深度學習模仿巴赫清唱曲，可以假亂真

你能區分巴赫的音樂和由神經網路完成的音樂嗎？

約翰·塞巴斯蒂安·巴赫 （Johann Sebastian Bach）被公認為是世界上最偉大的巴洛克音樂作曲家之一。18世紀巴赫在德國居住和工作，因其驚艷的音樂作品和對和諧與對立的藝術的高超掌握而獲得廣泛讚譽。

巴赫非常擅長的一種音樂形式是一種叫作清唱曲的復調頌歌，這種復調頌歌以路德教經文為基礎，並且通過四重唱來表現。作曲家通常從一個眾所周知的曲調開始，該曲調由女高音演唱，然後與高音、中音和低音三種和聲組合。巴赫寫了超過300首這種清唱曲作品。

由於巴赫這些作品的產生過程和演算法很相似，因此引起了計算機科學家的注意。但是由於和聲和旋律之間存在著微妙的相互作用，因此想要做好這一點也絕非易事。這就提出了一個有趣的問題：機器可以創作出和巴赫同樣風格的清唱曲嗎？

得益於Gaetan Hadjeres和Francois Pachet在巴黎索尼計算機科學實驗室的研究工作，我們獲得了令人振奮的答案。他們開發了一種可以用巴赫的音樂風格來創作清唱曲的神經網路，並且將這部機器稱為DeepBach。

「經過巴赫的清唱曲的訓練，我們的模型可以創作出高度令人信服的巴赫風格的清唱曲。」Hadjeres和Pachet說。事實上，這些作品有一半會讓人類專家誤認為是巴赫的作品。

這種機器學習技術非常簡單。Hadjeres和Pachet首先建立資料庫來訓練他們的神經網路。一開始，他們使用了352首巴赫創作的清唱曲，然後將它們轉置到預先定義的聲音範圍內的其他調上，從而獲得了一個包含2503首清唱曲的資料庫。他們使用資料庫中80%的清唱曲訓練他們的神經網路來辨認哪些是巴赫的和聲作品，並且用資料庫中剩下的曲目進行驗證。

然後這台機器會自己創作巴赫風格的和聲作品。為了測試這台設備，該團隊首先提供了一段旋律，然後這台設備會根據這段旋律來生成其他三種聲音（高音、中音和低音）的和聲。

儘管其他的演算法也能完成這樣的工作，但一個重要的問題是這些演算法所獲得的作品與巴赫的作品的匹配度到底有多好。為了弄清楚這一點，該團隊邀請了超過1600名聽眾（其中有超過400名專業的音樂家或音樂學生）來聆聽同一種旋律的兩種不同和聲。每一位聽眾需要指出這兩種和聲中哪一種更像是巴赫的作品。在該測試中，該團隊也提供了其他演算法創作的和聲作品。

測試的結果非常有趣。當進行測試的和聲是由DeepBach創作的作品時，大約一半的聽眾都將其視為是巴赫創作的作品。這一比例遠高於由其他演算法創作的作品。「考慮到巴赫作品的複雜性，我們認為這已經是一個非常好的結果。」 Hadjeres和Pachet說。

甚至當對DeepBach創作的作品和巴赫的音樂作品進行比較時，聽眾的正確率也只有75%左右。

這項有趣的工作具有非常重要的意義。如果深度學習機器能夠創作出巴赫風格的清唱曲，那麼為什麼不能創作出其他作曲家風格的作品，甚至其他風格的音樂呢？

這也許可以提供一種分析音樂作品和研究創造力本質的有趣方法。「這種方法不僅適用於巴赫的清唱曲，也廣泛適用於復調讚美詩音樂，例如Palestrina和Take 6等。」Hadjeres和Pachet說。

當然，在很多情況下都是知易行難。巴赫的聖詩清唱曲的結構非常清晰，並且其中很多作品的結構都遵循具體的規則，而其他形式的音樂通常都不具備這樣的特點。

然而，來自索尼實驗室以及其他地方的深度學習機器已經開始創作一些備受好評的音樂。如果這些機器很快向諸如交響樂、歌劇等領域進軍，那也是意料之中的事情。相信巴赫也一定會對此感到萬分驚異！