欢迎关注“创事记”微信订阅号：sinachuangshiji
作者/柳成枝 编辑/范志辉
来源：音乐先声（ID:nakedmusic）
近期，美国数字研究机构Space150进行了一项有趣的试验：基于人工智能（Artificial Intelligence，简称AI）技术，模仿知名说唱歌手Travis Scott的人声和音乐风格，做出了一个说唱机器人"Travis Bott"。
这个试验的目的是为了看AI到底能够持续创造出什么。事实上，"Travis Bott"真的创作了一首歌《Jack Park Canny Dope Man》，且歌词和旋律均由自己完成。同时，Space150还使用基于AI的人体图像合成技术"Deepfake"，为这首歌拍摄了MV。
说实话，与以往的AI歌曲不同，这首AI歌曲在对真人继续学习后，近乎到底了真人的听感。国外网友在MV下面留言道。"better than real trvis（比真人还好）""Pretty amazing, this is only the beginning（太棒了，这仅仅是个开始）"，甚至开始担心AI会奴役人类，但自己还是会买票去看。
原理上，Space150采用附加神经网络技术（Additional Neural Network）创造出旋律和打击乐伴奏，再将Travis Scott的歌词输入"文本生成器模型（Text Generator Model）"，两周后，AI"Travis Bott"开始创建了歌词的韵脚（rhymes）。
从效果来看，Travis Bott模仿Travis Scott几乎达到了以假乱真的地步，完全融汇了Travis Scott作品以及人物魅力的最主要的外显特征，以至于被调侃可以加入Spotify的说唱热门歌单《Rap Caviar》。与此同时，该项目也进一步验证了人工神经网络技术（Artificial Neural Networks）的进步，有助于探索未来AI在音乐中的应用价值。
不可否认的是，AI已经渐渐地嵌入到我们的日常生活中。在"互联网+"以及"工业制造4.0"的新时代背景下，具备通信、网络与人机交互功能的AI作曲覆盖到教育科普、艺术表演和娱乐服务等领域已是大势所趋。而面对AI音乐的优异表现，也让我们思考：音乐人在与AI音乐的共生中，是否会遭遇到AlphaGo式的碾压？
如何克隆Travis Scott？
事实上，AI作曲（Algorithmic Composition，也称"算法作曲"）并不稀奇，复制Travis Scott也并非难事。
早在2016 年，索尼旗下的计算机科学实验室（Computer Science Laboratories ，简称Sony CSL）研究人员哈杰里斯和帕切特就曾开发了一个名为"DeepBach (深度巴赫) "的神经网络。他们利用巴赫创作的 352 部作品目来训练DeepBach，创作出了2503首赞美诗。
而第一个正式获得世界地位的AI虚拟作曲家则是由2016年诞生的初创公司Aiva Technologies推出的AIVA（Artificial Intelligence Virtual Artist）。它的创作方向主要是古典音乐、影视配乐，发展到现在也逐渐有了其他类型的作品，例如摇滚乐、流行乐等。作为虚拟音乐人，它通过了法国和卢森堡作者权利协会（SACEM）的合法注册，并拥有自己的署名版权。在AI领域而言，复制一位或多位音乐人的音乐风格的工作也许早已在进行中。
目前来看，无论是DeepBach、AIVA抑或是Travis Bott，AI作曲背后都是一种基于人工神经网络的深度学习（Deep Learning）技术。在这种深度学习中，程序员必须搭建一个多层"神经网络"，并在多层的结构中分别加以编程，从而可以处理各种输入和输出点之间的信息。
来源于：2017·菠萝科学奖，人工智能主题解读
譬如说，DeepBach被输入的是巴赫的362部作品，AIVA被输入的信息是以巴赫、贝多芬、莫扎特等为代表的古典作曲家作品的大数据库，而Travis Bott被输入的则是Travis Scott的作品、人声以及音效。
