اقدامات هوش مصنوعی در صنعت موسیقی

در فستیوال Sonar پاییز گذشته، مت دریهرست، هنرمند و پژوهشگر، پشت میکروفون آمد و شروع به آواز خواندن کرد؛ اما به جای صدای خودش، صدای همسرش، هالی هرندون، نوازنده و متخصص فناوری، به گوش رسید. حتی وقتی دریهرست شروع به خندیدن کرد، صدای خنده همسرش پخش شد. هیچ‌کدام این‌ها حقه‌ دیجیتالی نبودند؛ بلکه به نظر می‌رسید صدا واقعاً از حنجره یک انسان بیرون می‌آید.

این اجرا بخشی از برنامه‌ رونمایی از Holly+ بود: جدیدترین محصول پژوهش‌های هرندون در حوزه‌ هوش مصنوعی که صدا را می‌گیرد و بعد از گذر از شبکه‌ عصبی، به صدای دیگری تبدیل می‌کند و این یکی از هنرهای هوش مصنوعی در صنعت موسیقی بود. نمایش صحنه‌ای که صدای هرندون از دهان دریهرست خارج می‌شد، مرموز و شگفت‌انگیز بود و خبر از آینده‌ای هزارچهره می‌داد. از اوایل 2010، شاهد آثار جعلی صوتی- تصویری، تحت عنوان دیپ‌فیک هستیم که اکنون دیگر به فرهنگ عامه هم راه پیدا کرده‌اند. برای مثال، در ماه گذشته، کندریک لامار، رپر آمریکایی، ویدئویی منتشر کرد که در آن، چهره‌اش به او.جی. سیمپسون، ویل اسمیت و کانیه وست تبدیل شد.

با وجود این، آنچه Holly+ را متمایز می‌کند، کارکرد لحظه‌ای آن است. Holly+، حاصل همکاری متخصصان هوش مصنوعی و شرکت موسیقی Never Before Heard Sounds، مدلی صوتی است که روی صدای هرندون آموزش دیده است. مدل‌های صوتی گونه‌ای از شبکه‌های عصبی عمیق هستند. هرندون برای آموزش این مدل، ساعت‌ها صدای خود را در حال صحبت و آواز ضبط کرد. سیستم با استفاده از این داده‌ها آموخت، تا طنین صدای او را بازآفرینی کند و هوش مصنوعی در صنعت موسیقی را نمایش دهد. بدین ترتیب، می‌تواند نوشته یا قطعه‌ای صوتی را دریافت کند و آن را با صدای هرندون ارائه دهد.

Holly+ صدایی کم‌طنین و چروکیده است و شاید نتواند به روشنی هوش مصنوعی در صنعت موسیقی را نشان دهد. البته این نسخه‌ای است که در سایت قرار داده شده است. وقتی سیگنال خروجی به هم می‌ریزد، پدیده صدای الکترونیک یا EVP رخ می‌دهد: صدای غیرقابل‌فهمی، پر از تداخلات صوتی که انگار از دنیای ارواح آمده است؛ اما باید به یاد داشته باشیم طرح‌های آزمایشی یادگیری ماشینی همچون Holly+، تنها در صورتی وهم‌آور هستند که ما چنین فکری در موردشان داشته باشیم. هرندون توضیح می‌دهد: «وقتی صحبت از هوش مصنوعی می‌شود، بسیاری از مردم بیگانه‌ای هوشمند و دیوانه را تصور می‌کنند؛ در حالی‌ که یادگیری ماشینی شکل تجمع‌یافته هوش انسان است.»

پیشرفت هوش مصنوعی در صنعت موسیقی

وقایع دنیای اطراف، اعتماد ما به فناوری را از آنچه هست هم بدتر می‌کنند. دهه‌هاست که از هوش مصنوعی و چشم‌انداز گسترده‌ آن آگاهیم، اما پیشرفت هوش مصنوعی در صنعت موسیقی آن از سطح تصورات فراتر برده است. صنعت موسیقی حساسیت حوزه‌ روابط بین‌المللی را ندارد، جایی که ساخت یک دیپ‌فیک از شخصیت‌های سیاسی می‌تواند به انتشار اطلاعات کذب دامن بزند. شبکه‌ای عصبی همچون OpenAI Jukebox، با تقلید از الویس پرسلی و کیتی پری، صرفاً یک سرگرمی به شمار می‌شود؛ اما همان‌طور که اینترنت توانست ارتباط بین مردم و موسیقی را متحول کند، پیشرفت هوش مصنوعی در صنعت موسیقی نیز بر شیوه‌ تولید و مصرف موسیقی تأثیر خواهد گذاشت.

