Tekoälyn käyttö musiikissa on yhä monipuolisempaa

Tekoälyn soveltaminen musiikissa on lisääntynyt jo usean vuoden ajan.  Kuten Kumba Sennaar selittää, tekoälyn kolme nykyistä soveltamista musiikkialalla on musiikin sävellys, musiikin striimaus ja musiikin rahoitus, jossa tekoälyalustat auttavat artisteja rahoittamaan musiikkisisältöään käyttäjien toiminnan perusteella.

Kaikki alkoi vuonna 1957, kun Learn Hiller ja Leonard Issacson ohjelmoivat Illiac I: n tuottamaan “Illiac Suite for String Quartet”, ensimmäisen tekoälyllä kirjoitetun teoksen, ja 60 vuotta myöhemmin se kehittyi täysimittaisiksi albumeiksi, kuten Taryn Southernin albumi, jonka tuotti Amper Music vuonna 2017. Tällä hetkellä Southernilla on yli 452 000 tilaajaa YouTubessa, ja “Lovesick” -kappale albumilta on kuunneltu ja katsottu yli 45 000 kertaa.

Mutta siitä lähtien tekoälyn soveltaminen tässä alalla on sekä monipuolistunut että laajentunut. Open AI on luonut MuseNetin, kuten yhtiö selittää, “syvän neuroniverkon, joka voi luoda 4-minuuttisia musiikkisävellyksiä 10 eri soittimella ja yhdistää tyylit countrysta Mozarttiin ja The Beatlesiin. MuseNetiä ei ohjelmoitu eksplisiittisesti musiikin ymmärtämisen perusteella, vaan se löysi harmonian, rytmin ja tyylit järjestelmällä, joka opiskeli ennustamaan seuraavan tokenin satojen tuhansien MIDI-tiedostojen perusteella. MuseNet käyttää samaa yleispätevää valvomaton teknologiaa kuin GPT-2, suuri mittakaava transformer -malli, joka on koulutettu ennustamaan seuraavan tokenin jonoa, olipa se ääntä tai tekstiä.”

Toisaalta, kuten GeekWire ja muut raportoivat, Dr. Mick Grierson, tietokoneiden ja musiikin tutkija Lontoon Goldsmiths-yliopistosta, sai äskettäin Italian autonvalmistaja Fiatilta tehtäväksi luoda luettelo 50 ikonisimmasta pop-kappaleesta algoritmeja käyttäen. Hänen analyysi-ohjelmistoaan käytettiin “määrittämään mitkä tekijät tekevät kappaleista merkittäviä, mukaan lukien avain, tahtilaji, sointuvaihtelu, sanoitukset, timbraalinen vaihtelu ja äänen vaihtelu.”

Tuloksien mukaan kappale, jolla oli paras yhdistelmä näistä tekijöistä, oli Nirvanan “Smells Like Teen Spirit”, joka oli edellä U2:n “One” ja John Lennonin “Imagine” -kappaleita. Nirvanan kappale käytettiin sitten FIATin uuden FIAT 500 -mallin mainonnassa. Grierson selitti, että algoritmit osoittivat, että “äänet, joita nämä kappaleet käyttävät ja miten ne yhdistetään, on hyvin ainutlaatuinen jokaisessa tapauksessa.”

Toinen soveltaminen on valmistettu musicnn -kirjastolla, joka selittää, että se käyttää syviä konvoluutio-neuroverkkoja automaattiseen kappaleiden merkintään. Mallit “saavuttavat parhaat tulokset julkisissa arviointitilastoissa.” Musiikki (kuten muusikko) ja sen parhaat mallit on julkaistu avoimena kirjastona. Projekti on kehitetty Music Technology Group of the Universitat Pompeu Fabra -yksikössä Barcelonassa, Espanjassa.

Analyysissään Jordi Pons käytti musicnn:ää analysoimaan ja merkintään toista ikonista kappaletta, Queenin “Bohemian Rhapsody” -kappaletta. Hän huomasi, että Freddie Mercuryn lauluääni merkintiin naisten äänenä, kun taas sen muut ennusteet olivat melko tarkkoja. Musicnn:n saatavuus avoimena lähdekoodina mahdollistaa täsmennysten tekemisen merkintäprosessiin.

Raportoidessaan tekoälyn käytöstä musiikin striimauspalveluissa Digital Music News toteaa, että “tekoälyn ja koneoppimisen teknologioiden käyttöönotto on parantanut olennaisesti tapaa, jolla kuuntelemme musiikkia. Kiitos nopeiden edistysten tekoäly- ja muihin teknologioihin, näemme todennäköisesti monia tulevaisuuden visioita tulevina vuosina.”