這個名叫Jesse Engel的哥們兒最近正癡迷于讓自己的電腦變成一個音樂家。他30多歲，個子很高，胡子拉碴還留著齊肩的頭發(fā)，喜歡穿緊身牛仔褲，白色的T恤上還有萬花筒的設(shè)計…這些元素加起來，你可能也會覺得他應(yīng)該是一個漂泊的貝斯手，和“谷歌研究科學(xué)家”的身份差著十萬八千里…

 

　　Engel他們位于谷歌舊金山辦公樓五層的辦公室，其實也是一個設(shè)備齊全且精良的音樂工作室。了解谷歌Magenta項目的人都知道，這是一個利用人工智能和機(jī)器學(xué)習(xí)來創(chuàng)作藝術(shù)的項目，同時為開源人工智能平臺TensorFlow的用戶簡化這一過程。Magenta提供給用戶可以修改的代碼，包設(shè)計類似于人類大腦神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)，并預(yù)先進(jìn)行各種任務(wù)。它還為創(chuàng)作型藝術(shù)家和技術(shù)人員提供了一個分享自己實驗的社區(qū)。

 

　　谷歌高級研究科學(xué)家Douglas Eck從15年開始設(shè)計Magenta項目，16年正式對外發(fā)布。他今年已經(jīng)48歲，但看起來仍像個孩子。

 

　　沒錯，我們幾個人湊到了一起，正打算舉行一場即興演奏會。這本不是計劃中的事情，Eck和Engel屆時將會為我和我的朋友、樂隊成員Adam Davis演示一些demo。但Eck似乎對這事很隨意，如果想更好的去了解Magenta項目，還有什么比和它一起創(chuàng)作更好的呢？

 

　　我站在電子鼓后，Davis抓到了一個擋板，Eck在鍵盤后面，一直想帶起節(jié)奏。在特雷門琴（theremin, 是一種不需要接觸而演奏的樂器，你可以像巫師一樣揮舞著你的手控制它）是Kory Mathewson，是谷歌暑期項目的實習(xí)生，因為他把他的空閑時間都花在了研究機(jī)器人來表演即興喜劇，Eck笑著偷偷告訴我，這也是當(dāng)時為啥會讓Mathewson來這實習(xí)的一個考量。

 

　　最后要介紹的就是我們這個臨時組建的樂隊的最后一名成員——A.I. Duet，它正是使用了Magenta技術(shù)的應(yīng)用程序。當(dāng)你在附加的鍵盤上彈奏一段旋律，程序會根據(jù)音符的選擇、節(jié)奏、切分音和以前聽到的音樂來識別整體模式。然后它會自動計算并幫你“補(bǔ)完”旋律的重奏部分，幾乎可以實現(xiàn)“一呼一應(yīng)”的演奏模式。我們所使用的內(nèi)部版本可以通過設(shè)置“溫度”來控制響應(yīng)的隨機(jī)性：當(dāng)Engel選低音吉他模式，開始即興創(chuàng)作旋律；當(dāng)Engel聽到了他喜歡的回應(yīng)，就把設(shè)定下來。他拿起了一個黑色的Gibson Les Paul電吉他，然后演奏就這么即興開始了。

　　猜猜我們都是誰~

 

　　我們的設(shè)想還是很不錯的，但令我印象深刻的是人工智能在二重奏中彈出的低音線。如果我們是一個真正的樂隊，我相信我們也會這樣創(chuàng)作下去。音樂家們經(jīng)常掙扎于沒有新的創(chuàng)作靈感，這個程序似乎會成為他們創(chuàng)作的源泉。

 

　　“這就像在房間里有另一個音樂家。” Davis說。他也參與了二重奏。當(dāng)他開始演奏樂器時，他開始在原來的音線外著色，這讓我們的樂隊成員感到十分興奮。（“我們真的很期待看到人們?nèi)绾未蚱七@種局面，”Engel說。）隨著他不斷“升溫”，就產(chǎn)生了一種狂躁的、嚇人的旋律，與他當(dāng)初輸入的東西幾乎完全不一樣。比如，他給了一個“一閃一閃亮晶晶”的節(jié)奏想看看會發(fā)生什么，在極致的溫度下，變成了一首在糟糕旅行中的圣誕曲。

