Die Verwendung von Künstlicher Intelligenz in der Musik wird immer Sophistizierter

Die Anwendung von künstlicher Intelligenz in der Musik hat in den letzten Jahren zugenommen. Wie Kumba Sennaar erklärt, liegen die drei aktuellen Anwendungen von KI in der Musikindustrie in der Musikkomposition, Musikstreaming und Musikmonetarisierung, wo KI-Plattformen Künstlern helfen, ihre Musikinhalte basierend auf Nutzeraktivitätsdaten zu monetarisieren.

Alles begann bereits 1957, als Lejaren Hiller und Leonard Issacson den Illiac I programmierten, um “Illiac Suite for String Quartet” zu produzieren, das erste Werk, das vollständig von künstlicher Intelligenz geschrieben wurde. 60 Jahre später entstanden dann vollständige Alben wie das Album von Taryn Southern, das 2017 von Amper Music produziert wurde. Derzeit hat Southern über 452.000 Abonnenten auf YouTube und ihr Lied “Lovesick” aus dem Album wurde von über 45.000 Zuschauern angehört und angesehen.

Seitdem hat sich die Anwendung von KI in diesem Bereich jedoch sowohl weiterentwickelt als auch ausgeweitet. Open AI hat MuseNet entwickelt, wie das Unternehmen erklärt, “ein tiefes neuronales Netzwerk, das 4-minütige musikalische Kompositionen mit 10 verschiedenen Instrumenten erzeugen und Stile von Country bis Mozart bis zu den Beatles kombinieren kann. MuseNet wurde nicht explizit mit unserem Verständnis von Musik programmiert, sondern entdeckte Muster von Harmonie, Rhythmus und Stil, indem es lernte, das nächste Token in Hunderttausenden von MIDI-Dateien vorherzusagen. MuseNet verwendet die gleiche allgemeine, unüberwachte Technologie wie GPT-2, ein großes, auf Transformer-Modell trainiert, um das nächste Token in einer Sequenz vorherzusagen, sei es Audio oder Text.”

Andererseits berichtet GeekWire unter anderem, dass Dr. Mick Grierson, Computerwissenschaftler und Musiker von der Goldsmiths, University of London, kürzlich von dem italienischen Automobilhersteller Fiat beauftragt wurde, eine Liste der 50 ikonischsten Popsongs mithilfe von Algorithmen zu erstellen. Seine analytische Software wurde verwendet, um “zu bestimmen, was die Songs bemerkenswert macht, einschließlich Schlüssel, Anzahl der Beats pro Minute, Akkordvielfalt, Textinhalt, Klangvielfalt und sonische Varianz.“

Laut seinen Ergebnissen war das Lied, das die beste Mischung der Parameter aufwies, Nirvanas “Smells Like Teen Spirit”, gefolgt von U2s “One” und John Lennons “Imagine”. Nirvanas Lied wurde dann von FIAT verwendet, um das neue FIAT 500-Modell zu bewerben. Grierson erklärte, dass die Algorithmen zeigten, dass “die Klänge, die diese Songs verwenden, und die Art und Weise, wie sie kombiniert werden, in jedem Fall hochgradig einzigartig sind.“

Eine weitere Anwendung wurde von der musicnn-Bibliothek entwickelt, die, wie erklärt, tiefere konvolutionale neuronale Netze verwendet, um Songs automatisch zu markieren. Die Modelle, “die die besten Ergebnisse in öffentlichen Bewertungsbenchmarks erzielen“, wurden als Open-Source-Bibliothek veröffentlicht. Das Projekt wurde von der Music Technology Group der Universitat Pompeu Fabra entwickelt, die in Barcelona, Spanien, ansässig ist.

In seiner Analyse der Anwendung verwendete Jordi Pons musicnn, um ein weiteres ikonisches Lied, Queen’s “Bohemian Rhapsody”, zu analysieren und zu markieren. Er stellte fest, dass die Gesangsstimme von Freddie Mercury als weibliche Stimme markiert wurde, während seine anderen Vorhersagen ziemlich genau waren. Durch die Verfügbarkeit von musicnn als Open-Source ist es möglich, den Markierungsprozess weiter zu verfeinern.

In einem Bericht über die Verwendung von KI im Musikstreaming kommt Digital Music News zu dem Schluss, dass “die Einführung von künstlicher Intelligenz und maschinellem Lernen die Art und Weise, wie wir Musik hören, erheblich verbessert hat. Dank der schnellen Fortschritte in der KI und ähnlichen Technologien werden wir wahrscheinlich in den kommenden Jahren viele futuristische Verbesserungen sehen.”