با اینکه یادگیری ماشینی فناوری زیربنایی بسیاری از ابزارهای دیجیتالی پرکاربرد (مثل نرم‌افزارهای عکس‌برداری، دستیارهای صوتی و …) به شمار می‌رود، هنوز در کانون توجهات قرار نگرفته و اثرگذاری عمیقی نداشته است. عرصه موسیقی و هنر شاید همان جایی باشد که این فناوری بالاخره می‌تواند صحنه را در دست بگیرد.

هرندون، در آلبوم سال 2019 خود که با همکاری جولز لاپلاس، پژوهشگر هوش مصنوعی منتشر کرد، شبکه‌ای عصبی به نام Spawn را روی صدای انسان‌ها آموزش داد. سپس از این مدل خواست تا همراه گروهی خواننده، آواز بخواند. جریان پیشرفت Spawn به‌خوبی در طول آلبوم مشهود است.

سرعت چشمگیر پیشرفت هوش مصنوعی در صنعت موسیقی بدین معنی است که آینده هرندون و Holly+ را نمی‌توان به‌آسانی تصور کرد. هرندون می‌گوید: «کارهایی که در این عرصه انجام می‌شوند، روز به روز باکیفیت‌تر و واقع‌نگرانه‌تر می‌شوند. برای مثال، زمانی اینکه بتوانیم با صدای فرد دیگری آواز بخوانیم، رویایی دور از دسترس به نظر می‌رسد؛ در حالی‌ که این فناوری در حال تحقق است. البته، باید به این مسئله فکر کنیم که آیا جامعه موسیقی در حال حاضر، آمادگی این پیشرفت‌ها را دارد؟ آیا زیرساخت‌های لازم را در اختیار دارد؟» با معرفی Holly+، مسائل جدیدی، از قبیل حق مالکیت، کپی‌رایت، اخلاقیات و حتی سواد رسانه‌ای، در کانون توجه قرار می‌گیرند. چطور می‌توان فهمید صاحب صدا چه کسی است؟ چه اتفاقی می‌افتد اگر حتی نتوانیم به گوش‌های خودمان اعتماد کنیم؟

فاز دوم پروژه هوش مصنوعی در صنعت موسیقی

فاز دوم پروژه هوش مصنوعی در صنعت موسیقی، توسعه‌ رابطی است که به افراد اجازه دهد متنی را به سیستم بدهند و فایل صوتی آن را با صدای هرندون دریافت کنند. از نظر هرندون، اینکه افراد می‌توانند هر طور می‌خواهند این صدا را به کار ببرند، ترسناک و در عین حال، اجتناب‌ناپذیر است، چون دنیا به همین سمت پیش می‌رود. هوش مصنوعی تحولات مفهومی، قانونی و اقتصادی فراوانی وارد عرصه هنر و موسیقی می‌کند و ما موظفیم برای این تغییرات، آمادگی لازم را به دست آوریم.

هرندون و دریهرست، از مدافعان سرسخت فناوری‌ بلاک‌چین Web3، در تلاش‌اند راهی پیدا کنند، تا برای محصولات Holly+ که با صدای هردون تولید می‌شوند، حق ‌امتیاز ایجاد کنند. در اوایل ماه مه، هرندون مجموعه‌ای NFT مبتنی بر 70 قطعه موسیقی را که با صدای او ساخته شده بود به مزایده گذاشت. وی امیدوار است با ارائه داوطلبانه صدای خودش به آزمایشات هوش مصنوعی، مسیر را برای پژوهش‌های آینده هموار کند. هرندون پس از انجام فاز دوم پروژه هوش مصنوعی در صنعت موسیقی، می‌گوید: «به نظر من، مردم باید این حق را داشته باشند که تصمیم بگیرند کلون دیجیتال‌شان کجا استفاده می‌شود. به عبارتی، هر کسی باید اختیار صدای خودش را داشته باشد!»

