这是一个星期三的晚上，在伦敦东北部和楼上的漩涡爵士乐俱乐部，机器在发号施令。人类的观众在座位上快乐地抖动着，音乐家们毫无疑问是有血有肉的，汗流浃背，紧张地演奏着乐器。但音乐本身是电子大脑的产物，经过训练，它能吸收伟大艺术家的音乐，奏出新的旋律。

这是“第一场几乎完全由人工智能谱写的音乐组成的音乐会”，玛丽女王大学的Geraint Wiggins教授在晚会开始时说。再过几分钟，我们将听到中世纪的圣歌、巴洛克合唱、爵士乐和流行音乐——所有这些都是在计算机科学家的帮助下由人工智能**的，他们为当晚的“作曲家”编程。当威金斯宣读一份贡献者名单时，房间里响起了激动人心的嗡嗡声。气氛有点像学校的独奏会；这并不奇怪，因为大多数观众都是计算机科学家自己，他们渴望看到自己的后代如何表现——以及评估竞争对手。

"the first concert c***isting almost entirely of music composed by artificial intelligence"

威金斯说，为了更容易做出判断，当晚的音乐将采用熟悉的流派或作曲家的风格。”“如果我们只是**电脑音乐，谁能说它有什么好处呢？”当我们坐在一排排紧的法国小酒馆椅子上时，他问道我们正努力模仿各个时代的风格，这样你就能认出它们，告诉我们它们是否好。”

另一个，未提及的，模仿的原因是，它最适合目前的人工智能能力。音乐会的大部分音乐都是深度学习的产物，这是一种人工智能，谷歌（Google）和Facebook（Facebook）等科技公司已经在语音和面部识别等任务中发挥了巨大作用。深度学习非常擅长从大型数据库中筛选出模式，然后给这些信息贴上标签（比如说，那是一只猫，这是一个人，等等），或者创建完全符合以前所见的新数据。

就像一台有着难以控制的想象力的复印机

以今晚的音乐会为例，研究人员向他们的深度学习系统输入来自特定作曲家和时间段的乐谱。然后，这些机器分析了反复出现的模式——一系列音符、调和序列等等——并创造了类似的东西。你可以把它想象成一台想象力难以驾驭的复印机。你从工作中输入最新的报告，另一端出来的东西看起来大致相同，但出于某种原因，它谈论的是一家不存在的公司，引用的销售数据并不符合实际情况。

你可以说这并不算构成，计算机只是模仿人类。科学家们在音乐会上说，那又怎样呢；你真的能说任何艺术家都没有优先权吗？难道不是所有的创造***都是他们影响的总和吗？闭嘴，让我的孩子玩。

有时在晚上我可以看到他们的观点。马克德因弗诺（Mark d'Inverno）是一位颇有造诣的钢琴家，同时也是金史密斯大学（universityofgold**iths）计算机科学教授，他领导的一个爵士组合听起来很像真人。我甚至不想说东西变热了，但是脚趾在敲击，饮料被打翻了（反正是我打翻的），甚至还有一点来自**的科学家们的光。

第一首人工智能创作的歌曲d'Inverno是从迈尔斯戴维斯的作品中提炼出来的，使用的是索尼在巴黎的计算机实验室开发的软件(负责人工智能流行歌曲“爸爸的车”的软件也在当晚演出。）人工智能的贡献只是一张领唱单——一张有旋律线和伴奏**的单张纸——但在d'Inverno和他的乐队伙伴手中，它摇摆不定。他们一开始贯穿了欢快的主题，后来演变成了一系列独奏，迪维诺后来告诉我这些独奏“都是人”（意思是，都是即兴创作的）。

人工智能不能处理结构-使它完美的爵士乐

德因维诺的成功表演部分归功于爵士乐是一种非常适合人工智能作曲家的音乐类型。尽管深度学习系统在模式识别方面非常出色，但它们可能非常短视，只能在相对较短的音符序列中工作。他们会很高兴地演奏出几段旋律，但无法理解一首乐曲的总体结构——交响乐可能会回到中心主题的方式，例如，通过附加的调整和繁荣来重复旋律，从而进入新的领域。说到爵士乐，这不是什么问题。人们不指望爵士乐有结构。