 

　　“技術(shù)對藝術(shù)來說非常重要。”Eck說。試想如果把你的吉他拔掉和弦?，F(xiàn)在把它插入這個很棒的電吉他，你會很依賴技術(shù)來完成這項工作。他補(bǔ)充道，他們所做的類似于建造一個更好的吉他踏板，甚至就是一個電吉他。至少希望是這樣。現(xiàn)在，他們還不確定這項技術(shù)將如何影響音樂，或者它是否會被使用。這我想起了Auto-Tune，這是一種錄音軟件，它一開始是為平淡的流行音樂校正音軌的音軌；后來T-pain和Kanye West這樣的說唱歌手，就不再用它了，而是發(fā)揚(yáng)了它的特點(diǎn)，創(chuàng)造出一種新奇的聲音。

 

　　不管AI的音樂生成技術(shù)如何，Eck覺得這將是不朽的。“我們將跟隨音樂家，如果有人發(fā)現(xiàn)我們正在做的事情，又做了一些更了不起的，我們可能會邀請他加入一起創(chuàng)造更多。”

 

　　聽著Eck，我可以明顯感到他的大腦就是為了探索算法而生的，同時對音樂的熱情，引領(lǐng)著他用技術(shù)來開發(fā)這種給各類音樂家使用的工具。當(dāng)我問他關(guān)于他自己的音樂追求時，他略帶羞澀地而我分享了他在咖啡店彈吉他的美好經(jīng)歷，而我則訝異于他并沒有把自己創(chuàng)作的最佳時期花在成堆的合成器里。

 

 

　　人工智能和音樂的結(jié)合其實已并不是什么新鮮事。20世紀(jì)50年代，先鋒作曲家Lejaren Hiller和Leonard Isaacson用電腦寫了一首“Illiac Suite”。 該樂譜包括了按照某些音樂原理統(tǒng)計生成的音符，例如諧波相互依賴，并基于作曲家對傳統(tǒng)音樂的知識規(guī)則合成。

 

　　直到最近，AI輔助音樂還主要停留在學(xué)術(shù)界?，F(xiàn)在谷歌、索尼、IBM和其他公司都成立了相關(guān)的大型研究項目。還有像Jukedeck這樣的初創(chuàng)公司，它利用人工智能為視頻生成廣告和背景音樂。Brain.fm提供功能性的人工智能合成音樂，來幫助用戶放松、專注、和促進(jìn)睡眠等，該技術(shù)已經(jīng)開始盈利。

 

　　不同的項目也都看到了類似的結(jié)果，但大家都有自己的小算盤。谷歌正在為藝術(shù)家設(shè)計工具，設(shè)計開放式的實驗項目，目的是激發(fā)創(chuàng)造力。Jukedeck把它的資源集中在工具易用性、市場營銷以及尋求節(jié)省視頻配樂的成本。Jukedeck的聯(lián)合創(chuàng)始人Patrick Stobbs告訴我，公司希望擴(kuò)大其客戶基礎(chǔ)，包括任何對制作音樂感興趣的人：它希望使用這項技術(shù)來幫助那些想要成為音樂家的人，在不學(xué)習(xí)演奏樂器的情況下就可以創(chuàng)作歌曲。

 

　　他說：“就像Instagram讓不是專業(yè)修圖的我們更容易創(chuàng)作出很棒的照片，我們把Jukedeck看作是一個創(chuàng)意工具，讓更多的人輕松地制作音樂，并擁有更多的動力。”

 

　　大約十年前，一些使用類似人工智能技術(shù)的音樂軟件應(yīng)用程序就已經(jīng)出現(xiàn)了，其中大多是令人沮喪的結(jié)果。微軟的自動編曲軟件Songsmith在阿卡貝拉聲道上生成卡西歐鍵盤式的伴奏。這個節(jié)目激發(fā)了無數(shù)搞笑視頻的靈感，例如，F(xiàn)reddie Mercury的“We Will Rock You”的表演，聽起來特別像含糊的拉丁Muzak音樂。

 