حرکت دیگر هوش مصنوعی در صنعت موسیقی

طی سال‌ها، پروژه‌های هوش مصنوعی صرفاً به دنبال تقلید بودند. با وجود این، حرکت دیگر هوش مصنوعی در صنعت موسیقی این بود که در سال 1980، دیوید کوپ، موسیقی‌دان بریتانیایی، به کامپیوترها آموزش داد، تا موسیقی بنویسند. شبکه‌ عصبی Emmy (الهام‌گرفته از EMI یا آزمایشات هوش موسیقیایی)، بعد از آموزش برای بازآفرینی کانترپوینت‌های باخ، موفق شد 5000 قطعه جدید بنویسد که برخی از آن‌ها در آلبوم سال 1994 کوپ، به نام «طرحی از باخ»، نیز منتشر شدند. تقلید طوطی‌وار Emmy در سطح قانع‌کننده ظاهر شد.

در آزمایش 1997 تورینگ، آثار مصنوعی Emmy در مقابل قطعه‌ای الهام‌گرفته از باخ (که یک استاد و موسیقی‌دان آلمانی نوشته بود) مقایسه شدند؛ مخاطبان آثار Emmy را واقعی تشخیص دادند. پس از این آزمایشات، آلبوم‌های دیگری هم با تکیه بر خروجی‌های Emmy منتشر شدند، اما در نهایت، کوپ که از حجم بالای خروجی خسته شده بود، ماشین را متوقف کرد. نامحدود بودن آثار باعث می‌شدند هر یک از قطعات، ارزش مستقل خود را از دست بدهند و در این مرحله بود که هوش مصنوعی در صنعت موسیقی دلنشین نشد.

تحول دیگر هوش مصنوعی در صنعت موسیقی

حرکت بعدی کوپ، به‌عنوان تحول دیگر هوش مصنوعی در صنعت موسیقی، استفاده از هوش مصنوعی به عنوان ابزاری برای خلاقیت بود. وی شبکه‌ای عصبی به نام Emily طراحی کرد و با تزریق دستور ابتدایی به آن، نتایج را به صورت گزینشی انتخاب می‌کرد، تا بر اساس آن‌ها، قطعه‌ای جدید بسازد. به بیان دیگر، کوپ از هوش مصنوعی به عنوان یک همکار فراانسانی استفاده کرد. موسیقی‌دانان دیگر همچون YAKHT و حتی دیوید بویی، برای تولید ایده‌های جدید از هوش مصنوعی استفاده کردند.

تارین ساترن، بازیگر، موسیقی‌دان و فیلمساز معروف، در آلبوم سال 2018 خود، پیشنهاداتی به یک شبکه‌ عصبی داد و سپس خروجی را به‌عنوان پایه آهنگ‌هایش استفاده کرد. علی‌رغم استفاده از چنین رویکرد نوآورانه‌ای، در قالب تحول دیگر هوش مصنوعی در صنعت موسیقی، آلبوم نهایی به طرز دلسردکننده‌ای معمولی بود؛ این امر نشان می‌دهد هوش مصنوعی تنها به اندازه‌ خلاقیت و قوه تخیل صاحبش می‌تواند بلندپروازی و ماجراجویی کند.

آلبوم سال 2021 گروه موسیقی Mouse on Mars، تحت عنوان AAI (هوش مصنوعی آشفته)، از مدلی استفاده کرده است که روی گفتار انسان‌ها آموزش دیده است و این موضوع تحول دیگر هوش مصنوعی در صنعت موسیقی به حساب می‌آید. در این راستا، Mouse on Mars از لویس چود- سوکی، استاد و متخصص ابعاد اخلاقی هوش مصنوعی، کمک گرفتند. دغدغه‌ اصلی کارهای چود- سوکی، اصول کاربرد عادلانه هوش مصنوعی است؛ اما وی به عدالت برای خود هوش مصنوعی هم علاقه‌ دارد.