在这段时间里，我和奥地利人工智能研究所的科学家斯特凡·拉特纳（Stefan Lattner）聊了几句，他走到外面抽烟。他看好人工智能作曲家的未来，并表示他们很快就会为广告等**背景音乐。但他也哀叹他们目前无法掌握音乐形式。”问题是，这些模型只学习音乐的统计数据我们可以给你下一个音符是C、F或E的概率，但我们看不到太多。”

拉特纳自己在晚会上的贡献——一对旋律是由一个深度学习系统根据莫扎特的钢琴奏鸣曲集训练而成——完美地展示了结构的挑战。由钢琴家卡洛斯·查克演奏的第一首作品，名为《莫扎特无羁绊》ón、 几乎认不出是古典音乐。这不是不和谐，但旋律到处都是；就像20世纪中期写的东西。它棱角分明，出人意料，急转直下，好像在试图摆脱听众的耐心和善意。

第二个名字叫“莫扎特”，更加连贯。你绝对不会把它误认为是真正的文章，但有些段落（不超过20秒）听起来很熟悉。常见的音乐模式贯穿始终，比如左手的阿尔贝蒂贝斯（一种演奏四个连续的低-高-中-高音符的断**的方式）或者一种被称为摩登的旋律装饰。演奏莫扎特奏鸣曲的记忆涌上心头，我的手指颤抖着认出了这首由不同部分组合而成的弗兰肯斯坦奏鸣曲。

不过，这两部分的区别并不是电脑的直觉，而是拉特纳的直觉。“不受约束”的版本是通过给深度学习系统尽可能少的指导来**的，而对于“受约束”的版本，Lattner增加了外部约束，限制了它生成除统计上最可能的旋律之外的所有旋律的能力。在某些地方，我觉得这个系统甚至可能会从莫扎特那里大规模地提升乐章，但拉特纳不能肯定这是否发生了。

拉特纳的作品对我提出了关于人工智能产生的音乐的大问题：什么时候人类的干预超过了机器的技能？在某种程度上，计算机总是依赖人类来判断什么是好音乐，什么是不好音乐；毕竟，我们得给他们编程序。

"A critical, creative accomplice."

音乐会结束后，他接受了d'Inverno的采访，他认为这才是人工智能音乐的真正未来：持续的合作。”“翻译总是人类的工作，”他告诉我，靠在钢琴上，翻唱着乐谱从某种意义上说，你可以写下四个随机的**，我会尝试用它来创作音乐。“他指出，虽然音乐听起来像迈尔斯·戴维斯，但当他演奏时，感觉像是假的。”他说：“有些短语不太明白，或者会绊倒你的手指。”。这是有道理的，因为这不是一个人用手坐在键盘上写的音乐；这是计算机的发明。人工智能可以把笔记放在台板上，但它还不能想象它们的表现。这取决于人类。

当计算机科学家谈论人工智能时，他们经常把它与嫉妒比作我们的无意识智能。例如，我们不假思索地接球，或者在几分钟内拿起一个新的电子游戏。能够理解和思考音乐通常不会被提及，但它可以说是比这些任务中任何一项都更微妙和困难的认知测试。你可能不认为自己特别有音乐天赋，但你会知道一首歌什么时候会响。再加上一点练习，你也会知道怎么弹。

在d'Inverno对未来的展望中，人工智能并没有取代人类，而是成为一种音乐上的对决伙伴。”他说：“即使你认为机器本身不具备创造性，它们也有可能成为创造性的朋友。”你可以想象这样一种情形：当你与一台提供提示的机器进行对话时，它是一个关键的、有创意的同谋。”

这是一个让人放心的概念，一个符合人们熟悉的人机协作范围的概念。这是从第一个电脑合成的音符开始的，它吸收了主流音乐辅助工具，比如GarageBand。不过，目前尚不清楚的是，这一光谱的终点在哪里。一旦人工智能能够提供令人尊敬的音乐批评，它不也是独立于人类做出判断吗？如果它是一个值得尊敬的朋友和合作者，有一天它能自己出击吗？当未来的音乐AI独奏时会发生什么？

嗯，乐队可能会解散，但音乐会继续。