在数据输入后，人工神经网络会找到众多被输入作品之间存在的规律，继而形成对音乐风格的理解。但这个音乐风格并不是最终的产物，其主要目的是用来预测，AI程序会带着它对音乐风格的预测继续运行，而在前方将会遇到下一个验证数据集。这个数据集会告诉它预测的正确与否，正确与错误的回馈都将被AI记住，在不断的高速学习中，AI的预测能力就会越来越强，最终掌握程序员大数据中归总后的曲风，进而能编写出自己的曲子。
而AI创作者"Travis Bott"的突破，则在于其不止是输入了Travis Scott的作品，更输入了人声及音效，文本与声音的输入与输出在深度学习上又更上了一个台阶。
来源于《I am AI 》系列短纪录片
这种深度学习，看似只是基于人类大脑的神经结构简单模式，但在某种程度上已经可以像人类一般"思考"了。这也使得AI能够在数据中理解并塑造高度抽象化的模型，例如旋律中的模型，或者人脸的特征。但从人工智能音乐的发展沿革而言，人工神经网络只是AI作曲的主要技术之一，与其他算法相比，有其优点也有其劣势。就优势而言，具有自学能力、联想存储功能、高速寻找优化解的能力是人工神经网络较其他算法最卓越的地方。
来源于：2017·菠萝科学奖，人工智能主题解读
但其劣势也较为明显：1. 著名的"黑匣子"问题，意味着你不知道神经网络将会如何产出结果，更不知道为什么会产生这种结果；2.与认知不同，作曲是更高层次的智能活动；3. 耗时耗力；4. 数据饕餮，相较于传统的机器学习算法，需要更多的数据；5.算力成本较为昂贵。
在实践中，即便是最先进的深度学习算法，要实现真正深度神经网络的成功训练，仍需要数周才能完全训练完毕。而目前AI作曲在主要技术上尚不存在最优解，大多采用混合型算法（Hybrid Algorithm）。
如何避免AI作曲的版权风险？
与此同时，AI作曲的整体不足也较为显化。正如前文所言，AI作曲本质上就是大数据和云计算，AI音乐产生的过程就是机器根据程序员输入的要素或者是模式，在庞大的资料库中总结提取与之相匹配的特征，而后根据这些特征提取各种资料元素进行新的组合或者是延展。
这里面必然存在一个问题是：这个巨大的数据库如何区分哪些数据是有版权保护的？哪些是公共数据？数据库的搭建者如何保障具有版权数据的权益？使用数据库的主体如何做到不侵权？
很显然，目前的AI作曲在某种程度上仍旧无法完成或者说无法自主完成这一任务，版权的规避大多来自于程序员的有意为之。
2017年，Aiva Technologies对AIVA选择专注古典音乐的解释也正好回应了程序员对于AI作曲版权的刻意设计："用来训练Aiva的古典音乐数据库不涉及版权问题，因为版权都过期了。"
对于开头的Travis Bott而言，其对于Travis Scott的学习中，作品库、人物形象的采样必然也要先取得Travis Scott的授权，但其学习后生产出的作品又如何避免对Travis Scott形成抄袭呢？
这一情况，也是造成目前市场上AI作曲质量参差不齐的原因之一，某种程度上来说，抄袭或许很难避免。查重工具 (Plagiarism Checker)以及查重的尺度在这里就显得尤为重要了，但就目前的实践来看，人类音乐人歌曲抄袭判断标准都还在寻求统一化中，何论AI作曲？
而即便AI作曲经历千辛万苦后终于生产出一个纯原创、不涉及任何侵权的作品，他（她）又将面临到版权认证的问题。
根据我国《著作权法》对于著作权的定义，"著作权是著作权法赋予民事主体对作品及相关客体所享有的权利。"其中，民事主体指公民、法人或非法人组织。AI在主体身份上就无法获得认可，权利的获得与放弃都变得尤为复杂。如果产生侵权纠纷，将难以解决。
比如，微软小冰独立创作的诗集《阳光失了玻璃窗》，作品一经发布后就出现了很多的盗版以及很多不规范引用。这种通常意义上的侵权，却因为缺失法律规定的缺失，版权的归属也就谁都说不清，侵权也就听之任之了。
但值得一提的是，相较于国内的空白，国外对于AI作品的放宽与认可已然成为一种常态，英国、南非、新西兰属于第一批明确认可AI版权的国家。而美国、日本、澳大利亚虽然在成文法上并未有明确规定，但在司法实践中都进行了不同程度的尝试。这也是为什么美国在成文法上未对AI作品进行认可，但在司法实践中却有胜诉的案例。
但中国因为是成文法国家，判例法并不是法的正式渊源，无法与普通法系（或英美法系）形成法官造法的司法实践，所以从制度上明确AI作品才是最根本的。
不可否认的是，受制于多国在AI领域以及法律操作上的水平差异，要获得大范围的认可或许仍有待时日。当然，在其中取巧也较为简单，在AI生成的作品加入人类艺术家的名字就可以突破这一桎梏。