چود- سوکی، به عنوان پژوهشگر مطالعات (فرهنگ) آمریکایی- آفریقایی، به ابعاد قدرت و مطیع‌سازی علاقه‌مند است. وی نوشته است: «تاریخ به ما نشان می‌دهد انسان‌ها چطور می‌توانند به سمت رفتارهای غیرانسانی پیش بروند، به سطح حیوانات تنزل کنند یا نگاه ابزاری به یکدیگر داشته باشند. از آنجایی که فناوری از دیرباز با زندگی انسان‌ها درهم‌آمیخته است، اکنون باید دریابیم چطور می‌توان از فناوری برای جلوگیری از این رفتارهای غیرانسانی استفاده کرد. از سوی دیگر، می‌خواهیم بدانیم چطور می‌توان زندگی را برای اشیاء تعریف کرد و نشان داد انسان بودن چه طعمی دارد.»

آموزش دیگر هوش مصنوعی در صنعت موسیقی

جن سنت‌ورنر، موزیسین گروه Mouse on Mars، به مسائل خوبی اشاره می‌کند: آیا ابزارها می‌توانند هویت داشته باشند؟ چطور می‌توانیم چیزی را به تصاحب خود درآوریم که خودش زندگی دارد؟ ایده‌ زیربنایی آلبوم AAI، موجودیتی ماشینی بوده است که بدون هرگونه ملاحظه‌ای، تصمیم‌گیری می‌کند. با تکیه بر این ایده، آموزش دیگر هوش مصنوعی در صنعت موسیقی انجام شد. گروه موسیقی صدا را به عنوان جوهر وجودی این ماشین در نظر گرفتند و سعی نمودند هوش مصنوعی در صنعت موسیقی را به نمایش بگذارند. سپس، برای آموزش این شبکه‌ عصبی، از چود- سوکی دعوت کردند، تا گزیده‌ای از نوشته‌هایش را به ماشین بدهد و سپس سیستم را روی صدای او آموزش دادند.

این ورودی‌ها را در قالب پارامترهای مختلف نوشتند، تا نویزدارتر و انتزاعی‌تر به نظر برسد و قابلیت پخش به عنوان موسیقی را داشته باشد. سنت‌ورنر نتایج را ساده و بدوی می‌داند، به مانند ساخت ترکیب‌کننده‌ای‌ در دهه 1910! گفتار منقطع و متلاطم AAI به عنوان پایه قطعات آلبوم به کار رفت، قطعاتی که در نهایت، از آثار قبلی این گروه هم پیچیده‌تر شدند. سنت‌ورنر توضیح می‌دهد: «ضربات این آثار واقعاً پیچیده هستند و اجرای زنده‌‌شان دشوار است، حتی نمی‌توان آن‌ها را شمرد.» با این حال، تنها هدف Mouse on Mars این بود که برای ساخت محصولی دشوار، حتی اگر بدترکیب، از هوش مصنوعی استفاده کنند و این کار را به‌عنوان آموزش دیگر هوش مصنوعی در صنعت موسیقی قلمداد نمایند.

سنت‌ورنر معتقد است که کاربرد هوش مصنوعی برای «کامل شدن» بر اساس استانداردها (چه در ویرایش عکس‌های سلفی و چه در تدوین یک آهنگ پاپ) ریسک بالایی دارد. این گروه بیش از هرچیز علاقه داشتند، تا امکان بروز خطا در هوش مصنوعی را بررسی کنند و از این اشتباهات غیرمنتظره الهام بگیرند، تا ریتم‌ و صدایی جدید تولید کنند. سنت‌ورنر می‌گوید: «به نظر من، درک احتمال وقوع چیزهای عجیب و غیرعادی، کار سودمندی است. هوش مصنوعی، درست مانند سایر ابزارها، به ما و دنیای اطراف‌مان اجازه می‌دهد با هم تعامل برقرار کرده و یکدیگر را تغییر دهیم. پس در اصل، هوش مصنوعی ما را متواضع‌تر می‌کند.»

