跳到主要內容區塊

融合藝術和科技的音樂之旅

  • 次標題:生成式音樂AI的魅力
  • 文:林宜徵
  • 圖:達志影像/Shutterstock
  • 點擊數:131
演算法成為音樂生成式AI的重要基礎。
簡介

音樂AI領域中,生成式音樂AI是一項令人著迷的技術。生成式音樂AI是一類人工智慧應用,它使用演算法等AI技術,可以讓電腦自動生成音樂作品,包括音樂片段、旋律或和弦。這些AI系統可以透過分析現有的音樂作品,學習音樂的元素,然後創建全新的音樂作品,或者根據給定的參數和規則生成音樂。

生成式音樂AI代表了將音樂創作推向全新境界的可能性,並在藝術和科學交匯處開啟了令人振奮的探索之旅,讓我們一同踏上這場融合藝術和科技的音樂旅途,探索音樂AI的魅力。


生成式音樂AI的歷史起源與演算法

許多人以為最近生成式AI發展必定對音樂產生突然的影響,殊不知,其實生成式音樂AI的起源可以追溯到上世紀歐洲學院派的古典音樂,其中一位傑出的作曲家就是音樂史總會提到的法籍希臘傑出作曲家、建築師Iannis Xenakis。

Iannis Xenakis擅長將數學和統計學應用於音樂創作,並開發了獨特的演算法,而這些演算法成為了音樂生成式AI的重要基礎,特別是他對馬可夫鏈演算法在音樂生成上的探索。

以Iannis Xenakis的作品〈Pithoprakta(1956-1957) 〉為例,他在其中使用了隨機性和統計分析,特別是常態分布的機率。作品〈Analogique(1958-59)〉中,他使用馬可夫鏈演算。馬可夫鏈做為生成式AI音樂的演算法,自此開始發展並趨向成熟。

除了Iannis Xenakis,另一位音樂生成式AI領域的重要先驅是美國資訊科學家 David Cope。David Cope是,透過自然語言處理方式 ,他的作品〈Mazurka (After Chopin)(1994) 〉堪稱生成式音樂AI的傑作。


啟發傳統音樂藝術的新境界

音樂創作的過程一直以來都是作曲家和理論家的心靈交響曲,然而,生成式AI在音樂創作和人類思維之間的互動,也開啟了一場深刻的對話,這話題很少被討論,因為音樂AI開發者通常來自資訊科學領域,較少有機會融合創作家的視角。因此筆者認為在自身的專業背景上同時為理論作曲和􀀢􀀪工具開發,正好可以提出一些不同的觀點。

在筆者的音樂創作之旅中,深受傳統音樂理論的啟發,同時也投身於開發音樂AI工具的探索,曾開發了一個十六世紀對位法音樂生成工具和一個四部和聲產生器,這個過程不僅是技術的挑戰,更是一次重新思考傳統音樂理論的深刻旅程。

以前在國外讀書時,外國的同學經常會提問,既然有這麼多規則,電腦是否可以輕鬆生成音樂?但筆者開發工具的過程中發現,給予機器這些規則並不足以創造出真正優美的作品,因為人類本身就有內在傾向不會碰觸太過隨機的可能性,反而是以「單純」的模仿作為初始,之後才進入「變化」的學習。

而電腦學習過程正好相反,電腦的初始是以隨機作為基礎,最後才透過「學習」,習得「規範後」或「具有限制條件」的機率。這也正好可以說明,為什麼對人類而言越需要隨機的美感是需要努力去學習的(例如學習無調性音樂)。

這也就是為什麼,電腦可以透過機率控制很輕易的創作出無調的當代音樂,如Xenakis的作品,並具有美感,但對人類學生而言,需要很多時間的訓練。反之,要讓電腦創作相對局限性較高的調性音樂,若不採用規則性演算,只給予電腦樂譜資料,電腦很難學習到「正確」的音樂創作技巧;而給予規則性演算,則容易創意或變化性不足。這也就是資訊科學家一直非常希望電腦能透過優秀的演算法,找到正確的機率分布,而這樣的機率可能是貝多芬或是巴赫音樂的創作手法的機率分布等。

此外,若以十六世紀的對位法理論或和聲學理論而言,對於美感要求的規則非常多,但這些規則又會具有互相包含或是和聲法則上有例外和矛盾的狀況,因此很多學生必須反覆背誦各種規則和特例,常常不同老師給予的和聲法則也有所差異。然而當我們把所有規則或特例丟給電腦時,常常會發現,這些法則,原來也有矛盾相牴觸的狀況,或是某個主要規則本身已經包含其他的子規則。然而其實很多和聲和對位法法則真的不用背誦這麼多規則,反而只要抓緊某些主要法則(例如避開平行八五度、隱伏八度五度狀況下的正確選擇),便足以避開與其他次要法則的犯規情形。

因此若要給予規則式演算,必須從許多規則中找到這些規則的從屬關係,甚至為了運算速度,需要找到好的數學模型來描述這些法則,使得筆者需要以計算機科學、統計學等的角度、重新審視傳統的音樂理論。而筆者認為,當越來越多人從事這樣的研究,可能為音樂理論的未來提供全新的詮釋和分析方法、甚至更優雅(或更科學)的紀錄音樂理論方式,也因此可以更無偏見的審視音樂。

音樂AI不僅是一個科技驅動的領域,它也是一個革命性的藝術運動。通過AI,可以窺探音樂創作的新可能性,挖掘人類創造力的深層次。相信未來,音樂􀀢􀀪將繼續催生出令人驚艷的作品,並豐富我們的音樂體驗。讓我們共同期待,聆聽這場科技和藝術的交響樂。


註1: Gibson, Benoît. "The Use of Stochastic Distributions in the Instrumental Works of Iannis Xenakis - Between Chance and Intuition." Paper presented at the conference "Xenakis 2022," May 24-29, 2022, University of Athens, Greece. Accessed October 11, 2023. https://dspace.uevora.pt/rdpc/bitstream/10174/34491/1/GIBSON%2C%20Beno%C3%AEt.%20%282022%29.%20The%20Use%20of%20Stochastic%20Distributions%20in%20the%20Instrumental%20Works%20of%20Iannis%20Xenakis%20-%20Between%20Chance%20and%20Intuition.pdf

註2: Ames, Charles. “The Markov Process as a Compositional Model: A Survey and Tutorial.” Leonardo 22, no. 2 (1989): 175‒87. https://doi.org/10.2307/1575226

註3: Hagan, Kerry. "Genetic Analysis of Xenakis’ Analogique B." Published by EMS: Electroacoustic Music Studies Network, Montréal, 2005. Accessed October 11, 2023. http://www.ems-network.org/IMG/EMS2005-Hagan.pdf

註4: Cope, David. “Computer Modeling of Musical Intelligence in EMI.” Computer Music Journal 16, no. 2 (1992): 69‒83. https://doi.org/10.2307/3680717

註5: David Cope(2015/2/7)。〈Mazurka (after Chopin)〉。https://www.youtube.com/watch?v=cMA9QgUq0w8