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