当前位置:首页 > 新闻 > 正文

基于Char-RNN的音乐生成实践与算法作曲尝试

发布时间: 2018-06-25 17:36   作者: 池雨峰 指导老师:张志斌、王汝昕   来源: 人工智能杂志

  英特尔专注于技术产品创新,同时也积极支持广泛开发者的创新能力培养。英特尔创新加速器,机器人创新生态,搭建开放的人工智能平台,举办人工智能以及机器人创新大赛等,这些努力,有助于创新能力的培养以及创新潜力的释放,受益者不仅涵盖产业界创新者和科研机构研究人员,也包括学校学生。

  2018年5月23日,在有着103年历史的旧金山艺术宫中,英特尔的新晋科技大会——人工智能开发者大会(简称“AIDC”)拓宽人工智能生态,在“软件+硬件+生态”合作的基础上,也更加关注与AI开发者的互动。在AIDC现场,英特尔展示了一段用神经计算棒来赋能的AI作曲演示。

  英特尔中国战略合作与创新业务部在人工智能和机器人等前沿科技领域推动创新的支持,不仅提供适合学校和学生研究使用的开发平台,而且深入到学生创新项目的辅导,支持那些对前沿科技有浓厚兴趣的学生开展人工智能和机器人的研究项目,培育学生创新能力和兴趣,加速人工智能和机器人前沿科技在中国教育的普及推广。其中,来自北京人大附中高二年级的学生池雨峰,便是得到英特尔支持的人工智能领域的一位小有名气的“开发者”。他对人工智能有着浓厚的兴趣和爱好,在英特尔创新业务部的支持指导下,开展了颇有趣味和成效的研究项目。

  下文就是池雨峰自主研究完成的科研项目,希望这样的案例影响到更多的学生,深入到更多的学校,从而营造一个中国人工智能时代全面创新的热烈氛围。

  一、基础原理

  循环神经网络(RNN,Recurrent neural Network)是上世纪80年代末提出的一种神经网络结构模型,这种网络的本质特征是处理单元之间内部的反馈连接和前馈连接。从系统观点看,它是一个反馈动力系统,在计算过程中体现过程动态特性,比前馈神经网络具有更强的动态行为和计算能力。循环神经网络现已成为国际上神经网络专家研究的重要对象之一,其原理如图1所示:

  二、关键词

  - RNN 循环神经网络

  -LSTM 长短期记忆网络

  -Algorithmic Composition 算法作曲

  -MIDI Generation 音乐生成

  三、AI作曲背景

  1843年,Ada Lovelace曾在作品中写道:“引擎可以编写精致而科学的音乐作品,作品很复杂,范围很广。”1952年,Lejaren Hiller发现将计算机的控制变量由几何数转换成音符,这些代码就完全可以用于谱曲。他利用计算机进行了一系列作曲技法实验。1957年,历史上第一支完全由计算机生成的音乐作品诞生,即弦乐四重奏《依利亚克组曲》(Illiac Suite)。1960 年,俄罗斯研究者 R.Kh.Zaripov 发行了全世界第一篇关于用「Ural-1」计算机进行算法音乐作曲的论文。1980年,执教于美国加州大学圣克鲁兹分校艺术系的大卫·库佩(David Cope)从编写作曲程序出发,着迷于通过基于乐理的技法重组来创造模拟不同过往音乐家风格的音乐。他开发的作曲软件Experiments in Musical Intelligence(EMI)能通过特殊的匹配过程,专门模仿约翰·塞巴斯蒂安·巴赫的风格。

  在卢森堡和伦敦,Pierre Barreau、Denis Shtefan、Arnaud Decker和Vincent Barreau创造了一种名为Aiva的AI,并教它如何创作古典音乐,其作品被用作电影导演、广告公司,甚至是游戏工作室的配乐。Google Brain研发了一款名为Magenta的AI作曲软件,利用特定的音乐风格生成新的音乐。索尼公司开发了AI谱曲工具Flow Machines,并用它制作了一首名叫《Daddy’s Car》的歌曲。

  从基础理论设计与数学逻辑同构并进行符号化组织的角度来看,音乐虽然是一门艺术,却有很强的可计算性,音乐模式背后蕴含着数学之美。常规的作曲技法,如旋律的重复、模进、转调、模糊、音程或节奏压扩,和声与对位中的音高纵横向排列组合,配器中的音色组合,曲式中的并行、对置、对称、回旋、奏鸣等等,都可以被描述为单一或组合的算法。这些从本质上决定了AI技术可以较好地应用到音乐创作上。而巴赫的乐曲具有结构工整的和谐美,其内在严密的逻辑性使其成为算法作曲实践的良好训练材料。

以上内容精选于《人工智能》杂志第四期

  本文作者

  池雨峰

  人大附中高二学生。有丰富的机器人赛事经历,作为队长连续参与了5年的美国FRC(FIRST Robotics Competition)机器人竞赛,擅长电子工程和自动化控制领域。半年前开始接触机器学习,先后学习了keras、tensorflow、tflearn等框架,创造了首个带有人工智能的虚拟人物“奈”。同时,在Kaggle的mnist赛事中取得了全球第1149的成绩。

  指导老师:张志斌

  现任英特尔中国战略合作与创新业务部总监,负责英特尔中国机器人、人工智能以及智慧未来等战略性新兴产业的生态创新和战略合作。1986-1993 年在北京邮电大学学习,先后获得通信工程学士学位以及电路与系统硕士学位。2000 年加入英特尔中国公司,曾主管过包括通信和嵌入式的中国区业务、技术支持业务部以及产品市场业务部等多个部门,并在美国总部工作两年,从事战略产品的规划和市场工作。从 2015 年开始推进前沿新兴产业如机器人和人工智能的生态建设,快速汇聚了上千支团队和上万活跃的开发者,配合举办机器人创新生态峰会以及机器人创新挑战赛等活动。2017 年至今,积极推进人工智能产业创新联盟的建设,搭建中国人工智能开放平台,并举办全球人工智能创新大赛等一系列活动。另外,也关注物联网、智能制造和智能未来等新领域的产业发展趋势和机遇。

  欲阅读完整文章,可通过以下方式购买《人工智能》杂志!

  订阅2018年《人工智能》杂志6期共计360元

  银行转账:北京赛迪出版传媒有限公司

  开户行及账号:北京银行北洼路支行20000030565000007701154

  银行转账,请备注:人工智能

  接收详细信息请发到:aiview@ccidmedia.com;或是添加客服微信:13601092749

收藏