宁波网站建设工作,湛江网站建设公司哪个好,自己做卖东西的网站,企业形象设计的意义引言#xff1a;AI在创造还是毁掉音乐#xff1f;
正如当初 midjourney 和 StableDiffusion 在绘画圈掀起的风波一样#xff0c;suno 和 各大音乐大模型的来临#xff0c;其实早该来了。
AI 在毁掉绘画#xff1f;或者毁掉音乐#xff1f;
没错#xff0c;但也错了。…引言AI在创造还是毁掉音乐
正如当初 midjourney 和 StableDiffusion 在绘画圈掀起的风波一样suno 和 各大音乐大模型的来临其实早该来了。
AI 在毁掉绘画或者毁掉音乐
没错但也错了。至于理由稍稍有些复杂。也许我们的想法略有不同。
我将从社会、商业、艺术形式、人工智能技术、深度学习原理及其思辨等多个角度结合我作为音乐人、艺术爱好者和技术工作者的角色对音乐和AI发展的个人见解来议论这个话题。
写得略深懒得配图… 如果不想动脑可以关掉了。
// 免责声明本篇博客纯属个人娱乐见解不代表任何权威观点仅供参考。// 一、AI 音乐艺术大模型能真正创新吗
先说答案看似能理解深度学习的原理后能但不完全能。
1.你的神经网络孩子是如何创作的概念说明神经网络、数据集、拟合、学习训练原理
无论是绘画、文字还是音频深度学习需要把 已经存在的内容也就是其他人画好的画、写好的小说、创作好的音乐 输入给神经网络通过指定的一些算法进行学习。
你可以这样理解在神经网络被初创的时候它只是一个什么都不会的婴儿 —— 具有学习的能力但目前还什么都没学。
所以说你需要教他让他学习你想要让他学习的内容这样在它学会了之后才能为你服务。
你给神经网络喂乌龟的图片它就能够学习乌龟是什么样子的之后它就能生成出乌龟来。这相当于你给这个“神经网络孩子”报了个绘画补习班补习班的内容就是学习画各种各样的乌龟。当它学成了之后它也只能画乌龟而不能创作模仿德彪西的钢琴曲写出个《月光》来。
一切神经网络所掌握的内容都来源于它所学习的内容数据集。
所以看似它能相对而言进行 假的 “创新”然而在实际上这是一种 真的 “模仿”。 模仿的过程我们称之为 “拟合” 也就是通过持续不断地迭代学习来学着概括它所学习的内容的普遍形式一种 “特征”。这里我们要引出两个概念过拟合、欠拟合。
概念一过拟合 过拟合的意思是它太过于接近反而导致了它会直接生成出和他所学的内容一模一样的东西。比如说你把贝多芬创作的所有钢琴曲都让这个神经网络进行学习。 它学习了很久你本来希望的是它能模仿贝多芬的风格进行创作然而它 过拟合 了它创作出来的内容就是贝多芬的原曲变都没变这只是极端的过拟合情况正常的过拟合情况是会和原曲很像。如此一来它失去了 “创新” 的能力。
概念二欠拟合 很简单欠拟合就是你可怜的神经网络孩子在补习班里没学会贝多芬的风格你叫它生成出来贝多芬风格的音乐给你听的时候它生成出了一堆噪音笑。 导致这种现象的原因主要是因为1.你没给这个神经网络孩子足够的时间来学习迭代次数少2.你没告诉它正确的学习方法算法选用不合适、训练参数不正确。 第二种情况比第一种严重得多如果这个神经网络孩子是聪明的方法也对那么我们只需要时间来让它学习然而当它被设置了错误的算法和参数后天生是个傻子你无论让它学习多久它也无法学会损失函数无法很好地收敛。
2.为何是 “模仿”难道真的不能 “创新”
搞清楚了深度学习的原理后请仔细思考我下面的这段话它是关于 AI 能否创新的核心内容
你并没有在创造一个 “贝多芬的艺术作品”你在创造的是一个尽可能接近于 真实贝多芬 的 “赛博贝多芬” —— 它能为你带来量产的贝多芬风格作品快速、高效地生成 —— 比贝多芬写得快但如果贝多芬还活着他有能力创作出更多的风格的音乐而你的神经网络孩子却无法这样做。
原因只有一个当你把真实的贝多芬看做一个生物神经网络时他学习的数据集是 无限的 广阔的世界而你的神经网络孩子学习的数据集是真实贝多芬创作出来的 有限的 音乐作品。
能不能人为地制造 “无限” 呢
可以但不完全可以。
方法是为数据集的内容添加 随机噪声random noise或者在选取数据集的时候就人为筛选“美感”较为强烈的内容与 StableDiffusion 较为类似的一个新的模型 Playground-v2 就是这样做的
尽管这种方法从理论上实现了 “无限”可实际的效果却不那么尽如人意。
就当前的技术手段来讲神经网络可以学习“风格”而对于形而上的“美感”的学习的能力却十分有限。虽然两者都很抽象但后者明显更难被把控。一方面是我们在哲学上对于美感的解释并未得到一个大统一再者是已有的解释也没能被量化。
