文｜音樂先聲（ID：nakedmusic），作者｜柳成枝，編輯｜範志輝
近期，美國數字研究機構Space150進行了一項有趣的試驗：基於人工智慧（Artificial Intelligence，簡稱AI）技術，模仿知名說唱歌手Travis Scott的人聲和音樂風格，做出了一個說唱機器人"Travis Bott"。
這個試驗的目的是為了看AI到底能夠持續創造出什麼。
事實上，"Travis Bott"真的創作了一首歌《Jack Park Canny Dope Man》，且歌詞和旋律均由自己完成。同時，Space150還使用基於AI的人體圖像合成技術"Deepfake"，為這首歌拍攝了MV。
說實話，與以往的AI歌曲不同，這首AI歌曲在對真人繼續學習後，近乎到底了真人的聽感。國外網友在MV下面留言道。"better than real trvis（比真人還好）""Pretty amazing, this is only the beginning（太棒了，這僅僅是個開始）"，甚至開始擔心AI會奴役人類，但自己還是會買票去看。
原理上，Space150採用附加神經網絡技術（Additional Neural Network）創造出旋律和打擊樂伴奏，再將Travis Scott的歌詞輸入"文本生成器模型（Text Generator Model）"，兩周後，AI"Travis Bott"開始創建了歌詞的韻腳（rhymes）。
從效果來看，Travis Bott模仿Travis Scott幾乎達到了以假亂真的地步，完全融匯了Travis Scott作品以及人物魅力的最主要的外顯特徵，以至於被調侃可以加入Spotify的說唱熱門歌單《Rap Caviar》。
與此同時，該項目也進一步驗證了人工神經網絡技術（Artificial Neural Networks）的進步，有助於探索未來AI在音樂中的應用價值。
不可否認的是，AI已經漸漸地嵌入到我們的日常生活中。在"網際網路+"以及"工業製造4.0"的新時代背景下，具備通信、網絡與人機互動功能的AI作曲覆蓋到教育科普、藝術表演和娛樂服務等領域已是大勢所趨。而面對AI音樂的優異表現，也讓我們思考：音樂人在與AI音樂的共生中，是否會遭遇到AlphaGo式的碾壓？
如何克隆 Travis Scott？
事實上，AI作曲（Algorithmic Composition，也稱"算法作曲"）並不稀奇，複製Travis Scott也並非難事。
早在2016 年，索尼旗下的計算機科學實驗室（Computer Science Laboratories ，簡稱Sony CSL）研究人員哈傑裡斯和帕切特就曾開發了一個名為"DeepBach (深度巴赫) "的神經網絡。他們利用巴赫創作的 352 部作品目來訓練DeepBach，創作出了2503首讚美詩。
而第一個正式獲得世界地位的AI虛擬作曲家則是由2016年誕生的初創公司Aiva Technologies推出的AIVA（Artificial Intelligence Virtual Artist）。它的創作方向主要是古典音樂、影視配樂，發展到現在也逐漸有了其他類型的作品，例如搖滾樂、流行樂等。作為虛擬音樂人，它通過了法國和盧森堡作者權利協會（SACEM）的合法註冊，並擁有自己的署名版權。在AI領域而言，複製一位或多位音樂人的音樂風格的工作也許早已在進行中。
目前來看，無論是DeepBach、AIVA抑或是Travis Bott，AI作曲背後都是一種基於人工神經網絡的深度學習（Deep Learning）技術。在這種深度學習中，程式設計師必須搭建一個多層"神經網絡"，並在多層的結構中分別加以編程，從而可以處理各種輸入和輸出點之間的信息。
來源於：2017·菠蘿科學獎，人工智慧主題解讀
譬如說，DeepBach被輸入的是巴赫的362部作品，AIVA被輸入的信息是以巴赫、貝多芬、莫扎特等為代表的古典作曲家作品的大資料庫，而Travis Bott被輸入的則是Travis Scott的作品、人聲以及音效。
