为什么谷歌的AI能写出美妙的音乐,却还不会讲笑话?

新知榜官方账号

2023-09-23 22:36:36

Douglas Eck花了大约15年时间研究人工智能和音乐,他现在是谷歌大脑团队的一名研究科学家,领导Magenta——谷歌的开源研究项目,旨在通过机器学习来创作艺术和音乐。

人工智能创作艺术并不是什么新鲜事,谷歌的做法有什么独特之处呢?Magenta与深层神经网络和循环神经网络以及其他类型的机器学习有关。很多Magenta项目都集中在音乐上。为什么人工智能对音乐的创作和发展有好处?

Magenta的研究范围一直都与艺术相关,无论是讲故事,音乐,叙述,还是图像。Magenta试图理解如何将AI当作创意工具使用,但必须从一个具体的方向开始。如果能在像音乐这样复杂的事情上取得了重大进展,对我们来说非常重要。那么下一步就是能够像音乐一样,把其中的一些内容映射到其他领域。

我们正在探索让机器学习模型来学习架构的方向。我们现在做的是想让和弦、甚至和弦的符号发生变化,并学习如何利用这些和弦变化。最终的目标是开发出一种端到端模型,可以自行计算出所有层次的结构。

Magenta还使用了Sketch-RNN技术来绘画猫图,但这些数据是有限制的。Sketch-RNN的负责人David Ha训练了一个周期性神经网络模型来学习如何复刻这些绘画。但这个模型不够强大,不足以记住整幅画。因为它无法记住它所看到的所有笔画,所以它的工作就是复刻大量的猫或其他的东西。在整个过程中,它被迫学习数百万张猫图像中的共同特征是什么。所以当你玩这个模型的时候,你可以要求它凭空画出新的关于猫的图像。

然而,Magenta还不能讲好一个笑话。人们很容易就能理解到其中的笑点,但在机器看来这就是一句普通的句子。我们研究了一些特殊的机器学习模型,它们可以产生这些所谓的真矢量,来理解句子中语义的变化,然后,我们就能获得不同的效果吗?这个项目还在探索中。

最终,我们想要试着通过音乐让人工智能理解更多的长期结构,并尝试去研究另一个有趣的问题:我们能从听众(受众)、而不是从艺术家的反馈中学习吗?我们想要达到的效果是,让机器学习模型和艺术家一样,通过不同方面的反馈进行学习。我们还可以通过强化学习来设置这些参数,我们也在研究这个问题。

本页网址:https://www.xinzhibang.net/article_detail-13243.html

寻求报道,请 点击这里 微信扫码咨询

关键词

AI 音乐 深层神经网络 循环神经网络 机器学习 Magenta

分享至微信: 微信扫码阅读

相关工具

相关文章

相关快讯