راه‌حل جدید هوش مصنوعی در صنعت موسیقی

ماجرای راه‌حل جدید هوش مصنوعی در صنعت موسیقی از این قرار است: با اینکه هرندون، Mouse on Mars و همکاران‌شان در حوزه موسیقی الکترونیک، به دنبال ابعاد مفهومی هوش مصنوعی بوده‌اند، تعداد کثیری از شرکت‌ها در تلاش‌اند برای تولید و پخش موسیقی، نرم‌افزارهای مجهز به هوش مصنوعی را طراحی کنند. ابزارهایی از این دست هم نحوه تولید و مصرف موسیقی و هم درآمد موزیسین‌ها را تحت تأثیر قرار می‌دهند.

درو سیلورشتاین، فارغ‌التحصیل رشته موسیقی از دانشگاه وندربیلت، برای فیلم‌ها، سریال‌ها و بازی‌های ویدئویی موسیقی متن می‌نویسد. روایت او احتمالاً به گوش همه هنرمندان آشنا به نظر می‌رسد: بارها پیش آمده است که مشتریانش می‌گویند: «کارت حرف نداره! اما الان بودجه کافی نداریم. میشه فقط همین یک بار رایگان برامون کار کنی؟»

این شیوه کار کردن نه توجیه اقتصادی دارد و نه شدنی است؛ اما راه‌حل جدید هوش مصنوعی در صنعت موسیقی به ذهن سیلورشتاین و همکارانش رسید: خلق یک سیستم هوش مصنوعی که این قبیل کارهای رایگان را انجام دهد. متخصصانی همچون هانس زیمر شاید خروجی سیستم را به‌آسانی از آثار واقعی تشخیص دهند؛ اما از نظر عموم مردم (برای مثال، تولیدکنندگان ویدئو یا سازندگان تبلیغات محلی)، خروجی کیفیت کافی را دارد. تا قبل از سال 2016، سیلورشتاین موفق به توسعه Amper شد، سیستمی که به افراد، حتی غیرموزیسین‌ها، اجازه می‌دهد تنها با یک کلیک، قطعه‌ای را که می‌خواهند، تولید کنند.

از طریق می‌توانید Amper را امتحان کنید. وقتی وارد پلتفرم می‌شوید، می‌توانید از میان 9 ژانر مختلف یکی را انتخاب کنید؛ هر یک از این ژانرها به چندین زیرمجموعه (مثل هیپ‌هاپ الکترونیک) تقسیم می‌شوند. سپس حالت احساسی، مثل جسور یا اسرارآمیز را نیز انتخاب می‌کنید. در دست داشتن قطعه‌ای از ویدئوی مربوطه به کیفیت خروجی کمک می‌کند و شاید بهتر هوش مصنوعی در صنعت موسیقی را نشان دهد. در آخر، کافیست روی دکمه Compose کلیک کنید و موسیقی موردنظر را حاضر و آماده دریافت کنید.

فناوری Amper

شکی نیست فناوری Amper پتانسیل بالایی برای پیشرفت دارد. نسخه‌ ابتدایی این محصول برای غیرموزیسین‌ها طراحی شده است و قابل مقایسه با پلتفرم‌هایی همچون Logic یا Ableton نیست. موزیسین‌های علاقه‌مند به پروژه‌های عمقی‌تر می‌توانند از API مخصوص شرکت استفاده کنند. برای مثال، تارین ساترن از فناوری Amper در آلبومش استفاده کرده است. با این حال، در همین نسخه‌ نیز امکان حذف صدای یک ساز خاص و یا جایگزین کردنش با صدای ساز دیگری وجود دارد. به علاوه، می‌توان پژواک هر یک از اصوات را تغییر داد و یا لایه‌هایی از صدای طبیعت را به آن اضافه کرد و بدین طریق، هوش مصنوعی در صنعت موسیقی مطرح گردد. با کلیک روی دکمه Remix، نت‌ها و ریتم‌ها به صورت تصادفی تغییر می‌کنند و الگوهای جدیدی تولید می‌شوند، تا زمانی را که کاربرد آنچه می‌خواهد، پیدا کند.

