Искусственный интеллект и музыка

Гробова Софья Кирилловна

Северо-Кавказский федеральный университет

Искусственный интеллект и музыка

Новые технологии, в частности - искусственный интеллект, кардинально меняют характер творческих процессов. Компьютеры играют очень важную роль в творческой деятельности, такой как музыка, архитектура, изобразительное искусство и наука. Ведь компьютер - это уже холст, кисть, музыкальный инструмент. Однако, мы считаем, что должны стремиться к более амбициозным отношениям между компьютерами и творчеством. Вместо того, чтобы рассматривать компьютер просто как инструмент, помогающий человеку создавать, мы могли бы рассматривать его как самостоятельную творческую сущность. Эта точка зрения привела к появлению нового подполя искусственного интеллекта под названием «Вычислительное творчество». В этой статье рассматривается вопрос о возможности достижения вычислительного творчества на некоторых примерах компьютерных программ, способных воспроизводить аспекты творческого художественного поведения.

Искусственный интеллект играет решающую роль в истории компьютерной музыки почти с момента ее зарождения в 50-х годах прошлого века. Но до недавнего времени больше усилий уделялось композиционным и импровизационным системам, нежели выразительному исполнению. В этой статье мы рассмотрим некоторые важные достижения в подходах искусственного интеллекта к составлению музыки, музыкальному исполнению и импровизации с упором на исполнение выразительной музыки.

Работа Хиллера и Исааксона (1958) над компьютером ILLIAC - самая известная новаторская работа в сфере компьютерной музыки. Их лучший результат - Illiac Suite, струнный квартет, составленный на основе решения проблемы - «как генерировать и тестировать». Программа генерировала ноты псевдослучайно с помощью цепей Маркова. Затем сгенерированные ноты были протестированы с помощью эвристических композиционных правил классической гармонии и контрапункта. Сохранялись только записи, удовлетворяющие правилам. Если ни одна из сгенерированных нот не удовлетворяла правилам, использовалась простая процедура возврата, чтобы стереть всю композицию до этого момента, и снова запускался новый цикл. В одном из интервью Хиллер и Исааксон сказали: «Прежде, чем заняться проблемой выразительности, необходимо решить более простые вопросы». После этой основополагающей работы многие другие исследователи основывали свои компьютерные композиции на марковских вероятностных переходах, но с довольно ограниченным успехом с точки зрения качества мелодии.

Однако не все ранние работы по композиции основывались на вероятностных подходах. Хорошим примером является работа Мурера о генерации тональной мелодии. Программа генерировала простые мелодии с лежащими в основе гармоническими последовательностями с простыми внутренними паттернами повторения нот. Этот подход основан на моделировании процессов с использованием эвристических методов, а не на марковских цепях вероятностей. Левитт также избегал использования вероятностей в процессе композиции. Он утверждает, что случайность имеет тенденцию скрывать, а не раскрывать музыкальные ограничения, необходимые для представления простых музыкальных структур. Его работа основана на описании музыкальных стилей, основанном на ограничениях. Он разработал язык описания, который позволяет выражать музыкально значимые преобразования входных данных через ряд отношений ограничений, которые он называет «шаблонами стиля». Он применил этот подход, чтобы описать симуляцию традиционного джазового гуляющего басиста, а также симуляцию двуручного рэгтайм-рояля.

Пионеры искусственного интеллекта, такие как Герберт Саймон или Марвин Мински, также публиковали работы, относящиеся к компьютерной музыке. Саймон и Самнер описывают формальный язык шаблонов для музыки, а также метод индукции шаблонов для обнаружения шаблонов, более или менее неявных в музыкальных произведениях. Хотя программа не была завершена, стоит отметить, что она была одной из первых, посвященных важному вопросу музыкального моделирования - предмету, который был и остается широко изученным.

Марвин Мински в своей известной статье «Музыка, разум и смысл» (1981) обращается к важному вопросу о том, как музыка влияет на наш разум. Он применяет свои концепции агента и его роли в обществе агентов как возможный подход, чтобы пролить свет на этот вопрос. Например, он намекает, что один агент может ничего не делать, кроме как замечать, что музыка имеет определенный ритм. Другие агенты могут воспринимать небольшие музыкальные паттерны, такие как повторение звука, различия, такие как одна и та же последовательность нот, сыгранных на одну пятую выше, и так далее. Его подход также учитывает более сложные отношения внутри музыкального произведения с помощью агентов более высокого порядка, способных распознавать большие фрагменты музыки.

Среди композиционных систем большое количество решает проблему автоматической гармонизации с использованием нескольких техник искусственного интеллекта. Одна из самых ранних работ - это работа Ротгеба. Он написал программу SNOBOL, чтобы решить проблему гармонизации неустановленного баса (учитывая последовательность басовых нот, вывести аккорды и ведущие голоса, которые сопровождают эти басовые ноты) с помощью набора правил. Основной целью Ротгеба была не автоматическая гармонизация, а проверка вычислительной надежности двух теорий гармонизации басов восемнадцатого века.