在數據輸入後，人工神經網絡會找到眾多被輸入作品之間存在的規律，繼而形成對音樂風格的理解。但這個音樂風格並不是最終的產物，其主要目的是用來預測，AI程序會帶著它對音樂風格的預測繼續運行，而在前方將會遇到下一個驗證數據集。這個數據集會告訴它預測的正確與否，正確與錯誤的回饋都將被AI記住，在不斷的高速學習中，AI的預測能力就會越來越強，最終掌握程式設計師大數據中歸總後的曲風，進而能編寫出自己的曲子。
而AI創作者"Travis Bott"的突破，則在於其不止是輸入了Travis Scott的作品，更輸入了人聲及音效，文本與聲音的輸入與輸出在深度學習上又更上了一個臺階。
來源於《I am AI 》系列短紀錄片
這種深度學習，看似只是基於人類大腦的神經結構簡單模式，但在某種程度上已經可以像人類一般"思考"了。這也使得AI能夠在數據中理解並塑造高度抽象化的模型，例如旋律中的模型，或者人臉的特徵。
但從人工智慧音樂的發展沿革而言，人工神經網絡只是AI作曲的主要技術之一，與其他算法相比，有其優點也有其劣勢。就優勢而言，具有自學能力、聯想存儲功能、高速尋找優化解的能力是人工神經網絡較其他算法最卓越的地方。
來源於：2017·菠蘿科學獎，人工智慧主題解讀
但其劣勢也較為明顯：1. 著名的"黑匣子"問題，意味著你不知道神經網絡將會如何產出結果，更不知道為什麼會產生這種結果；2.與認知不同，作曲是更高層次的智能活動；3. 耗時耗力；4. 數據饕餮，相較於傳統的機器學習算法，需要更多的數據；5.算力成本較為昂貴。
在實踐中，即便是最先進的深度學習算法，要實現真正深度神經網絡的成功訓練，仍需要數周才能完全訓練完畢。而目前AI作曲在主要技術上尚不存在最優解，大多採用混合型算法（Hybrid Algorithm）。
如何避免AI作曲的版權風險？
與此同時，AI作曲的整體不足也較為顯化。正如前文所言，AI作曲本質上就是大數據和雲計算，AI音樂產生的過程就是機器根據程式設計師輸入的要素或者是模式，在龐大的資料庫中總結提取與之相匹配的特徵，而後根據這些特徵提取各種資料元素進行新的組合或者是延展。
這裡面必然存在一個問題是：這個巨大的資料庫如何區分哪些數據是有版權保護的？哪些是公共數據？資料庫的搭建者如何保障具有版權數據的權益？使用資料庫的主體如何做到不侵權？
很顯然，目前的AI作曲在某種程度上仍舊無法完成或者說無法自主完成這一任務，版權的規避大多來自於程式設計師的有意為之。
2017年，Aiva Technologies對AIVA選擇專注古典音樂的解釋也正好回應了程式設計師對於AI作曲版權的刻意設計："用來訓練Aiva的古典音樂資料庫不涉及版權問題，因為版權都過期了。"
對於開頭的Travis Bott而言，其對於Travis Scott的學習中，作品庫、人物形象的採樣必然也要先取得Travis Scott的授權，但其學習後生產出的作品又如何避免對Travis Scott形成抄襲呢？
這一情況，也是造成目前市場上AI作曲質量參差不齊的原因之一，某種程度上來說，抄襲或許很難避免。查重工具 (Plagiarism Checker)以及查重的尺度在這裡就顯得尤為重要了，但就目前的實踐來看，人類音樂人歌曲抄襲判斷標準都還在尋求統一化中，何論AI作曲？
而即便AI作曲經歷千辛萬苦後終於生產出一個純原創、不涉及任何侵權的作品，他（她）又將面臨到版權認證的問題。
根據我國《著作權法》對於著作權的定義，"著作權是著作權法賦予民事主體對作品及相關客體所享有的權利。"其中，民事主體指公民、法人或非法人組織。AI在主體身份上就無法獲得認可，權利的獲得與放棄都變得尤為複雜。如果產生侵權糾紛，將難以解決。
比如，微軟小冰獨立創作的詩集《陽光失了玻璃窗》，作品一經發布後就出現了很多的盜版以及很多不規範引用。這種通常意義上的侵權，卻因為缺失法律規定的缺失，版權的歸屬也就誰都說不清，侵權也就聽之任之了。
但值得一提的是，相較於國內的空白，國外對於AI作品的放寬與認可已然成為一種常態，英國、南非、紐西蘭屬於第一批明確認可AI版權的國家。而美國、日本、澳大利亞雖然在成文法上並未有明確規定，但在司法實踐中都進行了不同程度的嘗試。這也是為什麼美國在成文法上未對AI作品進行認可，但在司法實踐中卻有勝訴的案例。
但中國因為是成文法國家，判例法並不是法的正式淵源，無法與普通法系（或英美法系）形成法官造法的司法實踐，所以從制度上明確AI作品才是最根本的。
