让机器“看图谱曲” 百度意欲何为？

　　许多年之前，在一次讲座中，人工智能先驱侯世达为台下音乐专业的师生播放了两首作品：一首来自肖邦，一首来自机器创作的“伪肖邦”，并让他们判断哪首是真肖邦，他们受过专业音乐训练，但多数人选择了后者。

　　这算是图灵测试在音乐领域的镜像。直觉上看，音乐与计算分列认知体系的两极，前者关乎感性甚至灵性，后者则被多数人归为“死理性派”，窥不见半点美感，但必须承认，倘若打穿知识边界，在更本质的意义上，音乐与计算共享同一套底层逻辑：某种抽象事物的形式组合——我个人听到过关于音乐最好的定义来自数学家莱布尼茨：音乐是人类精神通过无意识计算获得的愉悦。

　　正因如此，人类一直试图让机器拥有“谱写”音乐的能力——最早的算法作曲(Algorithmic Composition)甚至可追溯到1957年化学家和音乐家Lejaren Hiller用算法生成了弦乐四重奏伊利亚组曲。如今几十年过去，在大数据“喂养”下，机器学习技术的发展让机器谱曲这件事愈加成熟，且与其他技术的嫁接也让机器谱曲迈向应用层面。

　　最近一个例子来自百度深度学习实验室，他们发明了一种基于输入图片生成曲谱的自动化系统：输入一张图片，系统会自动生成一段符合该图片内容和意境，且符合韵律和节拍的曲谱——换句话说，试图用机器视角理解一张图片，然后创作一段音乐。

　　技术也正在落地。7月19日晚，百度联手尤伦斯当代艺术中心(UCCA)举办了一场主题为“AI科技与艺术之夜”的跨界活动。活动现场，百度人工智能根据艺术家劳森伯格“四分之一英里”画作中的两个部分，分别生成了与画作元素相对应的钢琴曲。在随后播放的视频中，百度还展示了人工智能根据梵高的《星夜》和徐悲鸿的《奔马图》创作的曲子。这是百度首次尝试将人工智能技术与艺术创作相结合。

 那么问题来了，探究这样一个看起来颇具艺术气质的技术，百度意欲何为?

　　机器“看图谱曲”

　　拆解来看，让机器“看图谱曲”的技术实现分两部分：第一是训练过程，用海量数据对机器进行饲养(如你所知，近些年来，大规模计算能力，各种复杂模型和算法的诞生，让深度学习的训练数据不断增长)，输入数据是带有语义标签的图片库，曲谱和对应歌词的曲库，输出是语义标签提取模型和曲谱生成模型;第二部分是测试过程，当机器智慧觅得规律，输入一张图片，则可输出一曲音乐。

　　先说训练。训练的第一阶段即是利用图片库训练学习，得到语义标签提取模型，训练图片则由人工标注关键词，包含两种类型：第一，图片中出现的物体，譬如高山，大海，天空等;第二，图片色调和意境，譬如灰暗的，晴朗的，愤怒的，压抑的等。训练的第二阶段是学习得到曲谱生成模型，具体则通过局部曲谱聚类(对所有曲库中每半个小节作为一个曲谱单元，将所有相似曲谱聚集到同一个聚类上)，统计语义标签与曲谱单元相关性，统计局部曲谱单元聚类的相邻概率等步骤实现。

　　再说测试。这一过程同样包含两个阶段，第一阶段是给定一张图片，根据语义标签提取模型判断其是否可提取得到该语义标签;第二个阶段则是曲谱生成——总之可以看出，作为一项复合型技术，让机器“看图谱曲”的实现路径委实不易。

　　不是替代，是合作

　　当然，即便如此——即便机器谱写的曲目声音悦耳，由于“艺术”长久以来的某种蛊惑性(其实艺术形式的演进从来都与技术进步息息相关)，也一定会有人觉得，这种声音不是“人工”而是“合成”的，从而构建鄙视链。但如前所述，作为一门课题，探寻音乐与数学的关系一直存在，不少作曲家都对二者的结合进行过大胆实验。