Искусственный интеллект лежит в основе изменения роли музыки в нашей жизни, а для электронной музыки этот переход будет максимально заметен. Но приведет-ли это к изменению восприятия для ее создателей и поклонников, или интеллектуальная автоматизация станет началом новой культурной войны похожих друг на друга музыкальных произведений? Посмотрим, как ИИ стал одним из самых захватывающих достижений в музыке с момента появления семплирования в 1940-х годах.
Большинство людей представляет себе развитие ИИ как будущее, в котором роботы и машины, способные принимать решения самостоятельно понимают, что им нужно как можно быстрее уничтожить все человечество.
На данный момент применения ИИ менее апокалиптично, например, помощь дронам в обнаружении «собачьих мин» на тропинках в парках, омоложение актеров при съемках фильмов и пр. В сети можно найти сотни примеров использования ИИ во благо нас.
В этом материале мы поразмышляем о потенциальном влиянии ИИ на моделирование образа артистов, работу продюсеров и звукоинженеров в студии, как он повлияет на диджеинг и то, как мы с вами будем воспринимать эту музыку.
Хотя многие из концепций, о которых мы поговорим, уже находятся в стадии разработки, их влияние на культуру в значительной степени еще предстоит ощутить, заставляя нас задуматься. Неизбежность обычно предполагает определенность, но природа технологий означает, что точно предсказать последствия практически невозможно. Что мы действительно знаем, так это то, что джинн вышел из бутылки.
В музыке ИИ а, в частности, машинное обучение постепенно превращается в нечто неизведанное, стоящее за почти всем нашим взаимодействием с музыкой в Интернете. Фактически, большинство из нас неосознанно использовали технологии на базе искусственного интеллекта и машинного обучения в течение многих лет. Платформы для прослушивания музыки, такие как YouTube, Spotify, Apple Music, используют искусственный интеллект, чтобы улучшить наш опыт взаимодействия с соответствующими сервисами, например, рекомендуя нам идеальный трек для следующего воспроизведения, устраняя пустоты между ними и регулируя громкость в режиме реального времени.
Машинное обучение (Machine learning) — это часть ИИ, которая, по сути, учит машину учиться. Оно использует «обучающие данные» для выявления закономерностей и использует эти шаблоны для построения модели на основе этих данных.
Глубокое обучение (Deep learning) — это подмножество машинного обучения, в котором для построения этих моделей используются большие искусственные нейросети, и именно оно лежит в основе большинства прорывов, которые мы видим в современном искусственном интеллекте.
Ежедневная подборка YouTube является наиболее очевидным примером этого обучения. Голосовой помощник от Apple, Siri - другой; ее синтезированная речь изучается из реальных записей , и со временем она лучше распознает ваш голос. (В этой статье мы будем использовать машинное обучение как универсальный термин как для машинного обучения, так и для глубокого обучения.)
Но МО может попытаться освоить не только рекомендации, оно используется для создания музыки с 1980-х годов , когда композитор Дэвид Коуп обучил компьютер по каталогу произведений Иоганна Баха в попытке преодолеть творческий кризис. Так же с созданием композиций экспериментировала Холли Херндон, ее музыка часто включающая человеческие певческие голоса (в том числе и ее собственный), в основном создана на компьютере и регулярно использует язык визуального программирования Max/MSP для создания собственных инструментов и вокальных процессов. Ее последний полноформатный альбом Proto был выпущен 10 мая 2019 года.
Плагины и программное обеспечение для создания музыки также начали использовать МО, например такой как Neutron от iZotope. В последнее время ПО от Splice, Loopmasters и других производителей используют МО, чтобы рекомендовать новые сэмплы для улучшения вашего трека и позволяют сканировать свои библиотеки с миллионами звуков на основе более абстрактных характеристик, таких как гармонический профиль и тон. В таких приложениях, как Endel и AIMI, использовались продукты таких сотрудников, как Richie Hawtin, Grimes, Black Loops и Shanti Celeste, для создания персонализированной генеративной музыки, которая никогда не повторяется и никогда не заканчивается.
Машинное обучение применяется и в диджеинге. VirtualDJ и Algoriddim представили разделение стемов в реальном времени на базе искусственного интеллекта. AutoMix также используют МО, чтобы понять, как песня сочетается с другой, предлагая идеального виртуального диджея для вашей вечеринки. Подобно Spotify, Splice и Loopmasters, расширенные рекомендации и поиск становятся все более обычным явлением во всем программном обеспечении для диджеев, в то время как rekordbox от PioneerDJ недавно представил вокальный детектор с искусственным интеллектом. Sensorium Galaxy, новая платформа виртуальной реальности, наняла таких известных музыкантов как: Carl Cox, Eric Prydz и Charlotte de Witte для выступления в своем виртуальном пространстве при поддержке виртуальных диджеев, обученных сотням часов электронной музыки.
Дорогие читатели, если статья вам понравилась, дайте знать.
Продолжение следует...