不可否認的是，受制於多國在AI領域以及法律操作上的水平差異，要獲得大範圍的認可或許仍有待時日。當然，在其中取巧也較為簡單，在AI生成的作品加入人類藝術家的名字就可以突破這一桎梏。
2018年9月7日，AIVA的純音樂專輯《艾媧（Vol.3 from artificial composer Aiva）》的做法是：專輯還是AIVA的，但每首曲子都會標註"feat. Aiva Sinfonietta Orchestra, Brad Frey"，表明那位音樂監督在"演奏"中的貢獻，團隊成員就可以將作品進行商用。
總的來說，複製Travis Scott對於AI來說並非難事，但要處理其中的版權糾紛以及進一步將AI技術提升卻並非一日之功。
AI音樂的商業探索
AI音樂無疑是一個歷時已久，但在這幾年蓬勃發展的朝陽產業。
1974年，Rader系統的出現是帶有AI作曲系統真正的開始。與現在意義上的AI有所不同，其運用了AI中可運用規則的部分，使得機器根據旋律、和聲生成的規則進行權衡，並且對音符與和聲搭配的合適比重進行選擇。此後隨著對音樂生成系統研究的不斷深入，出現了可完成自動低音和聲生成的Snobol系統，以及可用來生成巴赫風格和聲的Choral系統（Ebciogln產品，專家系統）。
1993年，出現了運用人工神經網絡學習模式進行和聲生成的Musact系統，以及基於人工神經網絡和"限制滿意度技術"相結合方式，可根據旋律進行巴洛克風格和聲生成的Harmonet系統。這些都是現代AI作曲系統的鼻祖，具有裡程碑意義。
當代AI作曲系統的開發，大多從Google的Magenta開始萌芽。Magenta是Google於2015年底開源，並用TensorFlow機器引擎學習的一種人工智慧技術，該項目旨在開發AI技術創作出音樂以及其他藝術形式，主要子項目有NSynth Super、Onsets and Frames以及MusicVAE。
此後，各類AI系統、產品開始迅速發展。其中，較為有代表性的程序開發有：2017年Taryn Southern專輯《I Am AI》採用的Amper Music應用、2018年Skygge錄製發行《Hello World》使用的Flow Machines（Sony旗下產品）工具，以及2019年OpenAI開發的一種用於生成音樂作品的深層神經網絡MuseNet。
目前，國外較為成熟的AI音樂公司，除了Google、Sony、Amper Music外，還包括洛杉磯的Popgun、倫敦的Jukedeck和AI Musical、舊金山的Humtap、柏林的Melodrive、Google總部山景城的Groov.A、盧森堡的AIVA、非盈利性研究公司OpenAI以及自稱為 "首個建立在人工智慧音樂發現基礎上的全方位服務唱片公司"Snafu Records等。其中，Jukedeck已於2019年7月被字節跳動收購。
而在國內，AI音樂也有不少的行業實踐。
除了百度、騰訊、阿里、網易雲等音樂平臺都在不同程度上對AI音樂有布局外，高校以及大中型企業也逐漸加入到AI音樂的教育、研發中。例如，貌似和音樂搭不上邊的平安科技有限公司，接連與中央民族大學、四川音樂學院等高校展開了合作，並在2018年EPFL瑞士聯邦理工學院舉辦的AI作曲國際挑戰賽中，贏得了智能作曲領域內首次的AI世界作曲大賽冠軍。
而由微軟(亞洲)網際網路工程院人工智慧創造力團隊負責研發的AI音樂技術，已經能夠基於和弦、節奏、旋律交叉等多項音樂元素進行內容創作，集作曲、作詞、編曲、演唱等多項音樂創作力於一體，相當於一支完整樂隊。如今，此項技術已在央視及各省市綜藝節目中多次驗證，並成功實現了商業化與產業化輸出。2018年5月，微軟宣布公司旗下人工智慧小冰已經掌握了歌詞創作和譜曲能力。
另外，2018年4月，嗨翻屋發布的音樂AI創作助手"小嗨"在目前已經創作了數張專輯，除了作詞作曲，還具備"識曲"功能。
而2019 年2月、3 月分別在 IOS 和安卓上線的"鯨鳴"APP，則是一款可以讓普通人的"在線合唱"變為可能的音樂類應用。"鯨鳴"APP使用的是 AI 歌聲合成技術，用戶只需要錄入自己的聲音，APP便可自動修音，並利用 AI 技術將錄音者的聲音與原唱或者是其他使用者的音色相結合，最終達成合唱效果。
