大約在70年以前，創作計算機科學家艾倫·圖靈（Alan Turing）提出了判定人工智能的張歌標準：一臺計算機能夠成功欺騙它的人類談話對象，使其認為它也是曲專人類。

而在這個春天的輯即將面一個下午，巴黎第五區一條安靜街道上的創作 Flow Machines實驗室里，高級研究員Pierre Roy更關心的張歌卻是他的音樂創作AI能否寫出迷人的歌曲。

 “到目前為止，曲專從技術的輯即將面角度來看，沒人知道怎么樣才能創作出一首好聽的創作歌，或講述出一個吸引人的張歌故事，”他說，曲專“現在這是輯即將面AI領域的熱門課題。”

Flow Machines是創作索尼計算機科學實驗室（巴黎）的一個項目，這個項目由歐洲研究委員會提供資金支持。張歌主要是曲專為了開發出一種能創作出吸引人且具有專業水準的歌曲的AI程序，其他企業也有目的相同的項目，比如英國的Jukedeck和谷歌的Magenta項目。

自從圖靈提出了他的測試標準后，流行文化關注的一直是擁有感知能力的AI，對其看法也褒貶不一。然而，現在AI這個詞已經變成了一類軟件的統稱，只要是能夠增強人類智能的軟件都會算在內，這類軟件通常是通過大數據挖掘來發揮作用的。這些軟件已經變得在我們日常生活中隨處可見，例如，我們用Siri尋找最近的墨西哥快餐店，聽Spotify每周為我們推薦的個性化播放列表，或者是讓Facebook在照片上自動標出你和你的朋友。

AI與傳統的數據分析程序不一樣的地方在于，AI能夠利用機器學習算法來進行模式識別，而且能夠在沒有明確編程的情況下進行自主決策。

Flow Machines與這類AI沒什么不同，它并不是一個具有自我意識的機器人，不會因為抒發情感而去寫一首情歌，它只是一套分析了15 000首歌曲的復雜算法。

當這個項目的藝術總監Beno?t Carré想要創作一首新歌的時候，他會設置程序，讓它從數據庫中粗略選擇一些音樂，比如巴薩諾瓦風（bossa nova）的播放列表或是他最喜歡的Charlie Parker的曲調。他利用一種名為馬爾可夫鏈的模型進行分析，確定這些歌曲的模式，然后模仿和變換，最終創造出自己的原創歌曲。

Flow Machines的藝術總監Beno?t Carré

計算機會算出特定的和弦進程、旋律模進和節奏的出現概率，然后根據這些概率生成出新的而且合理的變化形式。

 “我們沒有給機器設定音樂規則或是抽象的音樂知識，”Roy解釋道，“機器只是從數據中學習從而創作出音樂。”

在這一過程中，Flow Machines系統仍需要人類專家的介入。Carré 可能會保留下來自己喜歡的一個8拍小節或是刪除一個休止符，然后一遍一遍地跑程序，直到生成的旋律與和弦進程讓自己滿意。

2016年9月，Flow Machines發布了第一首歌《爸爸的車》，這首歌是一首具有夏天氣息、快活的流行歌曲，根據披頭士（Beatles）的曲調所作。這首歌曲調優美，但抹不去模仿的痕跡，在某種程度上會讓人迷惑，觸發一種對并不存在的記憶的懷念。和這首歌一同發布的是另一首名為是《影子先生》的歌，取材自美國流行金曲集（the Great American Songbook）。

所有風格上的修飾，包括和聲、配器和歌詞都歸功于Carré。目前計算機能夠寫出的曲子仍非常基礎，被錄入數據庫的歌曲只是最基本的形式——僅有和弦標簽和一段旋律的簡化樂譜，計算機也只能依賴這些作曲。Carré負責所有歌曲的后期制作，讓歌曲擁有一些與眾不同的亮點。

這讓Carré擁有很大的權限去完善和制作每個小節，而且對程序所能詮釋和創作的音樂類型施加了限制。

 “這個程序只能制作那些可以用一個簡化樂譜（一種只是粗略的記下結構、和弦、律動、小節的譜子）來表示的音樂類型，”Roy說。“古典音樂是不行的，甚至techno或trance這類電子樂也是不行的。只有那些可以簡化為音符與和弦的歌曲才行，比如西方流行樂。”

這種技術的局限性也引發了問題：當我們被某一段的音樂所打動時，究竟是什么讓我們有這樣的感受？那么我們能否期待機器能夠產生這種感受呢，盡管這種感受對于人類而言是十分基礎的情緒表達？

MIT AI實驗室的創立者，也是該領域先驅的Marvin Minsky認為，人類能從獨立的重復模式中體驗到快感，因為它們能夠讓我們領會和享受時間這個概念。

神經影像技術的進步能夠讓我們更深刻地理解大腦產生這種感覺的原理。麥吉爾大學和羅特曼研究所的神經科學研究者發現，當人們在享受音樂時，大腦與獎賞和激勵相關的部分會亮起。聽到某段能夠讓我們反應強烈的音樂——那些能夠讓我們“顫栗”的曲子時——腦中多巴胺會迅速產生。多巴胺這種 “獎賞”神經遞質通常與性、食物和墜入愛河的愉悅感聯系在一起。

