Penggunaan Kecerdasan Buatan dalam Musik Semakin Canggih

Penerapan kecerdasan buatan dalam musik telah meningkat selama beberapa tahun terakhir.  Seperti yang dijelaskan oleh Kumba Sennaar, tiga aplikasi saat ini dari kecerdasan buatan dalam industri musik terletak pada komposisi musik, streaming musik, dan monitisasi musik di mana platform kecerdasan buatan membantu seniman memonetisasi konten musik mereka berdasarkan data dari aktivitas pengguna.

Semuanya dimulai jauh kembali pada tahun 1957 ketika Learn Hiller dan Leonard Issacson memprogram Illiac I untuk menghasilkan “Illiac Suite for String Quartet”, karya pertama yang sepenuhnya ditulis oleh kecerdasan buatan, kemudian, 60 tahun kemudian, berubah menjadi album lengkap seperti album Taryn Southern yang diproduksi oleh Amper Music pada tahun 2017. Saat ini, Southern memiliki lebih dari 452 ribu pelanggan di YouTube dan “Lovesick” sebuah lagu dari album tersebut telah didengar dan dilihat oleh lebih dari 45.000 pemirsa.

Namun sejak itu, penerapan kecerdasan buatan dalam bidang ini telah menjadi lebih canggih dan berkembang lebih jauh. Open AI telah menciptakan MuseNet, seperti yang dijelaskan oleh perusahaan, “sebuah jaringan neural dalam yang dapat menghasilkan komposisi musik 4-menit dengan 10 instrumen yang berbeda dan dapat menggabungkan gaya dari country hingga Mozart hingga The Beatles. MuseNet tidak secara eksplisit diprogram dengan pemahaman kita tentang musik, tetapi malah menemukan pola harmoni, irama, dan gaya dengan mempelajari untuk memprediksi token berikutnya dalam ratusan ribu file MIDI. MuseNet menggunakan teknologi umum yang sama dengan GPT-2, sebuah model transformer skala besar yang dilatih untuk memprediksi token berikutnya dalam sebuah urutan, apakah audio atau teks.”

Di sisi lain, seperti yang dilaporkan oleh GeekWire, antara lain, Dr. Mick Grierson, ilmuwan komputer dan musisi dari Goldsmiths, Universitas London baru-baru ini diminta oleh pabrikan mobil Italia Fiat untuk menghasilkan daftar 50 lagu pop paling ikonik menggunakan algoritma. Perangkat lunak analitisnya digunakan untuk “menentukan apa yang membuat lagu-lagu tersebut layak, termasuk kunci, jumlah ketukan per menit, variasi akord, konten lirik, variasi timbral, dan variasi sonik.”

Menurut hasilnya, lagu yang memiliki campuran terbaik dari parameter yang ditetapkan adalah “Smells Like Teen Spirit” dari Nirvana, di atas “One” dari U2 dan “Imagine” dari John Lennon. Lagu Nirvana kemudian digunakan oleh FIAT untuk mempromosikan model baru FIAT 500. Grierson menjelaskan bahwa algoritma menunjukkan bahwa, ‘suara-suara yang digunakan dalam lagu-lagu ini dan cara mereka digabungkan sangat unik dalam setiap kasus.’

Aplikasi lain disiapkan oleh musicnn library, yang seperti yang dijelaskan, menggunakan jaringan neural konvolusi dalam untuk secara otomatis menandai lagu. Model “yang termasuk mencapai skor terbaik dalam evaluasi benchmark publik.” musik (seperti musisi) dan model terbaiknya telah dirilis sebagai perpustakaan sumber terbuka. Proyek ini dikembangkan oleh Music Technology Group of the Universitat Pompeu Fabra, yang terletak di Barcelona, Spanyol.

Dalam analisisnya tentang aplikasi, Jordi Pons menggunakan musicnn untuk menganalisis dan menandai lagu ikonik lain, “Bohemian Rhapsody” dari Queen. Ia memperhatikan bahwa suara vokal Freddie Mercury ditandai sebagai suara perempuan, sementara prediksi lainnya cukup akurat. Membuat musicnn tersedia sebagai sumber terbuka memungkinkan untuk lebih memperbaiki proses penandaan.

Dalam melaporkan penggunaan kecerdasan buatan dalam streaming musik, Digital Music News menyimpulkan bahwa “pengenalan teknologi kecerdasan buatan dan pembelajaran mesin telah sangat memperbaiki cara kita mendengarkan musik. Berkat kemajuan cepat dalam kecerdasan buatan dan teknologi serupa, kita kemungkinan akan melihat banyak perbaikan futuristik dalam beberapa tahun mendatang.”