不難發現，AI在音樂領域的運用已經是各國文化產業的一大重點。在快速發展的同時雖然也存在一定的困境。當然，主要還是圍繞算法、版權兩個方面。但隨著AI整體技術水平的提升，用戶對作曲系統智能化程度要求的提高，AI在音樂領域的運用正逐步走出困境，國內發展的趨勢也逐漸與國際接軌。
首先，在算法技術層面，混合型算法以及個性化智能音樂定製依然是主流。一方面，由於各種算法在人工智慧作曲的使用中都有其自身的優勢和不足，目前人工智慧作曲的音樂作品風格和體裁比較單一，且可聽性不強。在混合型的算法作曲中，各種算法將揚長避短，這些問題能夠得到有效解決。
另一方面，由於AI作曲從大數據中抽取規則，多產但很容易造成歌曲同質性較高的問題。但個性化智能音樂定製以聽眾的私人喜好為前提，通過大數據和算法運作後生產出的作品也因個體的差異，更具有原創性。
其次，在版權方面，受制於無法破除的法律困境，AI技術轉向與人類音樂人合作將是短期內突破版權的最直接手段；同時，人類音樂人也會在其中獲利，AI技術對於人類創造力以及音樂人靈感的激發作用會越發凸顯。
有報導稱，人機配合的創作方式是人類音樂家創作速度的20倍。某種程度來說，在提升音樂人的工作效率、降低音樂人與製作方的溝通成本方面，AI作曲都有著人類協作難以企及的優勢。
2018年9月，阿里音樂首席科學家堯問（花名）曾在阿里音樂專場論壇上說道："我覺得任何一個藝術家，總有創意枯竭的時候，他們需要靈感。AI創作的音樂可能不是整段歌都好聽，但中間恰好有一小段和這些藝術家的情緒相符，藝術家就能參考借鑑，作為靈感的迸發點，把這個啟發轉化到自己的作品裡面去，我覺得這對於他們是非常好的幫助。"
隨著AI技術在深度學習的逐漸深化，對於人類情緒掌握的逐漸熟練，以及法律逐漸完善對計算機作品以及主體的定義，AI作為人類音樂家的輔助工具這一現狀或許也不會持續太久，畢竟技術以及法律都並非是一塵不變的。
結語
從流媒體利用AI進行智能推薦去引導聽眾音樂品味，到科學家基於AI打造出AI作曲家再一次顛覆音樂行業，人們對於AI的發展有些喜憂參半。一方面，AI的加入能夠讓音樂行業更加完善，讓這個行業的運作更加有效率；另一方面，作為人類製造出來的機器，AI作曲的銷量和品質也許會讓很多音樂人汗顏。
長遠來看，AI與人類的音樂人、電臺DJ的關係或許也不是非此即彼，就像現在的數位音樂與黑膠的對決一樣，黑膠的沒落是有目共睹，但其價值仍然被大眾認可，甚至被小部分人追捧。換句話說，技術的進步以及行業的綜合性推進，最大可能會使得AI音樂成為音樂創作的一種標準配置。當然，人們對人類音樂人在音樂上的原創性、審美性要求也會越高。
但無論是AI音樂或者是人類創作的音樂，從音樂誕生到現在花樣百出的音樂產品，其最核心的仍然是提供服務，這個核心不改變，人和音樂的關係也不會被改變。
歸根結底，人工智慧仍來源於人類智慧，與其說讓音樂人失業或者是被遭遇到AlphaGo式的碾壓，不如說是技術帶來的行業變遷，而在作品或音樂服務的選擇上，聽眾也有了更多元化的選擇。
參考資料：
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.《藝術家們是如何看待虛擬實境這一未來大勢的？》，《SIZE潮流生活》，2020年2月16日
3.《第一個世界正式的AI作曲家AIVA是怎樣創作音樂的？》，《雷克世界》，2017年3月17日
4.《什麼是人工神經網絡（ANN）》，《知乎專欄：人工智慧圖像識別技術與計算機視覺(CV)》，發布於2018年8月30日
5.李景平：《人工智慧深度介入文化產業的問題及風險防範》，《深圳大學學報（人文社會科學版）》，2019年9月第5期
6. 貳叄叄 ：《AI寫的歌，應該受到版權保護嗎？》，《音樂先聲》，2019年6月14日
7. 肖欣：《人工智慧生成內容版權問題的國際比較研究》，華東政法大學碩士論文，2019年
8.《神經網絡最大的優點，以及最嚴重的缺陷》，《csdn人工智慧頭條》，2018年10月12日
9. 王鉉、雷沁穎：《人工智慧對中國音樂產業鏈的滲透與革新》，《現代傳播(中國傳媒大學學報)》，2019年12期
10. 《博覽會 | AI音樂家會像阿法狗那樣碾壓人類嗎？》，《中國音樂財經網》，2018年4月24日
11. 田梅、黃智興、張友剛：《算法作曲中的人工智慧技術》，《四川教育學院學報》，2006年12月
】。