Google AI研究员兼钢琴演奏家Pablo Castro知道音乐家可以进入舒适区。这是他们可以在付费观众面前依赖的东西，但它也可能变得无聊并限制增长。为了突破这些创造性的界限，卡斯特罗正在开发一种深度生成的AI模型，鼓励音乐家通过即兴创作来获取独特的人类音乐。
“因为我们已经接受了很长时间的训练，所以我们可以使用我们的音乐训练来创造性地驾驭这些不舒服的区域。而且这有时候会带来新的音乐表现形式，“卡斯特罗在与VentureBeat的电话交谈中说道。
卡斯特罗在PSC Trio演奏钢琴，这是一支爵士乐队，在渥太华，蒙特利尔和加拿大其他地方演出。
ML-Jam旨在展现音乐即兴创作的人性特征，来自Google Brain的Magenta项目，用于通过机器学习驾驶音乐。ML-Jam故意试图将自己限制在开箱即用的预制模型中，它利用了Magenta的DrumsRNN 和 MelodyRNN。
“从本质上讲，我想要做的就是保持我的节奏，因为这反映了我演奏的方式，但用模型制作的音符取代我的音符。所以这就是这种混合即兴创作，“他说。“根据我的经验，我发现这通常是有节奏的，而不是我自己想出的东西，因为这不是一种对我来说有机的节奏。但它往往最终成为我感兴趣的东西。
Castro 在上周于北卡罗来纳州夏洛特举行的国际计算创新大会(ICCC)上发布了ML-Jam及其开源Python代码。
该模型从卡斯特罗称之为确定性的鼓槽开始。有人弹奏低音线并添加其他乐器，然后将凹槽发送到DrumsRNN以生成独特的模型。然后，一个控制节奏模型的音乐家，即用MelodyRNN创作的旋律即兴创作一个音乐短语的节奏模型。
使用Python进行多线程处理使得ML-Jam的推理在一个单独的线程中执行，允许生成模型，然后在演出期间进行实时播放。由于生成模型可能需要不可预测的时间，音乐家必须在舞台上使用他们尚未听到的声音。
卡斯特罗尝试与ML-Jam和他的爵士乐三人组一起玩，但他说他们发现他们之间缺乏化学反应。相反，他计划将AI融入他自己的音乐中。
他的下一步是使用ML-Jam或衍生系统为现场表演提供独特内容。
“我开始研究的一件事本质上就是个人秀，只有我和......即兴创作围绕着这项技术。因此，它更有机，而有趣的是，它迫使我以与我通常所做的非常不同的方式来处理作曲，“卡斯特罗说。
“我必须考虑它是否适用于我正在使用的系统类型。就像它是鼓声的东西一样，它正在使用一个循环，所以我必须有一些适合循环的东西，不会太重复，不会很无聊，但仍然很适合这个想法......所以每当我完成它的时候，无论从中得到什么，如果我没有对我自己施加这些限制，那么100%与我想出的任何东西都会非常不同。
最近为音乐制作的其他杰出AI模型包括Magenta的钢琴精灵。Flaming Lips 在上个月的I / O表演舞台上使用了一个名为Fruit Genie的钢琴精灵版本。
卡斯特罗与人工智能的串联演奏可能会融入其他新颖的音乐模型 - 例如制作钢琴旋律的Magenta音乐变换器和OpenAI的MuseNet - 以激发更多即兴创作。3月份，Google创建了一个以音乐变换器为动力的工具，该工具以人选择的键开头，然后生成听起来像Johann Sebastian Bach的作品的音乐。
“它的全部意义在于探索人机协作的空间，因此这些合成将被编写用于这种合作，而不是试图采用我在外部构建的系统并将其放入我为人类创作的歌曲中。三重奏，“卡斯特罗说。
“我想要做的就是让每首歌都探索不同类型的机器学习模型，并且它们不一定都是音乐生成模型。我们的想法是看看如何将不同的机器学习技术集成到构图或即兴创作中，如果您没有尝试合并这些机器学习技术，那么这些音乐可能不会以这种方式出现。“
卡斯特罗将他的模型与创意人使用的其他模型区分开来，因为他必须接受人工输入才能操作。
对于卡斯特罗来说，人类的目的 - 由一个人的历史和人性塑造 - 是艺术的定义。
“对我来说，问题是'艺术与否?' 真的归结为'目的从何而来?' 我现在没有看到任何模型有任何用途，“他说。“这是人类把它放在那里。