211service.com
AI Songsmith brengt verrassend pakkende deuntjes uit
Het pianodeuntje eronder, dat parmantig opstijgt en dan eindigt met een melodieus gebaar, klinkt een beetje als een jingle die is gecomponeerd voor de nieuwste tandpasta-campagne.
Het deuntje is in feite bedacht door een muzikaal AI-programma dat bij Google is ontwikkeld. En de nieuwste composities van het programma laten zien hoe het combineren van een krachtige machine-learningbenadering met eenvoudige muzikale regels creatieve werken kan opleveren die opmerkelijk menselijk klinken.
Muziekcompositie is een raadselachtige vorm van menselijke creativiteit. Programma's voor het schrijven van liedjes bestaan al, maar ze volgen meestal een specifieke reeks regels, en ze hebben de neiging om deuntjes te produceren die stijf en mechanisch aanvoelen. Hetzelfde geldt voor software die muziek aanbeveelt op basis van je luistergewoonten (zie The Hit Charade ). Computers leren om muzikaal inventiever te zijn, kan wijzen op manieren waarop machines kunnen helpen bij andere creatieve handelingen, van het ontwerpen van producten tot het schrijven van welsprekende tekst.
Google heeft eerder zijn muziekgenererende AI-songsmith gedemonstreerd, die deel uitmaakt van een project genaamd Magenta dat is gericht op het bevorderen van kunstmatige creativiteit (zie OK, Computer, Write Me a Song). Een groot neuraal netwerk wordt gevoed met tienduizenden liedjes en is getraind om de volgende noot in een reeks te voorspellen. Zo'n netwerk kan ook nieuwe muziek genereren als het een startpunt krijgt, hoewel de resultaten vaak structuur en gratie missen.
Douglas Eck , een onderzoekswetenschapper bij Google die de ontwikkeling van de muziekgenererende AI leidt, heeft samen met Natasha Jaques, een stagiair bij het bedrijf, onlangs een manier bedacht om de songwritingsystemen veel elegantere en pakkendere deuntjes te laten produceren. Ze gebruiken een benadering die bekend staat als versterkend leren om eenvoudige principes van muziektheorie toe te voegen - vermijd het te vaak herhalen van een refrein, speel niet te snel of langzaam, enzovoort - aan het algehele leerproces. Het netwerk ontvangt een positieve beloning elke keer dat het een reeks noten produceert die niet alleen lijken op de patronen in eerdere nummers, maar ook voldoen aan de muzikale regels die het heeft gekregen.
Dit zijn eenvoudige regels uit een leerboek over muziekcompositie, zegt Eck. De combinatie van deze regels met versterkend leren, en de variantie van de echte wereld afkomstig van duizenden menselijke composities, geeft ons nummers die zo pakkend zijn - ze krabben wat jeuken.
De nieuwe aanpak, beschreven in a onderzoekspaper en een blogpost , lijkt zeker de geautomatiseerde muziekgeneratie te verbeteren. Een ander muziekfragment laat zien hoe het programma presteert zonder deze regels te volgen. Het stuk voelt plat, repetitief en mechanisch aan. Eck en Jaques voerden ook een gebruikersonderzoek uit en ontdekten dat mensen veel de voorkeur gaven aan de composities die met de nieuwe techniek werden geproduceerd.
Eck zegt dat de mogelijkheid om regels in te bouwen in versterkend leren nuttig zal zijn op veel gebieden, waaronder robotica, aanbevelingssystemen en taalvertaling.
Er is geen reden waarom machines niet nieuwsgierig en creatief kunnen zijn, zegt Jurgen Schmidhuber , een professor aan de Universiteit van Lugano in Zwitserland die baanbrekend onderzoek heeft gedaan naar het type neurale netwerken dat door de onderzoekers van Google wordt gebruikt, en die heeft geëxperimenteerd met creativiteit met behulp van versterkend leren. Schmidhuber voegt eraan toe dat de aanpak een reeks praktische toepassingen kan hebben die verder gaan dan muziek. Men zou zich vergelijkbare combinaties kunnen voorstellen van [neurale netwerken] en traditionele, op regels gebaseerde expertsystemen voor medische diagnose, zegt hij.
Reinforcement learning biedt een manier om machines te leren dingen te doen die moeilijk te bereiken zouden zijn met expliciete instructie. De techniek werd gebruikt door AlphaGo, een programma ontwikkeld door Google-onderzoekers om het eeuwenoude bordspel Go te spelen. Hoewel de regels van Go eenvoudig zijn, is het moeilijk uit te leggen hoe goed te spelen, en spelers ontwikkelen normaal gesproken een intuïtieve aanleg door vele uren oefenen. Maar soms kan het handig zijn om ook expliciete instructies te kunnen geven aan een machine learning-systeem.
Stevan Harnad , een professor in de psychologie aan de Universiteit van Quebec in Canada die kunstmatige creativiteit heeft bestudeerd, zegt dat het Magenta-werk indrukwekkend is, maar voegt eraan toe dat er nog een lange weg te gaan is voordat computers kunnen worden gecrediteerd met echte, mensachtige creativiteit. Deep-learning algoritmen zijn veelbelovend, maar tot nu toe hebben ze de gewone, niet-creatieve menselijke capaciteit nog niet gedupliceerd, dus het is een beetje voorbarig om te verwachten dat ze creatief zijn, zegt hij.
In feite, zegt Harnad, lijken zelfs composities zoals die van het Google-team vaak mechanisch na een paar luisterbeurten.