如果想要更进一步也许将来的某一天“美感”这种不明确的学习目标可以被解释成学习参数再通过某种形式变为具体的网络训练参考或具体算法。 二、神经网络孩子你动了谁的奶酪
1.AI 音乐大模型为何存在意义在哪儿
它的存在主要原因只有一点商业化。说白点儿搞钱。 次要原因有趣好玩、降低音乐创作门槛、科研、技术发展自然推动其实说白了所有次要原因的最终指向还是出于市场角度考虑。除了真正热爱 AI 和 音乐的人把它当成玩物 图片为现在登顶第一的音乐生成大模型 suno
2.为何近年来大家如此厌恶各类大模型
是因为 AI 画出来的东西真的很难看吗
AI 画出来的东西碾压了绝大部分中小画师这是不争的事实。至于大画师受到的影响几乎为零。音乐方面亦复如是。
大家讨厌的原因无非集中于两个主要点没灵魂、抢我饭碗
讨厌点一没灵魂 艺术创作是有目的性的、旨在使用一种抽象的偏感性和形而上的方式来表达个人情感、见解或其他内容的社会意识形态、一种“链接” —— 一种带有浓厚个人色彩的、目的却是尝试对外界进行输出或沟通的表现形式下面的板块会详谈。 然而AI省略了情感和思考用冷冰冰的一个又一个带着权重的神经网络节点把艺术作品克隆出来了。 这不得不让人感到愤怒和抵触如果严重一点说这是对人类意识形态和情感的一种挑衅行为。
讨厌点二抢我饭碗 断人财路如srfm讨厌也正常。
3.所以 AI 到底是在创造音乐还是毁灭音乐包括绘画
我觉得两者都有。
创造音乐 今年3月份杭州第一个AI绘画模型维权成功理由是“在使用AI的过程中进行了头脑劳动”之类的。其实很公平就是这样的。 社会的发展必然会导致这样的结果就好像当初工人砸掉织布的机器一样如今又上演。 不过这一次为何不当一回制造机器的人呢笑。 如果按照艺术的角度上来说如果把一首歌的全部部分都交给AI你的作品的创造性是十分有限的我们在解释深度学习的原理的时候就已经说明过这个问题了。 正确的用法应该是AI为音乐人提供思路和旋律走向、和弦编排而音乐人是那个“审阅人”找出自己觉得好的内容然后使用并优化。 在这个过程中音乐人关键的付出是“审美”和对于音乐宿主软件你可以把宿主软件理解为集成开发环境的操作以及一些细节调整和整体把控。这样人机共同创作歌曲才是最优解。
毁掉音乐 其实相比于画师音乐人受到的影响并没有多大甚至说没什么影响。 因为音乐创作的感性点更多很多时候要不按常理出牌这正好是 AI 不擅长的内容。 如果你要创作口水歌那么无疑AI 现在就已经能把你淘汰了 —— AI 最擅长口水歌。因为当今乐坛大部分都是口水歌 如此的压力下中低水平的画师和音乐人就要另谋出路将来选择进入这个行业的人也会越来越少。 所以你看AI 毁掉的不是音乐而是音乐创作的生态圈。到此为止吧。 三、对于艺术的思考附加篇
1.什么是艺术
无论是美术还是音乐它们都是艺术的一种形态。
然而无论是度娘还是google在我们去搜索关于艺术的定义时会发现始终没有一个一锤定音的答案。最好的结果你能找到各大搜索引擎和稠人广众的洋洋洒洒。那不妨鄙人也于百舌之声中抛砖引玉浅谈拙见。
且不论艺术之历史只谈它的表现形式。
艺术创作大多是有目的性的它旨在使用一种抽象的、偏感性和形而上的方式来表达个人情感、见解或其他内容。如果你仔细观察便不难发现它是一种“链接” —— 一种带有浓厚个人色彩的、目的却是尝试对外界进行输出或沟通的表现形式。
艺术作品的好与坏评论者的身份是决定性的。我们也许可以从两个角色的角度来将它们大体划分然后再进行细分。
2.艺术的受众
第一部分大众之声 如今艺术作品最大的欣赏群体是大众。相比于专业人士的角色视角大众对于艺术作品的审视和判断是不容忽视的。在过去的这些年里我一直对于网络小说和量产口水歌有一定的偏见。 然而近些年我改变了自己的观点。因为它的存在是能为大部分人带来实打实的欣赏价值的。 而大部分的对此类艺术作品的评价来源于它是否能够勾起大部分人对于此作品的朴素美感认同而非专业性和高级审美上的认同。
第二部分专业人士 专业人士在自己擅长的艺术形式上的鉴赏是苛刻的。比如对于一首流行歌曲在大众听来或许不会在意其作曲旋律走向是否经过和声学的精心编排编曲配器有多少又是如何相互配合效果器用了哪些歌曲的结构是怎样的缩混母带做没做好等等。只大家觉得 “好听”这就够了。 然而在研究音乐的人耳朵里这首歌曲在被欣赏时就已经被肢解得支离破碎了。美术、摄影等艺术创作形式也是一样构图、色彩等等都会被肢解。 我在读大学的时候开过一家猫舍对于各种品种猫从最开始觉得“这只猫好看”、“这只猫难看”到后来的我看到一只猫我已经无法分清它是否好看了。我能看到的只有一个标签上面写着这只猫从品相分析和当前行情的角度上分析得来的市场价格。
