隨著智能技術的加速和廣泛應用，越來越多的人意識到人工智能不再是一種純粹的技術手段，而是教育整體變化的內生變量和重要動力。

各種政策的出臺，不難看出國家在促進人工智能和教育深度融合以及推動教育變革創(chuàng)新方面的努力和決心。

在傳統(tǒng)意義上，機器的優(yōu)勢在于能夠幫助人類完成機械而重復性的勞動，對于創(chuàng)造性的工作則參與較少。但隨著人工智能技術的發(fā)展，它正逐漸應用于音樂的創(chuàng)作、制作、分析和教育等領域。那么，在音樂上人工智能如何發(fā)揮？

利用AI作曲是音樂人工智能的方向之一

利用AI 作曲或者輔助作曲變成關注度最高的應用方向之一，很多疑問也就此產生。如AI 作曲技術能否在一定程度上代替人類作曲家？其創(chuàng)作出來的作品是否有“感情”？AI 作曲技術會如何影響傳統(tǒng)作曲的思維？

在人工智能于各行業(yè)應用的實際過程中，機器學習可以說是AI 最重要的子集之一，它深刻影響著AI 中的其他領域。用AI 技術自動作曲并不是一個新的課題，相關的研究很多年前就已經開始，但是一直受技術所限。

人工智能作曲的主要原理同下圍棋的原理類似，主要運用遺傳算法 、神經網絡、馬爾可夫鏈和混合型算法等，利用音樂規(guī)律給計算機制定規(guī)則、建立海量數據庫，繼而進行深度學習，分析作曲規(guī)則、結構等各項信息，然后重新生成音樂。

目前，有多家國內外機構和公司開始了該領域的研究。傳統(tǒng)的方案是完全建立在用規(guī)則構建智能系統(tǒng)的基礎上 而新的方案是更多地使用神經網絡的方式，即使用“學習”的方式來實現。（神經網絡：它的基本特點是模仿人類大腦的神經元之間的信息傳遞和模式）

音樂“鬼才”小冰

人工智能少女“小冰”一位來自上海音樂學院的畢業(yè)生。

圖：《智聯家園》MV截圖

“音樂是流媒體，對作品的流暢度要求很高。此前“小冰”在音樂創(chuàng)作中的能力主要是內容的生成，比如演唱，這一次小冰學習的作詞、作曲和編曲其實更難�！鼻拔④�(亞洲)互聯網工程院副院長、現任小冰公司首席執(zhí)行官李笛說。

如何讓人工智能學會音樂創(chuàng)作呢？

首先，基于“小冰”已有的音樂創(chuàng)作模型，團隊把端口給到上海音樂學院的老師，讓老師去聽小冰創(chuàng)作的海量音樂作品，并給出系統(tǒng)性的點評。

其次，老師也教會團隊程序員基本的樂理知識，包括編曲技巧等，用于優(yōu)化“小冰”的創(chuàng)作模型。

最后，“小冰”不斷學習，不斷交作業(yè)，老師不斷給反饋。無論“模型”“作業(yè)”還是“反饋”，都是一個不斷迭代的過程，如此循環(huán)往復……

當“小冰”達到和人類同學相似的水平，且趨于穩(wěn)定，她就畢業(yè)了。

像人的學習一樣，人工智能也是通過語料庫學習海量的內容，然后“創(chuàng)作”新的作品。普通學生學習一首曲子需要至少一周時間，但是在“小冰”的學習中，創(chuàng)作只需要3秒鐘。

但是在作品的評價標準上，“小冰”的作品是達到一個怎樣的水平？實際上，音樂的魅力在于創(chuàng)作家的“二度創(chuàng)作”，即“感情”。

“一首鋼琴曲，十個演奏家彈出來是十種完全不同的感受，這里面就有演奏家的二度創(chuàng)作。這種感受的不同是機器取代不了的�！弊髑�家于陽說。

因此，在感情表達方面，人工智能音樂目前還達不到最高標準。

AI技術能影響音樂制作的流程

2017年Spotify全球音樂榜排名第二的歌曲是由IBM的Waston Beat人工智能系統(tǒng)參與創(chuàng)作的Not Easy，整個制作過程從多個方面應用了相關的技術來輔助完成。

該系統(tǒng)能夠在聽到大于等于20秒的音樂后，基于原始的采樣生成一段新的旋律或相關的聲音和節(jié)奏。整個制作流程中，Watson 首先對近5年熱門的新聞、文化等音樂相關的數據進行分析、提煉，將音樂創(chuàng)作的核心詞定為“心碎”。

其次，在具體歌詞的創(chuàng)作階段，Waston 分析了5年來近26000首歌曲的歌詞，提取了博客、推特等社交媒體中的大量信息，分析大眾對“心碎”這個詞的反應，輔助人類創(chuàng)作歌詞。

再次，Watson分析了這些歌曲的風格、樂器、音高、節(jié)奏等相關特性， 然后建立模型給人類作曲家提供參考。最后，Waston 進行專輯封面的設計。

實際上，AI 技術用于音樂的識別效果更好，因為Waston每秒鐘閱讀網頁的速度是700000頁。這個實例證明了目前AI 技術能夠在各個方面影響音樂制作的流程。