Код креативности. Как искусственный интеллект учится писать, рисовать и думать

Гаэтан Аджер и его научные руководители разбили хоралы Баха на две группы: 80 % использовались для тренировки алгоритма, а оставшиеся 20 – в качестве проверочных данных. После этого добровольцам предложили прослушать хоралы, созданные DeepBach, вместе с настоящими хоралами Баха из проверочных данных. Они должны были сказать, кто, по их мнению, был автором каждого хорала – Бах или алгоритм. Слушателей просили рассказать об истории их знакомства с музыкой, которая, очевидно, влияла на достоверность их оценки. Например, студенты композиторского отделения услышат то, чего не заметит человек с нетренированным слухом.

Результаты оказались поразительными: в 50 % случаев пьесы алгоритма DeepBach принимали за произведения Баха. Студенты-композиторы показали чуть лучшие результаты, но и им пришлось нелегко: они не смогли распознать подделку в 45 % произведений DeepBach. Внушительное достижение. Сочинить хорал – дело довольно непростое. Одной неверной ноты будет достаточно, чтобы распознать фальшивку. Бах не допускал в своих сочинениях никаких ошибок, и тем не менее слушатели приняли 25 % его хоралов за продукцию машины! И все они были вполне впечатляющими произведениями. Не хочу показаться снобом, но хоралы – это, возможно, самое скучное из того, что создал Бах. Ему приходилось заниматься массовым производством мелодий для гимнов, но меня лично в творчестве Баха трогают не они.

Одним из главных препятствий в любом проекте обучения по работам мастеров бывает недостаток качественных данных. Может показаться, что 389 хоралов – это очень много, но на самом деле этого количества едва хватает для обучения. В областях успешного машинного обучения – например, в сфере компьютерного зрения – алгоритм тренируется на миллионах образов. Здесь же имелось всего 389 точек, а другие композиторы в большинстве своем были гораздо менее плодовиты. Хоралы Баха полезны тем, что они дают очень похожие друг на друга примеры одного и того же явления. Но, если посмотреть на творчество композитора более широким взглядом, в его произведениях может быть столько разнообразия, что машина просто не сможет на этих данных ничему научиться. Возможно, именно это в конечном счете и защищает искусство человека от наступления машин. Хороших произведений просто настолько мало, что машинам не на чем научиться их имитировать. Они, конечно, могут штамповать музыкальную жвачку, но не качественную музыку.

12

Формула-песенник

Музыка выражает то, чего нельзя сказать словами,

и то, что не может оставаться безмолвным.

Виктор Гюго

Я играю на трубе, но мне так и не удалось освоить джазовую импровизацию. Я вполне уверенно играю по нотам в оркестре, но, чтобы играть джаз, нужно стать композитором. Более того, нужно стать композитором, сочиняющим на лету, реагирующим на то, что играют окружающие, в реальном времени. Я всегда искренне восхищался теми, кто на это способен.

В результате многочисленных попыток научиться играть джаз я понял, что в хорошей импровизации есть элемент головоломки. В джазовом стандарте обычно есть набор аккордов, который изменяется по ходу пьесы. Трубач должен проводить линию, соответствующую этим изменяющимся аккордам. Но при этом его решения должны обеспечивать и внутренне логичное развитие от ноты к ноте, так что джазовое исполнение подобно прокладке курса в двумерном лабиринте. Аккорды определяют допустимые ходы в вертикальном направлении, а сыгранные в предыдущий момент ноты – в горизонтальном. По мере того как джаз становится более свободным, последовательность аккордов все более растекается, и нужно чувствовать, что в следующий момент может сыграть пианист, а это опять же зависит от аккордов, сыгранных ранее.

Хороший импровизатор внимательно слушает и знает, куда пианист вероятнее всего может повести свою тему.

Создание машины, способной на это, не кажется невозможным, но в этой области есть трудности, с которыми не сталкиваются алгоритмические композиторы вроде Emmy. Алгоритм джазовой импровизации должен играть, реагируя на поступление новых данных в режиме взаимодействия в реальном времени.

Многие молодые музыканты начинали свою карьеру с классической книги «Теория джаза» Марка Левайна[83], который играл с Диззи Гиллеспи и Фредди Хаббардом, двумя из величайших джазовых импровизаторов прошлого века. Как отмечает Левайн, «великое джазовое соло на 1 % состоит из волшебства и на 99 % – из вещей Объяснимых, Анализируемых, Классифицируемых, Осуществимых». Все эти вещи можно предусмотреть в алгоритме.

Мой самый любимый джазовый альбом всех времен – Kind of Blue Майлза Дэвиса. Насколько мы близки к возможности создания Kind of DeepBlue?

Пушкин, поэзия и вероятности