Сакупите листу песама, пронађите песму која вам се заглавила у глави, напишите представу: шта вештачка интелигенција може да уради са музиком

Препознајте композиције

Кул стаза се може чути било где: у тржном центру, у кафићу, па чак и са прозора оближњег аутомобила, док стојите у саобраћајној гужви. Да не бисте пропустили непознату песму која вам се допада, довољно је да укључите апликацију за препознавање. Име композиције и име уметника у њима вештачка интелигенција даје у секундама. Истина, иза тако брзог резултата стоји темељна припрема: да би брзо научио мелодију, програм прво треба да је запамти. Да би се то урадило, неуронске мреже се уводе у огромну библиотеку нумера, а затим алгоритми претварају звук у спектрограм и разлажу га на време, фреквенцију и интензитет.

Претпоставимо да особа чује песму на радију и жели да зна име и извођача. Програм за препознавање гради спектрограм звучног пасуса и шаље га у своју библиотеку нумера. Затим упоређује „слику“ жељене мелодије са спектрограмима других композиција и бира најтачније подударање. У исто време, вештачка интелигенција препознаје мелодију чак и кроз озбиљне сметње, попут буке на путу или поправке у суседном стану.

Иначе, неуронска мрежа је у стању не само да идентификује уметника и назив нумере заглављене у глави, већ и грубо одреди њен жанр. Да би то урадила, вештачка интелигенција се учи да пронађе обрасце у различитим музичким стиловима. Такве специфичне карактеристике обично су недоступне људском виду и слуху. Али захваљујући машинском учењу, постаје могуће израчунати музичке жанрове из слика спектрограма.

Препоручите песме

Чини се да је скоро исто тако мало вероватно да ћете сами пронаћи „исту“ нумеру која одговара вашем расположењу у милијардама песама као да се заљубите на први поглед. Али захваљујући алгоритмима за препоруке, савршена подударања се не дешавају тако често. Прво, вештачка интелигенција тражи људе сличног укуса, а затим се повезују статистичке формуле: број лајкова, несвиђања, играња и прескакања одређене композиције.

„Хладан” садржај, који се не види на плејлистама масовног слушаоца, шири се спорије. Али захваљујући неуронским мрежама, непознати уметници и ниша музика и даље имају малу шансу да трепере у току препорука. Ако поједноставимо све техничке нијансе, онда можемо рећи да у таквим случајевима вештачка интелигенција открива колико често одређени корисник слуша песме са сличним спектрограмима и повремено га позива да се упозна са новим стазе.

Неуронске мреже такође помажу у стварању избора музике за фитнес, шетњу или спавање. Уредници садржаја бирају референтне траке за алгоритме, а на основу њихових спектрограма, вештачка интелигенција проширује тематске препоруке.

генерише музику

Раније су само композитори могли да стварају мелодије. Сада је то могуће и без учешћа музичара. Холандија је 2020. била домаћин првог такмичења за песму Евровизије за неуронске мреже - АИ Сонг Цонтест. Аустралијанац је победио сарадњу вештачка интелигенција са коалама, воденим рибама и тасманијским ђаволима. Песма је била посвећена шумским пожарима који бесне на континенту. Звукови животиња снимљени су кратким узорцима - фрагментима од 1-2 секунде. Алгоритам их је комбиновао са хитовима свих претходних победника праве Евровизије, након чега су семплове склопили у сопствену мелодију.

Ово није једини пример успешног креативног синдиката програмера и неуронских мрежа. 2019. године, на затварању Зимског међународног фестивала уметности у Сочију, Државни оркестар је извео 8-минутни комад. Написао ју је композитор Кузма Бодров из засебних фрагмената мелодија генерисаних неуронским мрежама. Данас је стварање музике најперспективнија област за развој вештачке интелигенције.

Иначе, неуронске мреже могу да пишу поезију и за песме. За сада такве нумере звуче прилично чудно, тако да текстописци не би требало да брину о незапослености. Осим тога, „компјутерски ум“ је лишен осећања. Он не може да продре у емотивни контекст и да пренесе доживљаје који су ауторе дела натерали на стварање.