　　從那以后，盡管技術(shù)和品味還在繼續(xù)發(fā)生著沖撞，但事情已經(jīng)開始發(fā)生著翻天覆地的變動。從去年開始，在不久的將來，全世界都能看到人工智能生成的音樂將會是什么樣子。制片人Alex Da Kid與IBM Watson超級計算機(jī)合作，創(chuàng)造了一個朗朗上口的情感歌謠“Not Easy”。 Watson使用了5年的文化數(shù)據(jù)，包括新聞標(biāo)題、互聯(lián)網(wǎng)搜索、電影概要和社交媒體內(nèi)容，來分析他們周圍的趨勢和人們的情緒。它還處理了超過2.6萬首流行歌曲，尋找共同的主題和音樂模式。利用這一信息，超級計算機(jī)確定了近代歷史的“情感脈絡(luò)”，以及可以引起聽眾強(qiáng)烈情感共鳴的音樂元素。然后Alex用這些數(shù)據(jù)來選擇心碎的主題，以及他喜歡的音樂短語和抒情片段。

 

　　隨著獲得了格萊美的提名，他們又合作了創(chuàng)作了一首更廣域的歌曲。“Not Easy”在48小時內(nèi)到達(dá)iTunes熱門歌曲排行榜上的第四名，它基本是被遺忘了，但還好還有它背后的故事。原本試圖吸引數(shù)百萬聽眾的情感溫度，似乎并沒有表達(dá)出來。和Auto-Tune的對比再次出現(xiàn)了：在那些追求完美流行音樂的人手中，AI可以通過數(shù)字化的方式實現(xiàn)其最終的成功。

 

　　2012年夏天，在歐洲研究委員會（European Research Council）的資助下，索尼計算機(jī)科學(xué)實驗室（Sony CSL）開始了一個為期5年的項目。結(jié)果介于歌曲“Not Easy”和Magenta項目之間。自上世紀(jì)90年代以來，計算機(jī)科學(xué)家、爵士樂和流行音樂家、索尼CSL的導(dǎo)演Francois Pachet一直在做與音樂和人工智能有關(guān)的研究。他和他的團(tuán)隊與藝術(shù)家們的合作比谷歌更直接，他們的目標(biāo)是用一組更著重輸出的名為“Flow Machines”的算法來創(chuàng)造出全新的流行音樂。

 

　　去年9月，由Flow Machines協(xié)助完成的歌曲“Daddy’s Car”大火。這首和法國作曲家Beno?t Carré一同完成的歌曲聽上去非常像上世紀(jì)60年紀(jì)中期Beatles的風(fēng)格。有可能為了創(chuàng)作這首歌曲，F(xiàn)low Machines聽了非常多Beatles的歌曲。

 

　　索尼CSL傳播部的工作人員Fiammetta Ghedini表示：“Daddy’s Car其實有一點(diǎn)像是模仿作品。這是對歌曲風(fēng)格的一次嘗試。如果Beatles能夠再現(xiàn)江湖的話，你應(yīng)該能夠感受到是什么風(fēng)格。”

 

　　Flow Machines對“風(fēng)格”的理解是依賴于數(shù)據(jù)的，這意味著你用特定的音樂來訓(xùn)練它，它就會預(yù)測創(chuàng)作音樂的人是想要這種風(fēng)格的音樂。換句話說，它只根據(jù)所選的數(shù)據(jù)集和程序員設(shè)置的約束來理解音樂的規(guī)則。在創(chuàng)作Daddy’s Car的時候，F(xiàn)low Machines給了Carré幾個Beatles式旋律和和弦的建議。

 

　　為了幫助我理解Flow Machines的藝術(shù)潛力，Ghedini向我介紹了一首Carréet 用這個軟件創(chuàng)作的相對不太火的歌曲，叫做“Mr. Shadow”。這首歌的訓(xùn)練數(shù)據(jù)集由包括Cole Porter，George Gershwin，Richard Rodgers和Vernon Duke 在內(nèi)的經(jīng)典美國詞曲作家的429首歌曲組成。我一連聽了好幾遍，我能給出的唯一感受就是：令人不安的前衛(wèi)流行樂。和弦序列是幽魅的，旋律又夢幻和又來勢洶洶。Youtube上有一個評論：“幾十年后，當(dāng)終結(jié)者用加特林槍殺死人類的時候，這真是一首再好不過的背景音樂了。“我不知道我是否喜歡這首歌，但我覺得這讓我看到了一種不同的音樂，而且我想要聽更多這一類型的歌曲。”