2018年9月7日，AIVA的纯音乐专辑《艾娲（Vol.3 from artificial composer Aiva）》的做法是：专辑还是AIVA的，但每首曲子都会标注"feat. Aiva Sinfonietta Orchestra, Brad Frey"，表明那位音乐监督在"演奏"中的贡献，团队成员就可以将作品进行商用。
总的来说，复制Travis Scott对于AI来说并非难事，但要处理其中的版权纠纷以及进一步将AI技术提升却并非一日之功。
AI音乐的商业探索
AI音乐无疑是一个历时已久，但在这几年蓬勃发展的朝阳产业。
1974年，Rader系统的出现是带有AI作曲系统真正的开始。与现在意义上的AI有所不同，其运用了AI中可运用规则的部分，使得机器根据旋律、和声生成的规则进行权衡，并且对音符与和声搭配的合适比重进行选择。此后随着对音乐生成系统研究的不断深入，出现了可完成自动低音和声生成的Snobol系统，以及可用来生成巴赫风格和声的Choral系统（Ebciogln产品，专家系统）。
1993年，出现了运用人工神经网络学习模式进行和声生成的Musact系统，以及基于人工神经网络和"限制满意度技术"相结合方式，可根据旋律进行巴洛克风格和声生成的Harmonet系统。这些都是现代AI作曲系统的鼻祖，具有里程碑意义。
当代AI作曲系统的开发，大多从Google的Magenta开始萌芽。Magenta是Google于2015年底开源，并用TensorFlow机器引擎学习的一种人工智能技术，该项目旨在开发AI技术创作出音乐以及其他艺术形式，主要子项目有NSynth Super、Onsets and Frames以及MusicVAE。
此后，各类AI系统、产品开始迅速发展。其中，较为有代表性的程序开发有：2017年Taryn Southern专辑《I Am AI》采用的Amper Music应用、2018年Skygge录制发行《Hello World》使用的Flow Machines（Sony旗下产品）工具，以及2019年OpenAI开发的一种用于生成音乐作品的深层神经网络MuseNet。
目前，国外较为成熟的AI音乐公司，除了Google、Sony、Amper Music外，还包括洛杉矶的Popgun、伦敦的Jukedeck和AI Musical、旧金山的Humtap、柏林的Melodrive、Google总部山景城的Groov.A、卢森堡的AIVA、非盈利性研究公司OpenAI以及自称为 "首个建立在人工智能音乐发现基础上的全方位服务唱片公司"Snafu Records等。其中，Jukedeck已于2019年7月被头条收购。
而在国内，AI音乐也有不少的行业实践。
除了百度、腾讯、阿里、网易云等音乐平台都在不同程度上对AI音乐有布局外，高校以及大中型企业也逐渐加入到AI音乐的教育、研发中。例如，貌似和音乐搭不上边的平安科技有限公司，接连与中央民族大学、四川音乐学院等高校展开了合作，并在2018年EPFL瑞士联邦理工学院举办的AI作曲国际挑战赛中，赢得了智能作曲领域内首次的AI世界作曲大赛冠军。
而由微软(亚洲)互联网工程院人工智能创造力团队负责研发的AI音乐技术，已经能够基于和弦、节奏、旋律交叉等多项音乐元素进行内容创作，集作曲、作词、编曲、演唱等多项音乐创作力于一体，相当于一支完整乐队。如今，此项技术已在央视及各省市综艺节目中多次验证，并成功实现了商业化与产业化输出。2018年5月，微软宣布公司旗下人工智能小冰已经掌握了歌词创作和谱曲能力。
另外，2018年4月，嗨翻屋发布的音乐AI创作助手"小嗨"在目前已经创作了数张专辑，除了作词作曲，还具备"识曲"功能。而2019 年2月、3 月分别在 IOS 和安卓上线的"鲸鸣"APP，则是一款可以让普通人的"在线合唱"变为可能的音乐类应用。"鲸鸣"APP使用的是 AI 歌声合成技术，用户只需要录入自己的声音，APP便可自动修音，并利用 AI 技术将录音者的声音与原唱或者是其他使用者的音色相结合，最终达成合唱效果。
不难发现，AI在音乐领域的运用已经是各国文化产业的一大重点。在快速发展的同时虽然也存在一定的困境。当然，主要还是围绕算法、版权两个方面。但随着AI整体技术水平的提升，用户对作曲系统智能化程度要求的提高，AI在音乐领域的运用正逐步走出困境，国内发展的趋势也逐渐与国际接轨。