有趣的是，在預期情緒將達到高峰之時，多巴胺就會釋放出來，跟達到高峰時一樣。

作曲家、斯坦福大學音樂教授Jonathan Berger解釋說，我們會對接下來聽到的樂曲有所預期，而當實際上聽到的聲音以某種創造性的方式違背了我們的預期時（可能是作曲家的手筆，也可能是通過演奏者的詮釋），就會讓我們感到異常愉悅。

根據這個邏輯，在理論上AI應該能夠找出人類期望的模式，加入適當的擾亂或延遲，最終創作出最令我們愉悅，讓我們“顫栗”的曲調——不過《爸爸的車》這首歌告訴我們，還有很長一段路要走。

即便Flow Machines創作的歌曲吸引了很多人，但是Berger依然懷疑這個程序能否產生真正的藝術。

他說，除了模式重復及其變化，“音樂，至少偉大的音樂是多層次的，在多個時間尺度上展開。模式復制通常缺乏構成藝術重要方面的那種宏大的背景。

Flow Machines的團隊反駁說，這并不是重點。他們認為自己的機器并不是用來替代藝術家的，而是一種增強人類創造力的工具。他們希望能全新的方向上運用這種工具。

 “真正好的音樂是聽起來獨一無二的，包括Beno?t之前所做的音樂，”Roy所說的歌曲正是之前那首在實驗室制作的歌。

Flow Machines將在年底之前發布整張專輯——第一次由AI作曲的專輯。在這張專輯的制作過程中邀請了很多藝術家參與，包括Ash Workman、英國合成流行樂樂隊NZCA Lines和電音組合Darkstar。

Carré希望能夠混合不同的音樂風格，但要在同一個概念主題之下把它們結合在一起。這張專輯的主題來源于Hans Christian Anderson的黑暗童話，這個童話講的是一個作家丟失了自己的影子，然后又重新發現了它。

他說：“這個故事像是一面鏡子，一出關于身份的戲，與我們現在做的事情放在一起看，很有趣。”他又補充道，在這個過程中同時可以實現他的一個目標：讓AI創造出風格多樣的音樂。

 “這個故事中的影子一直在旅行，走得路越多，也就變得越像一個生命，”Carré說。

值得一提的是，這個童話故事結局是，影子變得邪惡，與那名作家對調了位置，并殺死了他。或許邪惡的AI也是這樣伴隨著我們的。

Ed Newton-Rex是倫敦Jukedeck公司的創始人，這家公司負責為視頻訂制配樂音軌。Newton-Rex說，他創辦這家公司的目的，在一定程度上就是想要讓更多的人接觸這個曾經只有少數精英參與的行業——至少在Newton-Rex自己接受專業訓練的傳統世界里是這樣。

 “21年間我除了音樂什么都沒做，在劍橋學習音樂之后中規中矩地成為一名古典音樂作曲家，”他說。“這其實也是一種民主化的體現，一旦計算機可以作曲，就能讓那些并沒有接受過大量音樂訓練的人作曲，讓他們參與到音樂創作的過程中來。”

但是不像Flow Machines，Jukedeck開始嘗試讓AI掌握創作歌曲的全部環節，包括讓計算機將所做曲子合成一個完整的音軌。這項技術仍在發展的初期，但是Newton-Rex認為計算機總有一天能夠完成一個飛躍，從模仿到真正具有創造力的藝術。

 “即使是最具開拓性的創新，也是建立在一些已有的模型或是之前的經驗上，”他指出，“說了這么多，要回答計算機是否已經擁有了創造力，首先要定義什么是創造力。而創造力是什么，如何發揮作用，我們對此還沒有達成共識。”

Jukedeck公司采用的技術與Flow Machines的有所不同，他們用的是模仿人類大腦的神經網絡。與馬爾克夫鏈的模型相比，這種技術需要更多的數據來進行訓練，但是一旦學習完成，功能也將更加強大。

Roy和Carré直率地承認他們創造的東西在某種程度上超出了他們的掌控，但是這也正是令人興奮的地方。

 “像饒舌或是迪斯科，某種新技術往往會催生出一種新的音樂風格，”Carré說。他指了指放在鍵盤、耳機和咖啡杯之間的Akai取樣器，從20世紀80年代開始，Akai公司的產品讓藝術家們能夠在hip-hop風格的歌曲中使用古典音樂的音軌，并且可以在不用真正的鼓的情況下去制造擊打樂。

 “剛開始很多人會擔心鋼琴家和鼓手會被取代，但是這種事情并沒有發生，”Carré補充道，“去發現如何利用新技術做更有趣的事情，這才是人類啊。”

撰文 Lucy Jordan

翻譯 撖靜宜

審校 韓晶晶

原文鏈接：