 

　　2016年，在巴黎舉行了一場由多名音樂人和Flow Machines共同編曲音樂會。這些作品從藝術(shù)的角度來說都是十分迷人和獨(dú)特的，甚至比Alex Da Kid的歌曲更有趣。Carré希望在今年晚些時候發(fā)行他和Flow Machines共同發(fā)行的音樂專輯。其他藝術(shù)家可能也會效仿。

 

　　谷歌一直與藝術(shù)家們開展著克制的合作。Eck更傾向于將他的工具應(yīng)用于實驗音樂，而不是大量生產(chǎn)熱門單曲，或者制作功能性背景音樂，盡管這些都是潛在的大市場。（Jukedeck在創(chuàng)建一個無限制的免費(fèi)視頻歌曲庫方面取得了巨大的進(jìn)步，這將有利于制作預(yù)算，但對作曲家不利。）他希望能影響音樂的藝術(shù)方向。他認(rèn)為，最好的方法就是給那些可能不符合主流品味的前沿藝術(shù)家提供工具。

 

　　Eck告訴我：“我們應(yīng)該積極地嘗試制作并不是每個人都喜歡的音樂?？傆幸恍┬缕娴男Ч銜玫揭恍┬碌暮童偪竦臇|西。就像從麥當(dāng)娜到碧昂絲那樣的巨星們從邊緣地帶獲得靈感一樣，未來的流行歌手們也會把輔助地下藝術(shù)家的創(chuàng)新編織進(jìn)他們的MOR圖表上。

 

　　自上世紀(jì)80年代中期以來，英國的一位教授Eduardo Reck Miranda就一直參與這一領(lǐng)域的研究。在他的內(nèi)心深處有一個特殊的地方，那就是人工智能能夠照亮的那些奇怪的縫隙。

 

　　Miranda出生在巴西，之前曾是一名作曲家，但卻對用科技來輔助音樂創(chuàng)作這個領(lǐng)域情有獨(dú)鐘…他告訴我為了創(chuàng)作《傾聽的交響曲》，他開發(fā)了人工智能軟件，將貝多芬的第7交響曲重新組合，用大腦掃描來解構(gòu)人們聽音樂的方式。

 

　　“機(jī)器真的能做到嗎？在最開始的時候我們也問過這個問題。但是，當(dāng)我們意識到機(jī)器可以做到這一點(diǎn)的時候，我們發(fā)現(xiàn)原來的音樂是多單調(diào)乏味。然后我們就開始想如何才能讓這些機(jī)器做些有用的事呢？”

 

 

　　關(guān)于AI是否能用于音樂創(chuàng)作的爭議大都是在Miranda、Eck和Pachet的實驗之前。而這里又不得不談到一個人——David Cope，一個現(xiàn)代的神秘主義者，他可能比任何人都更了解人工智能和創(chuàng)新大腦之間的關(guān)系。

 

　　Cope擔(dān)任加州大學(xué)Santa Cruz分校的教職長達(dá)30余年時間。這位現(xiàn)年76歲、說話輕聲細(xì)語的前教授還在繼續(xù)創(chuàng)作音樂并進(jìn)行其他藝術(shù)創(chuàng)作，主要在用人工智能。

 

　　當(dāng)我走進(jìn)Cope舒適的位于Santa Cruz的家的樓梯時，他發(fā)出警告：“為你生命中真正的古怪時刻做好準(zhǔn)備。”沒有進(jìn)一步的解釋，他打開辦公室的門，露出一個房間，與房子的其余部分形成鮮明對比，完全是一片混亂。吊在天花板上的是幾十個風(fēng)鈴。書籍和隨機(jī)的物體到處亂扔，仿佛它們剛從龍卷風(fēng)中幸存下來。在房間的中央是一輛健身車。

　　David Cope

 

