這算是圖靈測(cè)試在音樂領(lǐng)域的鏡像。直覺上看，音樂與計(jì)算分列認(rèn)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(diǎn)美感，但必須承認(rèn)，倘若打穿知識(shí)邊界，在更本質(zhì)的意義上，音樂與計(jì)算共享同一套底層邏輯：某種抽象事物的形式組合——我個(gè)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(shí)計(jì)算獲得的愉悅。

 

　　正因如此，人類一直試圖讓機(jī)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(jī)器學(xué)習(xí)技術(shù)的發(fā)展讓機(jī)器譜曲這件事愈加成熟，且與其他技術(shù)的嫁接也讓機(jī)器譜曲邁向應(yīng)用層面。

 

　　最近一個(gè)例子來自百度深度學(xué)習(xí)實(shí)驗(yàn)室，他們發(fā)明了一種基于輸入圖片生成曲譜的自動(dòng)化系統(tǒng)：輸入一張圖片，系統(tǒng)會(huì)自動(dòng)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(jī)器視角理解一張圖片，然后創(chuàng)作一段音樂。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(chǎng)主題為“AI科技與藝術(shù)之夜”的跨界活動(dòng)。活動(dòng)現(xiàn)場(chǎng)，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(gè)部分，分別生成了與畫作元素相對(duì)應(yīng)的鋼琴曲。在隨后播放的視頻中，他們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(gè)看起來頗具藝術(shù)氣質(zhì)的技術(shù)，百度意欲何為?

 

　　機(jī)器“看圖譜曲”

 

　　拆解來看，讓機(jī)器“看圖譜曲”的技術(shù)實(shí)現(xiàn)分兩部分：第一是訓(xùn)練過程，用海量數(shù)據(jù)對(duì)機(jī)器進(jìn)行飼養(yǎng)(近些年來，大規(guī)模計(jì)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(zhǎng))，輸入數(shù)據(jù)是帶有語義標(biāo)簽的圖片庫，曲譜和對(duì)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(cè)試過程，當(dāng)機(jī)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，統(tǒng)計(jì)語義標(biāo)簽與曲譜單元相關(guān)性，統(tǒng)計(jì)局部曲譜單元聚類的相鄰概率等步驟實(shí)現(xiàn)。再說測(cè)試，這一過程同樣包含兩個(gè)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(gè)階段則是曲譜生成。

 

　　當(dāng)然，即便如此——即便機(jī)器譜寫的曲目聲音悅耳，由于“藝術(shù)”長(zhǎng)久以來的某種蠱惑性(其實(shí)藝術(shù)形式的演進(jìn)從來都與技術(shù)進(jìn)步息息相關(guān))，也一定會(huì)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(duì)二者的結(jié)合進(jìn)行過大膽實(shí)驗(yàn)。

 

　　看到一篇作者為海甜寫的文章就介紹到：無論“算法音樂(以數(shù)學(xué)方法代替音樂思維，創(chuàng)作過程即演算過程)”，還是“圖表音樂”，“幾何音樂”，諸多作曲家都試圖以數(shù)學(xué)為路徑窺視音樂本質(zhì)。數(shù)學(xué)家約翰·傅里葉甚至證明所有樂聲都可用數(shù)學(xué)式描述，而萊布尼茨則說：“音樂，就它的基礎(chǔ)來說，是數(shù)學(xué)的;就它的出現(xiàn)來說，是直覺的。”

 

　　不過，這當(dāng)然不意味著作曲這件事自此將由機(jī)器代勞——常識(shí)是，在可以預(yù)見的未來，人類與人工智能不是對(duì)立關(guān)系，而更近似于共生。舉個(gè)例子，如你所知，1997年國(guó)際象棋大師卡斯帕羅夫被當(dāng)時(shí)的人工智能打敗，但與直覺相悖，近二十年過去了，國(guó)際象棋的浪潮并未消散，相反，無論玩家數(shù)量還是比賽數(shù)量都一直在提升——人類甚至發(fā)明了一種自由式國(guó)際象棋比賽：人加電腦與其他人加電腦，或者純粹電腦來比賽，在2014年自由式國(guó)際象棋對(duì)抗錦標(biāo)賽上，純?nèi)斯ぶ悄苴A了42場(chǎng)，而“人工+智能”型組合贏得了53場(chǎng)。

 

　　嗯，人工智能幫助人類成為了更好的棋手，你完全可以期待，這種助力同樣發(fā)生在音樂領(lǐng)域，兩種智慧的合力一齊譜寫出更精致的作品也未嘗可知。說不定未來的譜曲形式是：確定性的部分由機(jī)器完成，而人類則復(fù)雜提供那些真正意義上的“點(diǎn)睛之筆”。

 

　　音樂的作用

 

　　說回百度這項(xiàng)“看圖譜曲”技術(shù)——它到底有什么用?

 

　　事實(shí)上，研發(fā)新技術(shù)并讓它盡快落地，實(shí)現(xiàn)商業(yè)價(jià)值，一直為百度所擅長(zhǎng)。就拿與“看圖譜曲”技術(shù)相關(guān)的圖像識(shí)別來說，其測(cè)試版在2010年末上線，經(jīng)過不斷迭代，如今已被應(yīng)用在電商(譬如拍照購(gòu)物)，社交(譬如通過人臉相似度交友)等領(lǐng)域。

 

　　“看圖譜曲”同樣如此——相較于讓人工智能單純譜曲以換得人類賞識(shí)，“看圖+譜曲”有著更為廣闊的實(shí)用性。最本能地猜測(cè)也許是產(chǎn)品推廣，譬如，機(jī)器譜曲可作為單一商品甚至任何一家網(wǎng)店的背景音樂，讓用戶在購(gòu)物同時(shí)能聽到一段“描述”這個(gè)產(chǎn)品的音樂，從而提升購(gòu)物欲望。

 

　　這并非空泛之談。你知道，音樂有著無比漫長(zhǎng)的演化史，它幾乎出現(xiàn)在人類所有儀式和活動(dòng)之中，人腦為何迷戀音樂?它是怎么理解和處理音樂的?這些都是開放且令人著迷的疑問。雖然視覺幫助人類獲取80%以上信息，但來自聽覺的情緒反饋同樣巨大——無論是欣喜藝術(shù)還是日常生活，關(guān)于“一段配樂”的作用，你一定深有體會(huì)。

 

　　一種常見解釋是：音樂與多巴胺的釋放有關(guān)，后者是一種與“快樂”相關(guān)的激素。作家阿城在《愛情與化學(xué)》一文中曾說：能直接作用于邊緣系統(tǒng)也就是情感中樞的藝術(shù)就是音樂。“音樂由音程、旋律、和聲、調(diào)性、節(jié)奏直接造成‘頻律’(不是旋律)，假如這個(gè)頻律引起痛苦中樞或快感中樞的強(qiáng)烈共振(不是共鳴)而導(dǎo)致放電，人就被‘感動(dòng)’，悲傷，興奮，沮喪，快活。同時(shí)腦中的很多記憶區(qū)被激活，于是我們常常聽到或看到這樣的傾訴，‘它使我想起了什么什么……’每個(gè)人的經(jīng)驗(yàn)記憶有不同，于是這個(gè)‘頻律’，也就是‘作品’就被賦予多種意義了。”

 

　　所以從這個(gè)意義上，至少在理論上，百度這項(xiàng)“看圖譜曲”技術(shù)也許尚未成熟，但卻可以落地于不同領(lǐng)域——只要涉及“情緒渲染”，譬如廣告，社交軟件，PR營(yíng)銷，甚至最近火熱的AR等等。