AI遇上音樂 谷歌工程師告訴“巴赫塗鴉”背後那些事
2019年3月21日，在巴赫生日的這一天，谷歌上線了“巴赫塗鴉”，根據谷歌的官方介紹，利用這個塗鴉，你可以隨意創作自己的旋律，利用人工智慧，塗鴉將用巴赫的風格來演奏你創作的作品。
Doodle團隊、Magenta團隊、People and AI Research團隊這三個團隊協作完成了這個專案。Magenta團隊關注於通過機器學習幫助使用者進行音樂和藝術創作，PAIR團隊則主要關注於創造出能夠讓每個人都能愉快使用機器學習的工具或是體驗。
相比之前谷歌上線的塗鴉作品，此次的作品顯得非常特別，因為這是第一個用人工智慧去創作音樂的。新浪科技專訪了此次專案的人工智慧模型負責人、谷歌大腦團隊Magenta專案研究員Anna Huang（下文簡稱為安娜）。
人工智慧如何能創作出巴赫風格的音樂？
開發這樣的塗鴉，第一步需要創造一個支援它的機器學習模型。機器學習是一種通過展示大量案例，教會計算機自己提出解決方案的過程，而不是像傳統的計算機程式設計那樣給出一套計算機需要遵循的規則。
巴赫眾讚歌多為四聲部，每個聲部有著自己的旋律線，一起演奏時就能創造出豐富的和聲效果。這種簡潔的結構使其成為機器學習模型的良好訓練資料。
安娜開發出了Coconet多功能模型，可用於多種音樂任務，例如旋律協調、在音樂不同小節之間平滑過渡以及從零作曲等。
要將模型進行個性化調整使其匹配巴赫的音樂風格。為了達到這樣的效果，安娜他們基於巴赫的306首眾讚歌訓練了Coconet模型。他們會將巴赫的音樂的曲譜抹除掉一部分後再提供給模型，模型會分析抹掉部分旁邊是什麼音符，有什麼結構，然後去猜測如何把抹掉的部分填充好。雖然目前只用了306首巴赫的音樂，但是我們用排列組合的辦法去抹除掉不同的部分，這樣就增加出了很多首樂譜，就能提供給模型更多結構來進行學習。因此，當你在Doodle中的模型上建立自己的旋律時，它會將其轉換成巴赫風格的旋律。
有意思的是，這個模型完全是演算法自動完成，並不會進行人工干預。安娜說：“我們想只讓它看音樂，然後自己去學，看它可以學到什麼程度。”
為何要上線這樣一個塗鴉？
谷歌的Doodle團隊一直在尋找創新，希望找一些新的互動的形式，並且是好玩的。因為音樂的受眾非常廣泛，因此Doodle團隊就策劃如何讓音樂的互動更好玩，然後就考慮到可以用人工智慧。另外，巴赫又是一個大家都很崇拜的作曲家，然後如果我們可以和巴赫一起創作的話，那應該是一個非常奇妙的過程。
然後Doodle團隊就來找Magenta團隊，Magenta專注於人工智慧，嘗試如何用人工智慧去協助我們創作。比較巧的是，安娜研發的Coconet模型的training data（訓練資料）就是巴赫的音樂，隨後，他們便開始合作，共同籌劃這個專案。
專案一開始並不是很順利，因為兩個小節的音樂就需要45秒才能出結果，這會帶來很不好的體驗。安娜她們努力讓模型可以執行更快，最後在專案上線時，執行時間僅需要 4-8秒，甚至有時候2秒就可以。
很多人都喜歡唱歌和音樂，有時候也會進行創作，但是沒有專業的音樂背景，讓很多人不敢隨心所欲地創作，而現在隨著人工智慧的發展，安娜希望藉助於人工智慧，人們可以去嘗試一些新的東西。安娜在哈佛大學電腦科學讀博士的時候，選修了第二專業音樂作曲。她的父母很喜歡音樂，但是他們當年並沒有很好的機會去學習音樂，所以他們把希望寄託在安娜身上。但小時候的她對音樂並沒有太多的感覺，只記得鋼琴要考級，也只練習考試的曲目，一直沒有提起興趣，直到一次偶然的機會去朋友家做客，聽到朋友給她彈了一曲古箏後，她覺得這才是她想要的音樂。但普通人想要學習作曲比較困難，她希望藉助於人工智慧，能讓更多人體驗到音樂的樂趣。
其實，有很多公司也將人工智慧和音樂結合，不過更多的是利用每個使用者聽歌的習慣不同，來進行個性化推薦。安娜認為，聽音樂不一定是單向性的體驗，她更專注於創作方面。一首歌可能是有很多的可能性，她希望聽音樂的人和創作的邊界，不會分得那麼清楚。
安娜告訴新浪科技，目前“巴赫塗鴉”模型已全部開源，希望更多做音樂的人群可以使用，用他們自己習慣的方式來構建一個完整的生態圈。(趙河雨)