首先，在算法技术层面，混合型算法以及个性化智能音乐定制依然是主流。一方面，由于各种算法在人工智能作曲的使用中都有其自身的优势和不足，目前人工智能作曲的音乐作品风格和体裁比较单一，且可听性不强。在混合型的算法作曲中，各种算法将扬长避短，这些问题能够得到有效解决。
另一方面，由于AI作曲从大数据中抽取规则，多产但很容易造成歌曲同质性较高的问题。但个性化智能音乐定制以听众的私人喜好为前提，通过大数据和算法运作后生产出的作品也因个体的差异，更具有原创性。
其次，在版权方面，受制于无法破除的法律困境，AI技术转向与人类音乐人合作将是短期内突破版权的最直接手段；同时，人类音乐人也会在其中获利，AI技术对于人类创造力以及音乐人灵感的激发作用会越发凸显。
有报道称，人机配合的创作方式是人类音乐家创作速度的20倍。某种程度来说，在提升音乐人的工作效率、降低音乐人与制作方的沟通成本方面，AI作曲都有着人类协作难以企及的优势。
2018年9月，阿里音乐首席科学家尧问（花名）曾在阿里音乐专场论坛上说道："我觉得任何一个艺术家，总有创意枯竭的时候，他们需要灵感。AI创作的音乐可能不是整段歌都好听，但中间恰好有一小段和这些艺术家的情绪相符，艺术家就能参考借鉴，作为灵感的迸发点，把这个启发转化到自己的作品里面去，我觉得这对于他们是非常好的帮助。"
随着AI技术在深度学习的逐渐深化，对于人类情绪掌握的逐渐熟练，以及法律逐渐完善对计算机作品以及主体的定义，AI作为人类音乐家的辅助工具这一现状或许也不会持续太久，毕竟技术以及法律都并非是一尘不变的。
结语
从流媒体利用AI进行智能推荐去引导听众音乐品味，到科学家基于AI打造出AI作曲家再一次颠覆音乐行业，人们对于AI的发展有些喜忧参半。一方面，AI的加入能够让音乐行业更加完善，让这个行业的运作更加有效率；另一方面，作为人类制造出来的机器，AI作曲的销量和品质也许会让很多音乐人汗颜。
长远来看，AI与人类的音乐人、电台DJ的关系或许也不是非此即彼，就像现在的数字音乐与黑胶的对决一样，黑胶的没落是有目共睹，但其价值仍然被大众认可，甚至被小部分人追捧。换句话说，技术的进步以及行业的综合性推进，最大可能会使得AI音乐成为音乐创作的一种标准配置。当然，人们对人类音乐人在音乐上的原创性、审美性要求也会越高。
但无论是AI音乐或者是人类创作的音乐，从音乐诞生到现在花样百出的音乐产品，其最核心的仍然是提供服务，这个核心不改变，人和音乐的关系也不会被改变。归根结底，人工智能仍来源于人类智慧，与其说让音乐人失业或者是被遭遇到AlphaGo式的碾压，不如说是技术带来的行业变迁，而在作品或音乐服务的选择上，听众也有了更多元化的选择。
参考资料：
1.《ARTIFICIAL INTELLIGENCE MADE A SONG IN THE STYLE OF TRAVIS SCOTT. IT SOUNDS UNNERVINGLY LIKE TRAVIS SCOTT.》，《Music Business Worldwide》，2020年2月16日
2.《艺术家们是如何看待虚拟现实这一未来大势的？》，《SIZE潮流生活》，2020年2月16日
3.《第一个世界正式的AI作曲家AIVA是怎样创作音乐的？》，《雷克世界》，2017年3月17日
4.《什么是人工神经网络（ANN）》，《知乎专栏：人工智能图像识别技术与计算机视觉(CV)》，发布于2018年8月30日
5.李景平：《人工智能深度介入文化产业的问题及风险防范》，《深圳大学学报（人文社会科学版）》，2019年9月第5期
6. 贰叁叁 ：《AI写的歌，应该受到版权保护吗？》，《音乐先声》，2019年6月14日
7. 肖欣：《人工智能生成内容版权问题的国际比较研究》，华东政法大学硕士论文，2019年
8.《神经网络最大的优点，以及最严重的缺陷》，《csdn人工智能头条》，2018年10月12日
9. 王铉、雷沁颖：《人工智能对中国音乐产业链的渗透与革新》，《现代传播(中国传媒大学学报)》，2019年12期
10. 《博览会 | AI音乐家会像阿法狗那样碾压人类吗？》，《中国音乐财经网》，2018年4月24日
11. 田梅、黄智兴、张友刚：《算法作曲中的人工智能技术》，《四川教育学院学报》，2006年12月
排版 | 安林
