人工智能作曲发展的现状探讨

毛 康 林 勇

(韩国全北国立大学，江苏 淮安 223000)

近年来，随着人工智能的发展，其在音乐等诸多领域都得到了广泛应用，在音乐界掀起一股“AI”潮流，受到了越来越多社会大众的关注，同时也成为了许多音乐宣传中重点宣传的一种时髦元素。AI技术在音乐作曲中的应用，可以进一步推动音乐产业的商业化进程，在节省人力成本的基础上，可以提升音乐创作效率，增加音乐效果的新奇特征。可以预见，在“互联网+”时代背景下，人工智能作曲系统融入艺术表演和教育都能够领域是必然的发展趋势。

一、人工智能作曲发展的意义

在人工智能技术快速发展的背景下，人工智能技术在医疗、教育、娱乐等众多领域都得到了广泛推广和应用，同时社会大众对于人工智能的需求也呈现出不断增加的变化趋势。可以说，人工智能是未来人类需要重点发展的一个具有战略性意义的科学技术。通过将实体经济和人工智能技术进行有效结合，有助于为社会经济发展提供一个新路径。与此同时，快速发展的社会使得大众对智能产品提出了越来越高的要求，除了具有智能化要求外，还要求它们具备情感特性，即可以对人类的想法、意图与情感等进行准确识别，力求可以为人类提供更高质量的服务。音乐作为人类表达情感的一个重要形式，相应的音乐情感也是一种无法进行量化处理的人类情感，尤其是伴随着音乐旋律的改变，相应的情感也会发生丰富变化趋势。基于人工的技术或方法来使及其对乐音或光学乐谱进行快速识别，配合推理和优化音乐情感模型，可以直接使机器获得表达人类音乐情感的一种模式，最终可以实现和用户之间开展音乐协同创作的目标，如可以提供人工智能作曲等相关服务，这对于促进人工智能发展和音乐产业的商业化均具有重要的研究价值和实践应用价值。

二、人工智能作曲发展的现状

(一)人工智能作曲的发展历程

纵观人工智能作曲发展历程，可知其最早主要表现为算法作曲，之后才发展到人工智能作曲阶段。在上世纪五十年代中期，计算机算法作曲得以诞生，同期也提出了人工智能这个概念，但是由于当时的计算机价格非常昂贵，且运算速率比较慢，操作起来非常复杂，所以在很多年之后算法作曲才开始向人工智能作曲方向转变。比如，最早的计算机算法作曲主要为《伊利亚克组曲》(Lejaren Hiller，1956年)。然后之后Alpern于1995年开发了EMI作曲系统，其可以以拼接的方式来对那些已经去世的作曲家的作品进行创造。比如，基于该系统的应用，实现了类似莫扎特和巴赫等已故作曲家音乐作品的再现。随后Georg Boenn等人于2010年开发了Anton作曲系统，采用了答案集编程的方式来进行作曲，这种算法在作曲领域产生了一个相对较大的革新，可以实现对人为作曲错误之处的自动识别。自进入到21世纪后，学术界开始高度重视算法作曲，并对其进行了全面而深入地研究，如费尔南德斯于2013年提出算法作曲系统发展可以推动人类音乐作曲进入一个新纪元，这预示着人工智能作曲研究已经步入到了一个全新的阶段。而当下国外许多人工智能研究公司开始深入研究人工智能作曲系统，并且由它们所创作的音乐作品甚至可以达到“以假乱真”的地步。比如，《Beyond the Fence》(2016年)这个由算法创作的音乐剧在伦敦上演后受到了很高的评价，随后同年又诞生了《Daddy’s Car》和《I am AI》等许多人工智能歌曲，且这些人工智能创作作品和人类创作的作品基本保持一致。但是当下我国人工智能创作领域还处于初级探索阶段，平安科技、百度等一些公司也都相继开发出AI作曲系统或者相应的音乐作品，但是这些人工智能作曲的研究成果还无法构成一个系统的体系，相应的人工智能作品的可听性也有待提高。

(二)人工智能作曲发展中的常用算法

当下人工智能作曲和深度学习之间的融合日益密切，并开始朝向多元化方向发展。当下人工智能作曲中常用的算法主要包括如下几类：其一，遗传算法。遗传算法是一个基于适应性函数来对样本进行演化的全局优化算法，其中涉及到的变异算子可以对人创作中的灵感闪现情况进行有效地模拟。对于该算法而言，其核心是要科学地设计适应性函数，但是当下国内外就其具体的应用标准还没有形成一致。比如，Gen Jam系统(Biles，1994年)就是一种采用遗传算法所构成的即兴演奏系统，可以由机器和人实现互演爵士乐的目标。其二，人工神经网络。人工神经网络是一种对生物神经的网络行为特征进行模仿，开展分布式并行信息处理的算法数学模型。当下国内外有许多机遇该种算法所形成的人工智能作曲系统，如LSTM神经网络(Istituto，2010年)就是基于人工神经网络锁形成的一种人工智能作曲系统，可以确保所创作音乐的完整性。其三，马尔科夫链。该算法本着上属于一种随机过程，在算法作曲领域拥有广泛应用空间，最早可以追溯到上世纪九十年代初期。比如，Kohonen在1989年提出了一种基于马尔科夫链所形成的扩展模型，使其所构成的作曲方法得到了有效改善，提高了音乐创作的效果。其四，混合型算法。该种算法就是对许多种不同的算法进行有效结合，最终实现多种不同算法优势互补，提升整体算法应用效果的目标。当下国内外就随机过程和其他算法结合方面的内容进行了大量尝试，如借助遗传算法与人工神经网络这两种算法的结合来提升人工智能作曲创作的效果。

