谷歌的歌曲創(chuàng)作人工智能(AI)可能不會(huì)很快達(dá)到莫扎特或李斯特的水平，但它最近取得了令人印象深刻的進(jìn)步。在一篇博客文章中,accompanyingpaper本周(“音樂(lè)變壓器”),項(xiàng)目貢獻(xiàn)者品紅,谷歌大腦項(xiàng)目“探索機(jī)器學(xué)習(xí)作為一種工具的作用在創(chuàng)意過(guò)程中,“展示了自己的作品在音樂(lè)變壓器,一個(gè)機(jī)器學(xué)習(xí)模型,能夠產(chǎn)生相對(duì)一致的曲調(diào)arecognizable重復(fù)。

該論文的作者寫道:“變壓器是一種基于自我關(guān)注的序列模型，它在許多需要保持長(zhǎng)期一致性的發(fā)電任務(wù)中取得了令人矚目的成果。”“這表明，自我關(guān)注可能也很適合音樂(lè)造型。”

正如該團(tuán)隊(duì)所解釋的，由于其結(jié)構(gòu)的復(fù)雜性，制作長(zhǎng)篇音樂(lè)對(duì)人工智能來(lái)說(shuō)仍然是一個(gè)挑戰(zhàn);大多數(shù)歌曲包含多個(gè)主題、短語(yǔ)和重復(fù)，神經(jīng)網(wǎng)絡(luò)很難識(shí)別。盡管之前的研究成功地將一些可以在人類作品中觀察到的自我參考信息引導(dǎo)出來(lái)，但它依賴于絕對(duì)的時(shí)間信號(hào)，這使得它不太適合追蹤基于相對(duì)距離和重復(fù)間隔的主題。

該團(tuán)隊(duì)的解決方案是“音樂(lè)轉(zhuǎn)換器”，這是一種“基于注意力”的神經(jīng)網(wǎng)絡(luò)，它可以直接創(chuàng)造“表達(dá)性”的表演，而不需要先生成樂(lè)譜。通過(guò)使用基于事件的表示和一種稱為相對(duì)注意的技術(shù)，音樂(lè)轉(zhuǎn)換器不僅能夠更多地關(guān)注關(guān)系特性，而且能夠泛化所提供的訓(xùn)練樣本的長(zhǎng)度之外的內(nèi)容。因?yàn)樗挠洃洀?qiáng)度較低，它也能產(chǎn)生較長(zhǎng)的音樂(lè)序列。

在測(cè)試中，當(dāng)使用肖邦的黑鍵練習(xí)曲時(shí)，“音樂(lè)變形者”創(chuàng)作了一首自始至終風(fēng)格一致的歌曲，其中包含了來(lái)自主題的多個(gè)短語(yǔ)。相比之下，之前的兩種算法——Performance RNN和transformer——提供了相同的引物，要么完全缺乏可識(shí)別的結(jié)構(gòu)，要么無(wú)法維護(hù)結(jié)構(gòu)。

該團(tuán)隊(duì)承認(rèn)，音樂(lè)轉(zhuǎn)換器遠(yuǎn)非完美——它有時(shí)會(huì)產(chǎn)生重復(fù)太多、節(jié)奏感太弱、跳音奇怪的歌曲——但他們希望它能成為需要靈感的音樂(lè)家的繆斯女神。

“這為用戶提供了一種可能性，他們可以指定自己的初級(jí)版本，并將該模型作為一種創(chuàng)造性的工具來(lái)探索一系列可能的延續(xù)，”團(tuán)隊(duì)寫道。

他們說(shuō)，用于培訓(xùn)和生成音樂(lè)轉(zhuǎn)換器的代碼即將發(fā)布，同時(shí)還會(huì)有預(yù)先培訓(xùn)過(guò)的檢查點(diǎn)。