言、貨幣、互聯網政策導致的與國外溝通成本過高等因素（在國外，因為行業競爭激烈的原因，眾多職業音樂人也能以相對國內而言有競爭力的價格，提供相當優質的配樂服務），因而一定時期內國內配樂從業人員隊伍仍將繼續壯大，並在行業逐步規範的同時走向飽和、從業人員需求量萎縮。另外，當前配樂發展的趨勢是與聲音設計相互滲透，以氛圍為主，更多為整體作品服務，而人工智慧對音效設計的助益將是極大的：使用更優秀的語言理解、音頻分析、情感交互、搜索和分類系統，將符合融合需求的音色從萬千素材中識別出來並提供設計方案。更重要的是，如果我們把藝術作為一種本質上屬於還原和表現情感和世界的工具，那麼聲音設計的思想更能與於人類進化早期感官體驗相鏈接，從而使其獲得深層情感體驗。這或將致使客戶在音樂的旋律、獨立性層面上降低要求。可想而知，當此類自動作曲與自動配樂技術基本成熟並在價格上擁有更多優勢時，將對整個行業有所衝擊，這一天終將來臨。

依賴於技術含量、客戶對音樂的高需求和產業急速發展獲得溢價的高端定製配樂行業，也將受到影響，期待通過國內受眾對配樂質量的需求標準上升，使得行業繼續增加投入的願望在一定時期內將很難實現。

一種可能：生活方式，聽覺經驗和需求會在一定程度上限制音樂創作技術的發展速度。

作為社會文化、精神價值和審美情感表徵體的音樂，在激發人的複雜情感反應、認知思考和決策行為、引發人腦的複雜生理反應和神經電生理反應方面能夠與美術、影視、舞蹈、戲曲等藝術文化當量。然而，我們不可否認的是：1）音樂採用非視覺媒介，看不見摸不著，作為硬需求使人產生長期依賴的能力較弱；2）「聽」音樂作為一種生活方式在歐洲也不過數百年，而作為隨時隨地的生活方式則至今未逾半世紀，相對於那些歷史悠久、更為具象而的娛樂方式，太過於年輕；3）把音樂當做一種生活方式、擁有較高的聽覺經驗均依賴於群體文化傳統的建設，特別是樂器演奏基礎技能的建設，我國目前的宏觀情況是，總體往好的方向發展，然文化心態與技能普及相較於發達國家仍存在一定距離；4）國內卡拉 OK 和電信音樂在建設音樂生活方式上居功至偉，然考慮到上榜歌曲使用的作曲/詞技術所指向的受眾基數/受教育程度等因素，或難以為尖端音樂技術的發展提供足夠動力。

5. 在藝術領域，人工智慧將永遠無法完全取代人類。5.1

藝術同時包含著人類原生的慾望本能與意圖自我傳播與複製的模因，因而，無論有沒有強人工智慧，人類藝術自娛娛他的功能和自我意義建構將伴隨著這個生物群體自始至終。最重要的是，對音樂形式的探究，終有盡頭，兜兜轉轉，一顆本心，仍是人類最珍貴的。

5.2

即使 AI 取代了整個音樂創作行當，也需要人類告訴它前行的方向，而更直接的方式是，人類在生物快感和經驗反思的基礎上，利用 AI 不斷尋找新的變數，發掘新的變數的使用，因為並不清楚哪些變數在未來得以用創新的方式使用並適配人類審美，也無法窮盡音樂聽覺與視覺藝術、語言、觸覺、味覺及其他符號系統之間的微妙鏈接關係，所以這種探索將永無止境。

5.3

在出現自我意識的強人工智慧之前，人類將成為第一個超人工智慧。作為必然的趨勢， AI 將作為我們思維和記憶的外延，這些新的「器官」和人類對自身的基因改造技術，將改變我們看待世界的方式。彼時，音樂的形式倒是有可能迎來類似「寒武爆發」式的躍進。

結語

正如英國的洛夫萊斯（Ada Lovelace）在翻譯巴貝奇（她的丈夫/第一台可編程機械計算機的設計者）的論文時加上的腳註所言：「……製造有編程和記憶功能的機器，具有無限的可能。這種機器不僅可以勝任複雜計算，還可以繪畫和編曲……」，我們沒有理由拒絕人工智慧為人類社會帶來的無限可能。歷史上大多數開創性技術的發端都多多少少會給群體帶來不適與不安，然而我認為，越是這樣，越需要正視，技術源於人，它不但是人類的擴展功能與補丁，更重要的是，它重定義了人。技術也和音樂一樣，需要人類更多的愛。

——- 預約深度學習基礎班 -——

掌握深度學習原理

搭建神經網路模型

熟悉自然語言處理

開發智能個人助理