三、人工智能作曲发展的趋势

(一)侧重于多算法组合优化的发展方向

通过上述对当下人工智能作曲发展中涉及到的算法进行分析，可知当下关于人工智能作曲计算的方法种类比较多，它们的优势与不足具有不同的表现，所以为了更好地促进人工智能作曲发展，就要注意促使智能作曲算法朝着多元化混合算法方向发展。考虑到当下的人工智能作曲背景下所诞生的音乐作品体系与风格较为单一，可听性也不是很强，所以为了在未来一段时间更好地促进人工智能作曲发展，就必须要侧重多算法组合优化方向发展，具体就是在混合应用多种智能作曲算法期间，对各种算法的优势和不足进行深入分析，力求可以在组合运用它们的过程中有效发挥它们各自的优势，回避自己的不足之处，这样可以更好地丰富人工智能作曲的音乐作品体裁和风格，增强其可听性。

(二)侧重于多源音乐情感的识别与优化

近年来，随着AI技术的发展，其在在音乐作曲中得到了广泛应用，可以在节省人力成本的基础上，可以提升音乐创作效率，增加音乐效果的新奇特征，这对于推动我国音乐产业的商业化进程会产生积极影响。但是为了确保AI技术的顺利渗透，需要强化其在识别和优化多源音乐情感方面的积极作用。当下流行的人工智能作曲系统整体智能化水平不高，其中大部分智能作曲系统是基于内置MIDI音乐信号来开展机器学习与创作，尤其是其中缺乏人类识别情感的部分以及拟人化的音乐创作思维，进而影响了最终所创作作品的可听性。比如，机器仅仅通过获取人机交互系统中表层信息的指令，被动地去执行相应的用户指令，缺乏情感识别过程。基此，在未来的人工智能作曲发展期间，要注意有效地运用机器听觉和视觉等多渠道的信息融合来对人类音乐情感的音频表达体系和铺面等进行准确识别，再配合深度学习的智能规划安排来提升整体系统的应用效果，这也势必会成为人工智能作曲系统在未来构建中至关重要的一个技术基础。

(三)侧重于民族音乐人工智能作曲系统

我国是一个由多民族构成的国家，不同民族在漫长的发展历程中形成了自身特有的音乐，最终构成了我国丰富的民族音乐资源，这些都可以成为我国发展人工智能作曲系统或者开展机器深度学习的重要音乐素材宝库。当下国外一些国家在研发人工智能作曲方面表现的异常活跃，研发出许多专门的成果，但是国内相关方面的研究却非常有限。基此，在我国未来发展人工智能作曲系统的过程中，可以有效地借鉴和运用国外的一些人工智能作曲技术等成果，将其用在分析和创作中国特色民族音乐当中，最终可以构建出一个具有中国特色的民族音乐智能作曲系统，这不仅有助于促进我国人工智能作曲系统发展，同样有助于对我国传统的民族音乐进行更好地传承与发展，一举多得。

(四)侧重于机器人与人工智能作曲结合

在当下信息技术迅猛发展的今天，人工智能这个概念已经不再那么科幻，不再那么神秘，并且已经在音乐领域得到了深入应用。通过将音乐创作和人工智能进行有效结合，可以实现人工智能作曲的目标，这对于推动音乐产业商业化进程具有重要意义。在人工智能作曲发展期间，离不开必要的机器人作为系统应用的重要载体。伴随着机器人学的迅猛发展，音乐机器人是发展人工智能作曲过程中最佳的载体。在综合考虑国内外音乐机器人的相关研究成果的基础上，可以实现情感计算下的音乐机器人智能作曲或者在情感计算技术支撑下的机器人和人的协同演奏，这均是未来一段时间该领域研究的一个重要路径。如此一来，通过有效地结合机器人和人工智能作曲，可以为人际交互系统注入主动服务模式和情感计算的新方法与新思路，从而可以推动音乐机器人向情感化和智能化方向发展，时期能够可以在对音乐情感进行识别和感知的同时，主动性去完成协同演奏或者智能作曲等任务，借此来进一步消除机器人与人之间存在的交互障碍，从而可以促进人工智能作曲发展到一个全新的高度。

总之，考虑到当下的人工智能作曲需求不断增加，有必要对人工智能作曲进行深入研究，但是为了更好地促进人工智能作曲发展，需要立足于当下人工智能作曲发展现状，需要明确未来的发展方向，具体可以侧重于多算法组合优化的发展方向、多源音乐情感的识别与优化、民族音乐人工智能作曲系统、机器人与人工智能作曲结合等方面，确保可以有效地促进人工智能作曲发展，使其在音乐领域更好地发光、发热。