　　他告訴我，這種混亂是有意為之的：這使他能夠看到任何兩個物體，并試圖找到它們之間的關(guān)系。就像他的軟件是為音樂而生的一樣，這種混亂是一種創(chuàng)造性的提示，它利用了隨機(jī)性的驚人力量。他說了很多關(guān)于這些原理的基本原理。

 

　　他十幾歲就開始寫算法了。他寫了大約100本書。在這些書里，早在1977年就有計算機(jī)生成的音樂的內(nèi)容。1980年，他開始了一項名為“音樂智力實驗”的長期項目。上世紀(jì)90年代，他又開始開發(fā)了一個名叫“Emily Howell”的新項目。這是一個以人的名字來命名的項目，部分是為了刺激一下那些聲稱機(jī)器將把人類作曲家趕出工作的反對者。 “機(jī)器做我們告訴它們做的事情，它們沒有自我意識。我把人工智能定義為利用計算機(jī)來了解人類大腦及其工作原理的研究。僅此而已。”

 

　　Cope讓我猜猜作曲家在創(chuàng)作的時候都會做些什么。我其實并不了解。

 

　　Cope表示：“我們創(chuàng)作的時候，其實是在借鑒。這意味著算法中最重要的部分根本不是算法。而是一堆音樂。”我把這解釋為藝術(shù)家們在創(chuàng)作自己作品的過程中會拼湊旋律、情緒和風(fēng)格。Cope意識到計算機(jī)需要以同樣的方式運(yùn)作。

 

　　1988年，他使用數(shù)百個他自己的音樂的例子創(chuàng)建了一個數(shù)據(jù)集。在大約24小時內(nèi)，他與的程度Emmy就創(chuàng)作了《搖籃墜落》這首曲子，這是他所寫的最好的音樂作品之一。他說，聽《搖籃墜落》和Emmy創(chuàng)作的曲子證明了他的結(jié)論，作曲家們都是在借鑒。

 

　　我認(rèn)識到Google和Sony正在使用的深度學(xué)習(xí)，其實是對Cope數(shù)據(jù)依賴方法的直接擴(kuò)展。Miranda對此深表贊同，但他補(bǔ)充說：“這種方法是不完整的，這也是為什么他的創(chuàng)作過程一直都是實驗性的。”

 

　　“一個人工智能軟件不能完全體現(xiàn)我們?nèi)绾沃谱饕魳罚?rdquo;Miranda說。“我們能做的最好的事情就是把問題縮小到具體的方面。”

 

　　這又導(dǎo)致了創(chuàng)造性生成模型中固有的讓人傷腦筋的事：人工智能音樂沒有明確的成功標(biāo)準(zhǔn)。由于機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，語言翻譯軟件近年來突飛猛進(jìn)。我們都同意這是多么成功，因為結(jié)果是客觀的。但是，我們?nèi)绾稳ベ澩斯ぶ悄苘浖某晒λa(chǎn)生的音樂價值呢？通過在基層的流行度嗎？好評？Eck和他在Google的團(tuán)隊通過藝術(shù)家的持續(xù)興趣來定義它。當(dāng)音樂家們在最初的新鮮感消失后繼續(xù)使用這些工具的時候，就是人工智能在這個巨大而混亂的音樂王國中永久占據(jù)一席之地的時候。

 

 

　　在我們采訪結(jié)束離開Google后，Davis和我討論了這次的采訪經(jīng)歷。“我喜歡看到事物開始瓦解。在某些時候，它會脫軌。它不知道如何處理它被給予的信息。而這恰恰創(chuàng)造了真正有趣的音樂。”

 

　　許多藝術(shù)家和音樂愛好者都很害怕人工智能技術(shù)會讓誠實的人失去工作，同時把創(chuàng)造力拖到最小的公分母上。但Davis卻很想要看到混亂的局面發(fā)生，那些出現(xiàn)裂縫正是像Eck、Engel、Miranda和Pachet等創(chuàng)新者所期待的。但，電腦也會犯錯，就像我們一樣。而我們將賦予人工智能的那些奇怪的、不完美的、不可預(yù)測的人類本能，正是重新定義音樂的動力。