سیلورشتاین می‌گوید: «مفروضه‌ اساسی ما این بود که در فضای خلاقیت، هیچ پاسخ درستی وجود ندارد. پس فناوری Amper را نمی‌توان با هوش مصنوعی به‌کاررفته در سیستم‌های پزشکی یا خودروهای تسلا مقایسه کرد. بدیهی است، سیستمی که بر پایه سؤالات بله- خیر توسعه یافته است (آیا این اسکن شکستگی استخوان را نشان می‌دهد؟ آیا این خودرو به عابر برخورد می‌کند؟)، به هیچ‌وجه نمی‌تواند به این درک برسد که یک قطعه موسیقی متال برای فیلم عروسی کاربردی ندارد. به همین دلیل، فناوری Amper را به‌عنوان یکی از کارکردهای هوش مصنوعی در صنعت موسیقی  طراحی کردیم به‌نحوی که کاملاً تعاملی باشد؛ یعنی از کاربران بازخورد بگیرد، تا خروجی مدنظر را تحویل دهد.»

فناوری Amper بر اساس مجموعه‌ای از عملیات‌های تصادفی کار می‌کند؛ به‌نحوی که با هر بار کلیک روی آرایه‌ از پیش تنظیم‌شده‌، سیستم تصمیماتی تصادفی گرفته و خروجی متفاوتی تولید می‌کند. این سیستم، با تکیه بر کتابخانه‌ای گسترده از نمونه‌های صوتی، یک قطعه موسیقی را نت به نت می‌نویسد.

سیلورشتاین و همکارانش معتقدند «بزرگ‌ترین کتابخانه دنیا از نمونه‌های صوتی» را ساخته‌اند؛ بدین منظور، صدای هزاران ساز منحصربه‌فرد (آوایی و الکترونیک) را ثبت کردند و با شگفتی تمام، هوش مصنوعی در صنعت موسیقی نشان داده شد. سپس دیتاستی از همه اطلاعاتی را که هوش مصنوعی برای درک مفاهیم پایه موسیقی معاصر لازم دارد تولید کردند. برای مثال، بعد از آموزش معنای مفاهیمی همچون گیتار، غم، راک دهه 80، هوش مصنوعی می‌توانست قطعه‌ای از صدای گیتار یک آهنگ راک دهه 80 بسازد که مخاطب را غمگین می‌کند.

تولید دیتاستی مخصوص، به جای استفاده از دیتاست‌های موجود، فناوری Amper را از مشکلات مربوط به حقوق کپی‌رایت دور نگه داشت. البته حتی در صورت بروز تخلف، قانون کپی‌رایت آمریکا علاوه بر قصد، دسترسی را هم بررسی می‌کند: «آیا کپی از اثر اصلی در نتیجه‌ مواجهه‌ قبلی با آن اثر اتفاق افتاده است؟» در این صورت، فناوری Amper مبری خواهد شد، چون هیچ قطعه‌ آماده‌ای را نشنیده است.

تحول دوباره هوش مصنوعی در صنعت موسیقی

آن نوع هوش مصنوعی که قادر به نوشتن موسیقی است، اثرات تجاری مثبت و گسترده‌ای را در پیش رو دارد. در سال 2020، شرکت Shutterstock سیستم فناوری Amper را خریداری کرد. سیلورشتاین نیز برای مدت کوتاهی، نقش معاون رئیس شرکت را بر عهده گرفت، اما در حال حاضر برای این شرکت کار نمی‌کند. ارتباط میان شرکت و سیستم واضح است: Shutterstock بازاری برای تصویربرداری بدون پرداخت حق ‌امتیاز فراهم می‌آورد و فناوری Amper ابزاری برای ایجاد موسیقی اصیل بدون پرداخت حق‌ امتیاز است. این موضوع، تحول دوباره هوش مصنوعی در صنعت موسیقی محسوب می‌شد. بنابراین، تولیدکنندگان محتوا می‌توانند با استفاده از خدمات این شرکت، محتوای صوتی- تصویری باکیفیتی تولید کنند که پیش از این، مستلزم به‌کارگیری گروهی از متخصصین خلاق بود.