Одна из наиболее полных работ по гармонизации - это работа Эбчиоглу. Он разработал экспертную систему CHORAL для гармонизации хоралов в стиле И.С. Баха. CHORAL задается мелодия, и она производит соответствующую гармонизацию с использованием эвристических правил и ограничений. Система реализована на языке логического программирования, разработанном автором. Важным аспектом этой работы является использование наборов логических примитивов для представления различных точек зрения в музыке (просмотр аккордов, просмотр временного отрезка, просмотр мелодии и т. Д.). Это было сделано для решения проблемы представления большого количества сложных музыкальных знаний.

MUSACT (Bharucha, 1993) использует нейронные сети для изучения модели музыкальной гармонии. Он был разработан для улавливания музыкальной интуиции гармонических качеств. Например, одно из качеств доминантного аккорда - вызывать у слушателя ожидание того, что тонический аккорд вот-вот будет услышан. Чем больше ожидание, тем сильнее ощущение созвучия тонического аккорда. Композиторы могут в разной степени удовлетворить или нарушить эти ожидания. MUSACT способен изучать такие качества и генерировать расчетные ожидания в заданном гармоническом контексте.

В HARMONET (Feulner, 1993) проблема гармонизации решается с использованием комбинации нейронных сетей и методов удовлетворения ограничений. Нейронная сеть изучает так называемую гармоническую функциональность аккордов. MELONET использует нейронную сеть для изучения и воспроизведения структуры более высокого уровня в мелодических последовательностях. По заданной мелодии система изобретает гармонизацию в стиле барокко и вариацию любого голоса хорала. 

Моралес-Мансанарес разработал систему под названием SICIB, способную сочинять музыку с помощью движений тела. Эта система использует данные от датчиков, прикрепленных к танцору, и применяет правила вывода, чтобы связать жесты с музыкой в ​​реальном времени.

Безусловно, самая известная работа по компьютерной композиции с использованием ИИ - это проект EMI Дэвида Коупа (Cope, 1987, 1990). В этой работе основное внимание уделяется подражанию стилям разных композиторов. Он успешно сочинял музыку в стилях Копа, Моцарта, Палестрины, Альбинони, Брамса, Дебюсси, Баха, Рахманинова, Шопена, Стравинского и Бартока. Он работает путем поиска повторяющихся шаблонов в нескольких (как минимум двух) произведениях данного композитора. Обнаруженные закономерности называются подписями. Поскольку подписи зависят от местоположения, EMI использует одно из произведений композитора в качестве руководства, чтобы зафиксировать их в соответствующих местах при создании нового произведения. Чтобы составить музыкальные мотивы между подписями, EMI использует анализатор композиционных правил, чтобы обнаружить ограничения, используемые композитором в своих произведениях. Этот анализатор считает музыкальные события, такие как голосовые подсказки, использование повторяющихся нот и представляет их как статистическую модель анализируемых произведений. Программа следует этой модели, чтобы составить мотивы для вставки в пустые места между подписями. Чтобы правильно вставить их, EMI приходится решать такие проблемы, как связывание начальной и заключительной частей подписи с окружающими мотивами, избегая стилистических аномалий, поддержание голосовых движений, ведение заметок в пределах диапазона и т. д. Правильная вставка достигается с помощью сети расширенных переходов. Результаты хоть и не идеальны, но вполне соответствуют стилю композитора. 

Таким образом, пускай результаты неидеальны, но искусственный интеллект вполне способен не только распознавать, но и создавать, обрабатывать и сочинять музыку, как собственную, так и основанную на уже известных, полученных данных.

Литература

1. Пази, М. Симбиоз мозга и компьютера М. Пази // Русский репортер. – 2018. - №17 (456) http://expert.ru/russian_reporter/2018/17/simbiozmozga-i-kompyutera/ (дата общения 15.05.2021). –Текст: электронный

2.  Понкин, И. В. Искусственный интеллект с точки зрения права / И. В. Понкин, А. И. Редькина // Вестник РУДН. Сер. Юридические науки. - 2018. - № 1. – URL: https://cyberleninka.ru/article/n/iskusstvennyyintellekt-s-tochki-zreniya-prava (дата общения 17.05.2021). –Текст: электронный

3. Прус, Ю. В. Статистическое моделирование и технологии искусственного интеллекта в оценке и управлении параметрами единого креативного поля команд: опыт количественного анализа / Ю. В.Прус, М. А. Федотова, И. Бинь // Научный результат. Социология и управление. - 2018. - Т. 4. № 3. - С. 85-96. – https://elibrary.ru/item.asp?id=36290078 (дата общения 16.05.2021). – Текст: электронный

4. Ромашкова И. А. Проблемы развития искусственного интеллекта и пути их решения [Электронный ресурс] / И. А.Ромашкова, Е. С. Аболихина // Молодежный научный вестник. – 2018. - № 1 (26). – С. 118-12. – http://www.mnvnauka.ru/2018/01/Romashkova.pdf (дата общения 15.05.2021). – Текст: электронный.

5. . Смазневич, И. Искусный интеллект / И. Смазневич // Русский репортер. – 2018. - №19 (458) http://expert.ru/russian_reporter/2018/19/iskusnyijintellekt/ (дата общения 15.05.2021). – Текст: электронный.