讓機器“看圖譜曲” 百度意欲何為？

　　許多年之前，在一次講座中，人工智能先驅(qū)侯世達為臺下音樂專業(yè)的師生播放了兩首作品：一首來自肖邦，一首來自機器創(chuàng)作的“偽肖邦”，并讓他們判斷哪首是真肖邦，他們受過專業(yè)音樂訓(xùn)練，但多數(shù)人選擇了后者。

　　這算是圖靈測試在音樂領(lǐng)域的鏡像。直覺上看，音樂與計算分列認知體系的兩極，前者關(guān)乎感性甚至靈性，后者則被多數(shù)人歸為“死理性派”，窺不見半點美感，但必須承認，倘若打穿知識邊界，在更本質(zhì)的意義上，音樂與計算共享同一套底層邏輯：某種抽象事物的形式組合——我個人聽到過關(guān)于音樂最好的定義來自數(shù)學(xué)家萊布尼茨：音樂是人類精神通過無意識計算獲得的愉悅。

　　正因如此，人類一直試圖讓機器擁有“譜寫”音樂的能力——最早的算法作曲(Algorithmic Composition)甚至可追溯到1957年化學(xué)家和音樂家Lejaren Hiller用算法生成了弦樂四重奏伊利亞組曲。如今幾十年過去，在大數(shù)據(jù)“喂養(yǎng)”下，機器學(xué)習(xí)技術(shù)的發(fā)展讓機器譜曲這件事愈加成熟，且與其他技術(shù)的嫁接也讓機器譜曲邁向應(yīng)用層面。

　　最近一個例子來自百度深度學(xué)習(xí)實驗室，他們發(fā)明了一種基于輸入圖片生成曲譜的自動化系統(tǒng)：輸入一張圖片，系統(tǒng)會自動生成一段符合該圖片內(nèi)容和意境，且符合韻律和節(jié)拍的曲譜——換句話說，試圖用機器視角理解一張圖片，然后創(chuàng)作一段音樂。

　　技術(shù)也正在落地。7月19日晚，百度聯(lián)手尤倫斯當(dāng)代藝術(shù)中心(UCCA)舉辦了一場主題為“AI科技與藝術(shù)之夜”的跨界活動?；顒蝇F(xiàn)場，百度人工智能根據(jù)藝術(shù)家勞森伯格“四分之一英里”畫作中的兩個部分，分別生成了與畫作元素相對應(yīng)的鋼琴曲。在隨后播放的視頻中，百度還展示了人工智能根據(jù)梵高的《星夜》和徐悲鴻的《奔馬圖》創(chuàng)作的曲子。這是百度首次嘗試將人工智能技術(shù)與藝術(shù)創(chuàng)作相結(jié)合。

 那么問題來了，探究這樣一個看起來頗具藝術(shù)氣質(zhì)的技術(shù)，百度意欲何為?

　　機器“看圖譜曲”

　　拆解來看，讓機器“看圖譜曲”的技術(shù)實現(xiàn)分兩部分：第一是訓(xùn)練過程，用海量數(shù)據(jù)對機器進行飼養(yǎng)(如你所知，近些年來，大規(guī)模計算能力，各種復(fù)雜模型和算法的誕生，讓深度學(xué)習(xí)的訓(xùn)練數(shù)據(jù)不斷增長)，輸入數(shù)據(jù)是帶有語義標(biāo)簽的圖片庫，曲譜和對應(yīng)歌詞的曲庫，輸出是語義標(biāo)簽提取模型和曲譜生成模型;第二部分是測試過程，當(dāng)機器智慧覓得規(guī)律，輸入一張圖片，則可輸出一曲音樂。

　　先說訓(xùn)練。訓(xùn)練的第一階段即是利用圖片庫訓(xùn)練學(xué)習(xí)，得到語義標(biāo)簽提取模型，訓(xùn)練圖片則由人工標(biāo)注關(guān)鍵詞，包含兩種類型：第一，圖片中出現(xiàn)的物體，譬如高山，大海，天空等;第二，圖片色調(diào)和意境，譬如灰暗的，晴朗的，憤怒的，壓抑的等。訓(xùn)練的第二階段是學(xué)習(xí)得到曲譜生成模型，具體則通過局部曲譜聚類(對所有曲庫中每半個小節(jié)作為一個曲譜單元，將所有相似曲譜聚集到同一個聚類上)，統(tǒng)計語義標(biāo)簽與曲譜單元相關(guān)性，統(tǒng)計局部曲譜單元聚類的相鄰概率等步驟實現(xiàn)。

　　再說測試。這一過程同樣包含兩個階段，第一階段是給定一張圖片，根據(jù)語義標(biāo)簽提取模型判斷其是否可提取得到該語義標(biāo)簽;第二個階段則是曲譜生成——總之可以看出，作為一項復(fù)合型技術(shù)，讓機器“看圖譜曲”的實現(xiàn)路徑委實不易。

　　不是替代，是合作

　　當(dāng)然，即便如此——即便機器譜寫的曲目聲音悅耳，由于“藝術(shù)”長久以來的某種蠱惑性(其實藝術(shù)形式的演進從來都與技術(shù)進步息息相關(guān))，也一定會有人覺得，這種聲音不是“人工”而是“合成”的，從而構(gòu)建鄙視鏈。但如前所述，作為一門課題，探尋音樂與數(shù)學(xué)的關(guān)系一直存在，不少作曲家都對二者的結(jié)合進行過大膽實驗。