اما برای همکاران سابق سیلورشتاین، هنرمندانی که برای تنظیم آثارشان سخت تلاش می‌کنند، چه اتفاقی می‌افتد؟ پاسخ سیلورشتاین به این سؤال بسیار قاطع است: «اگر تنها منبع درآمدتان از موسیقی است، مطمئن باشید طی 5 تا 10 آینده شغلی نخواهید داشت! البته این موضوع سراسر منفی نیست، چون شغل چیزی نیست به‌جز راهی برای انجام یک مسئله.» این پاسخ شاید تاحدی مایه تسلی خاطر موسیقی‌دانانی باشد که طی چند سال گذشته حضور قدرتمند هوش مصنوعی در صنعت موسیقی برای کسب درآمد مدنظرشان بود، اما شاهد افت درآمد بوده‌اند.

برای سیلورشتاین، هوش مصنوعی تنها یک ابزار است، نه هدف نهایی. به عقیده‌ او، با اینکه فناوری ممکن است جای سازندگان «موسیقی کارکردی» را بگیرد، هنرمندان توانمند همیشه راهی برای ادغام فناوری در هنرشان پیدا می‌کنند و به‌نوعی تحول دوباره هوش مصنوعی در صنعت موسیقی را ایجاد می‌کنند. وی می‌گوید: «نباید فکر کنیم هوش مصنوعی خلاق، مفهوم عجیبی است که موجودات فرازمینی با خود به این سیاره آورده‌اند. به‌شخصه، این فناوری را محصول تکامل هزارساله‌ ابزارهای خلاقانه می‌دانم. نباید فکر کنیم آخرین دژ دفاعی انسانیت در برابر زامبی‌ها، یا همان فناوری، هستیم! بلکه باید خودمان را پیشتازانی در نظر بگیریم که فرصت این را در دست دارند، تا تمام قابلیت‌های بالقوه فناوری را کندوکاو کنند.»

شاید بسیاری از راهکارهای موسیقی خودکار، بیشتر از هنری‌ بودن، کارکردی باشند؛ اما شکی نیست نویددهنده‌ نوآوری‌های آینده هستند، نوآوری‌هایی که تحقق آینده‌ موسیقی را روز به روز نزدیک‌تر می‌کنند و تحول دوباره هوش مصنوعی در صنعت موسیقی را موجب می‌گردند. نرم‌افزارهای مجهز به هوش مصنوعی پخش موسیقی برای تولید بی‌شمار آهنگ متناسب با تمرکز، خواب، مدیتیشن و یا ورزش، از این فناوری استفاده می‌کنند.

نرم‌افزار Endel

Brain.fm با پیروی از رویکردی علمی و با استفاده از الگوریتم‌ها، آهنگ‌هایی تولید می‌کند که متفاوت‌اند و به نظر می‌رسند هوش مصنوعی در صنعت موسیقی رشدی مناسب کرده است و در نتیجه اثرگذاری متمایزی بر ذهن دارند. Endel، نرم‌افزار دیگری است که خلق‌وخوی اشخاص را با تولید اصوات و آهنگ بالا می‌برد. شرکت Endel اعلام کرده است: «سرعت حرکت‌مان به اندازه‌ کافی بالا نیست. بدن و ذهن‌مان با دنیای جدید همخوانی ندارند. اضافه‌بار اطلاعاتی روان‌مان را فرسوده می‌کند.» نرم‌افزار Endel نیز مانند Brain.fm، برای تولید نماهای صوتی گوناگون برای کمک به کار، مدیتیشن و خواب، از هوش مصنوعی استفاده می‌کند. تفاوت نرم‌افزار Endel در این است که متغیرهایی همچون آب‌وهوا، زمان، موقعیت مکانی و حتی ضربان قلب کاربر را نیز در نظر می‌گیرد، تا اصواتی که تولید می‌کند، تناسب بیشتری با موقعیت او داشته باشند.

