進軍音樂界，谷歌利用神經網路創造人類從未聽過的聲音

新智元編譯

Jesse Engel 在演奏一種介於古鋼琴和哈蒙德風琴之間的樂器，這是18世紀古典與20世紀節奏布魯斯交叉的風格。然後，他在 laptop 上慢慢拖動一個滑塊，突然間，音樂變成了其他的風格。之前，比如說，它是15%的古鋼琴，現在，接近了75%古鋼琴風格。然後，他以最快速度來回拖動滑塊，注意著這兩種非常不同的樂器之間的所有聲音。

Engel 的同事 Cinjon Resnick 從房間另一頭遠遠地說：「這可跟同時演奏兩種樂器不是一回事。」而且這句話是需要說明的。這個機器，以及它的軟體，並不是將古鋼琴的樂聲覆蓋在哈蒙德風琴的聲音之上。軟體通過使用兩種樂器音符的數字特徵，產生了全新的聲音。而且不只是古鋼琴和哈蒙德風琴，它們可以處理大約1000種不同的樂器——從小提琴到巴拉風——利用人工智慧，從已有的聲音中創造出無數新的聲音。

Engel 和 Resnick 都是 Google Magenta 團隊的成員，這是 Google 內部的一個小的 AI 研究團隊，專註於開發能夠自己創造藝術的計算機系統——然後這是他們的一個最新項目。這個項目被稱為 NSynth，該團隊將在本周晚些時候參加在北卡羅來納州達勒姆市舉行的 Moogfest，公開展示這一技術。

Google 上月發布的博客文章首次討論了 NSynth，想法是，NSynth 將為音樂人提供全新的音樂製作工具。但評論家 Marc Weidenbaum 指出，這種方法與樂隊指揮所做的並無太大不同——「將樂器混合并不是什麼新鮮事物」，但他也認為，Google 的技術可以推動這種悠久的方法進入新的領域，他說：「在藝術上，它可能會產生一些很酷的東西，而且因為是 Google 做的 ，人們總願意跟隨 Google 的潮流。」

聲音的邊界

Magenta 是 Google Brain 的一部分，Google Brain 是谷歌的主要 AI 實驗室，其中一部分研究人員在探索神經網路和其他形式的機器學習的界限。神經網路是複雜的數學系統，通過分析大量數據來學習任務，而且近年來，神經網路被證明是實現許多任務的一種非常有效的方式，包括識別圖像中的物體和人臉，識別給智能手機的語音命令，以及把一種語言翻譯為另一種語言，等等。現在，Magenta 的想法是使用神經網路作為教機器製作新的音樂和其他藝術形式的一種方式。

NSynth 從一個大型的聲音資料庫開始。Engel 和團隊從大約1000種不同的樂器收集了各種各樣的音符，然後將它們喂入神經網路。通過分析音符，神經網路學習每種樂器的音色。然後，神經網路為每個音符創建一個數學「矢量」。利用這些矢量，機器可以模擬每個樂器的聲音，例如哈蒙德風琴或古鋼琴，也可以將兩者的聲音組合。

Engel 最近在 Google 總部展示了 NSynth 「滑塊」，除此之外，該團隊還做了一個二維界面，可以一次探索四種不同樂器的聲音空間。團隊想把這個想法更推進一步，探索藝術創作的邊界。例如，第二個神經網路可以學習模擬和組合來自所有這些樂器的聲音的新方法，AI 可以與 AI 協力工作。

該團隊還為 AI 研究者和其他計算機科學家創造了一個新的遊戲場。他們發布了一篇描述 NSynth 演算法的研究論文，任何人都可以下載和使用他們的聲音資料庫。對 Magenta 團隊負責人 Douglas Eck 來說，前景在於研究人員可以為任何藝術家（而不僅是音樂家）創造更廣泛的工具。但範圍也不要太寬。沒有界限的藝術將不再是藝術，關鍵在於找到當前和無限之間的平衡。

原文：https://www.wired.com/2017/05/google-uses-ai-create-1000s-new-musical-instruments/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！