211service.com
Vraag het om een popsong te schrijven om te zien waarom AI zo moeilijk te gebruiken is
Uncanny Valley via UNSW
Welkom thuis welkom thuis oh oh oh de wereld is mooi de wereld. Het zijn niet de meest pakkende teksten. Maar nadat ik een half dozijn keer naar Beautiful the World heb geluisterd, zit het refrein vast in mijn hoofd en tikt mijn voet. Niet slecht voor een melodie die is gegenereerd door een AI die is getraind op een dataset van Eurovisie liedjes en koala- en kookaburra-gehuil.
In mei won Beautiful the World de AI Songfestival, een wedstrijd van de VPRO, waarin 13 teams van over de hele wereld met behulp van kunstmatige intelligentie een pophit probeerden te maken.
De winnende inzending is gemaakt door Uncanny Valley , een team van muzikanten en computerwetenschappers uit Australië die zowel menselijke songwriting als AI-bijdragen gebruikten. Hun muziek was opwindend, zegt Anna Huang, een AI-onderzoeker bij Google Brain, die een van de juryleden was. De hybride inspanning schitterde echt.
Velen geloven dat het nut van AI op korte termijn zal komen via samenwerking, waarbij teams van mensen en machines samenwerken, elk naar hun sterke punten. AI kan soms een assistent zijn, slechts een hulpmiddel, zegt Carrie Cai, een collega van Huang bij Google Brain die mens-computerinteractie bestudeert. Of AI kan een medewerker zijn, een andere componist in de kamer. AI kan je zelfs een hoger niveau geven, je superkrachten geven. Het zou kunnen zijn als componeren met Mozart.
Maar om dit te laten gebeuren, moeten AI-tools eenvoudig te gebruiken en te controleren zijn. En het AI Songfestival bleek een nuttige test om dat te bereiken.
Huang, Cai en hun collega's hebben gekeken naar de verschillende strategieën die verschillende teams gebruikten om samen te werken met de AI's. In veel gevallen hadden de mensen moeite om de machines te laten doen wat ze wilden en bedachten ze tijdelijke oplossingen en hacks. De onderzoekers identificeren verschillende manieren waarop AI-tools kunnen worden verbeterd om samenwerking gemakkelijker te maken.
Een veelvoorkomend probleem was dat grote AI-modellen moeilijk te gebruiken zijn. Ze zouden een veelbelovende eerste versie van een nummer kunnen produceren. Maar er was geen manier om het model feedback te geven voor een tweede doorgang. De teams konden niet naar binnen gaan om afzonderlijke delen te tweaken of de AI instrueren om de melodie gelukkiger te maken.
Uiteindelijk gebruikten de meeste teams kleinere modellen die specifieke delen van een nummer produceerden, zoals de akkoorden of melodieën, en deze vervolgens met de hand aan elkaar genaaid. Uncanny Valley gebruikte een algoritme om songteksten en melodieën te matchen die bijvoorbeeld door verschillende AI's waren geproduceerd.
Een ander team, Dadabots x Portret XO , wilden hun refrein niet twee keer herhalen, maar konden geen manier vinden om de AI te sturen om de tweede versie te wijzigen. Uiteindelijk gebruikte het team zeven modellen en verzamelde verschillende resultaten om de gewenste variatie te krijgen.
Het was alsof je een legpuzzel in elkaar zette, zegt Huang: Sommige teams vonden de puzzel onredelijk moeilijk, maar sommigen vonden het opwindend, omdat ze zoveel grondstoffen en kleurrijke puzzelstukjes hadden om in elkaar te zetten.
Uncanny Valley gebruikte de AI's om de ingrediënten te leveren, waaronder melodieën geproduceerd door een model dat getraind was op koala-, kookaburra- en Tasmaanse duivelsgeluiden. De mensen in het team stellen deze vervolgens samen.
Het is alsof je een eigenzinnige menselijke medewerker hebt die niet zo goed is in songwriting, maar zeer productief, zegt Sandra Uitdenbogerd, een computerwetenschapper aan de RMIT University in Melbourne en lid van Uncanny Valley. We kiezen de bits waarmee we kunnen werken.
Maar dit was meer een compromis dan samenwerking. Eerlijk gezegd denk ik dat mensen het even goed hadden kunnen doen, zegt ze.
Generatieve AI-modellen produceren output op het niveau van enkele noten - of pixels, in het geval van beeldgeneratie. Ze zien het grotere geheel niet. Mensen daarentegen componeren meestal in termen van couplet en refrein en hoe een nummer opbouwt. Er is een mismatch tussen wat AI produceert en hoe we denken, zegt Cai.
Cai wil de manier waarop AI-modellen zijn ontworpen veranderen om het gemakkelijker te maken om ermee te werken. Ik denk dat dat het gevoel van controle voor gebruikers echt zou kunnen vergroten, zegt ze.
Niet alleen muzikanten en artiesten zullen hiervan profiteren. Door AI's gebruiksvriendelijker te maken, door mensen meer manieren te bieden om met hun output te communiceren, worden ze betrouwbaarder, waar ze ook worden gebruikt, van politie naar de gezondheidszorg.
We hebben gezien dat artsen de tools geven om AI te sturen, echt een verschil kan maken in hun bereidheid om AI te gebruiken, zegt Cai.