دمیتری اوگرافوف، بنیان‌گذار شرکت نرم‌افزار Endel، از اوایل 2010 در این عرصه فعالیت داشته است و تاکنون ده‌ها رکورد موسیقی برای چندین برند معتبر ساخته است؛ اما هنگام راه‌اندازی شرکت، متوجه شد از هدف خود دال بر پیشرفت هوش مصنوعی در صنعت موسیقی دور شده است. اوگرافوف می‌خواست در عرصه‌ موسیقی به شکوفایی برسد و اثرگذاری بالایی بر دنیا داشته باشد. به همین دلیل، به موسیقی کارکردی روی آورد. این نرم‌افزار، کارکرد بسیار ساده‌ای دارد. اوگرافوف و همکارانش قسمت‌های مختلف و متمایز را تولید می‌کنند و نرم‌افزار Endel به صورت لحظه‌ای، آن‌ها را ریمیکس می‌کند. خروجی بسیار معمولی است؛ البته هدف کار همین است.

ریتم این موسیقی و کلیدهای صامت آن، همچون صدای ضربان قلب، می‌بایست یکنواخت و آرام باشند. Endel به شنوندگان کمک می‌کند در موسیقی غرق شوند و خود را آرام کنند؛ اما شرکت اهداف والاتری در سر دارد و برای مثال، می‌خواهد موسیقی‌دانان بتوانند با استفاده از هوش مصنوعی، آثار هنری مولد در سبک منحصربه‌فرد خود تولید کنند. نرم‌افزار Endel تاکنون در ژانرهای مختلف به کار رفته است. اوگرافوف می‌گوید: «وقتی هنرمندی از Endel استفاده کند، با اینکه نتیجه‌ نهایی هیچ شباهتی به ورودی ندارد، ماهیت اثر خروجی همچنان ردپای هنرمند را نشان می‌دهد.»

پیش‌بینی صنعت موسیقی

با طرح دو سؤال سعی می‌کنیم موضوع پیش‌بینی صنعت موسیقی را مورد بررسی قرار دهیم. سؤال اول: پنج سال آینده صنعت موسیقی را با توجه به ظهور هوش مصنوعی در صنعت موسیقی چطور پیش‌بینی می‌کنید؟ اوگرافوف در پاسخ به این سؤال با تردید جواب می‌دهد: «کمی بدبین هستم. اولویت ما از بین بردن تصورات قالبی مبنی بر بی‌کیفیت بودن هوش مصنوعی است. هدف ما تولید آثاری در سطح بزرگان موسیقی است، اما به‌شخصه می‌ترسم کثرت موسیقی‌های مبتنی بر هوش مصنوعی، سطح استانداردهای مخاطبین را پایین بیاورد.

مشکل این‌ نیست که هوش مصنوعی جای موسیقی‌دانان را می‌گیرد و آن‌ها را از کار بیکار می‌کند؛ بلکه این است که مردم به صدای مزخرف هوش مصنوعی در صنعت موسیقی عادت کنند.» شاید بتوان گفت نرم‌افزار Endel به تحقق این سنارویوی منفی کمک می‌کند، چون تنها با کلیک روی یک دکمه می‌توان یک آلبوم را تولید و سپس منتشر کرد.

پیش‌بینی صنعت موسیقی در سؤال دوم: آیا هوش مصنوعی در صنعت موسیقی فضایی جدید برای خلاقیت ایجاد می‌کند یا مدل کاری قدیمی را از بین می‌برد؟ این فناوری نویدبخش مزایای فراوانی است، اما دغدغه‌های ذهنی زیادی هم مطرح می‌کند. دوستداران موسیقی و البته هنرمندان، احتمالاً نظر مثبتی در مورد آلبوم‌هایی نداشته باشند که تنها با کلیک روی یک دکمه تولید می‌شوند. با ورود این هوش مصنوعی به موسیقی، شاید لذت از آن خارج شود. از سوی دیگر، اگر این فناوری به دست بدخواهان بیفتد، به ابزاری برای حقه و فریب تبدیل خواهد شد.

شاید بهتر باشد مطلب را با نقل قولی از برایان اینو به اتمام برسانیم: «هوش مصنوعی، از بسیاری لحاظ، نامی بی‌مسماست. آنچه کامپیوترها دارند، در واقع «حماقت مصنوعی» است.» فناوری تا جایی می‌تواند سودمند باشد که خالقانش بخواهند. افق تخیلات در عرصه هوش مصنوعی، همچون بُعد اخلاقی آن، در دستان ماست.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید