如果莫扎特現(xiàn)在還活著（而且感覺有點(diǎn)缺乏靈感），他可能會(huì)坐下來創(chuàng)作這樣的音樂：

一段莫扎特風(fēng)格的音樂，由MuseNet制作。

有些人認(rèn)為這種技術(shù)有激發(fā)新音樂的巨大潛力。多倫多大學(xué)的機(jī)器學(xué)習(xí)研究員SageevOere對(duì)人工智能音樂產(chǎn)生了興趣，他為這款工具能夠即興重復(fù)莫扎特的作品而感到驚嘆。這實(shí)際上是機(jī)器學(xué)習(xí)算法的功勞，它已采用了數(shù)千條MIDI音樂文件作為訓(xùn)練數(shù)據(jù)。

這個(gè)算法名為MuseNet，由位于舊金山的OpenAI的研究人員開發(fā)，該公司專注于研究人工智能及其潛在影響。

研究人員訓(xùn)練了一個(gè)非常大的神經(jīng)網(wǎng)絡(luò)，名為“transformer”變壓器。它會(huì)預(yù)測(cè)一段音樂中的下幾個(gè)音符。然后，你可以添加一些注釋，并讓它變成新的東西。它可以混合不同的流派和風(fēng)格，甚至可以添加和刪除特定的樂器。

這項(xiàng)工作展示了這種模型如何有效地捕獲和再現(xiàn)統(tǒng)計(jì)模式，該模式可反映一段音樂的特征。

這些研究人員以前也使用類似的技術(shù)自動(dòng)生成文本。產(chǎn)生的結(jié)果仿真效果極好，這讓研究人員擔(dān)心這種工具可能被用來批量生產(chǎn)假新聞。

從音樂歷史的角度來看MuseNet項(xiàng)目是有趣的，因?yàn)樗宫F(xiàn)了不同流派和幾個(gè)世紀(jì)的不同藝術(shù)家之間的一些有趣的聯(lián)系（從統(tǒng)計(jì)學(xué)的意義上講）。誰曾想過理查德·瓦格納和布蘭妮·斯皮爾斯有如此多相近的音樂品味？

這個(gè)工具也很好玩。如果你曾經(jīng)想知道甲殼蟲樂隊(duì)與LadyGaga混在一起會(huì)是什么樣的，那么這個(gè)算法也可以提供各種答案。

的確，像MuseNet這樣的工具可能激發(fā)出制作音樂的新方法。但它與人類的音樂創(chuàng)造力相比如何呢？我咨詢過CMU的助理教授ZachLipton和一位很有成就的爵士音樂家，問他們對(duì)MuseNet的爵士樂即興創(chuàng)作有何看法。

（LSTM是一種神經(jīng)網(wǎng)絡(luò)，最初由JürgenSchmidhuber開發(fā)，可以非常有效地捕捉到一段音樂的特征。）

Lipton對(duì)此的看法和懷疑不只是一種對(duì)人類音樂家的袒護(hù)。事實(shí)就是與其他可以生成音樂，藝術(shù)或文本的人工智能系統(tǒng)一樣，MuseNet不像人類音樂家那樣可以發(fā)明和創(chuàng)造。它只是在學(xué)習(xí)現(xiàn)存作品中的模式，然后回歸一些統(tǒng)計(jì)變異。

正如我們前文所述，目前還不清楚人工智能在藝術(shù)方面的創(chuàng)新會(huì)達(dá)到什么程度。與MuseNet的創(chuàng)作方式不同，人類音樂源于文化，歷史和語言。它有強(qiáng)大的影響力給人帶來各種強(qiáng)烈的感受。在這方面，算法還有很長(zhǎng)的路要走。