陳根方

（浙江音樂學(xué)院 音樂工程系，浙江 杭州 310024）

0 引 言

人工智能（Arti fi cial Intelligence）是近半個(gè)世紀(jì)以來人類科技史上發(fā)展最快的重大技術(shù)之一，在機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等領(lǐng)域取得了令人矚目的成就[1]。2017年，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確指出在中小學(xué)階段設(shè)置人工智能相關(guān)課程、逐步推廣編程教育、建設(shè)人工智能學(xué)科，以培養(yǎng)復(fù)合型人才，形成我國(guó)人工智能人才高地。2018年4月，由華東師范大學(xué)慕課中心、商湯科技、上海知名高中優(yōu)秀教師共同編著的《人工智能基礎(chǔ)（高中版）》[2]教材出版，此書是面向高中學(xué)生的教材，講授人工智能的發(fā)展歷史、基本概念以及實(shí)際應(yīng)用，將在上海多所首批“人工智能教育實(shí)驗(yàn)基地學(xué)校”試點(diǎn)人工智能課程。

算法作曲是人工智能在音樂藝術(shù)領(lǐng)域的較早應(yīng)用之一，早在1956 年，Lejaren Hiller出版了算法作曲作品——弦樂四重奏《Illiac 組曲》，從而揭開了人工智能在音樂藝術(shù)領(lǐng)域的應(yīng)用前景。利用深度學(xué)習(xí)技術(shù)進(jìn)行音樂創(chuàng)作的探索研究正在展開，2017年，多倫多大學(xué)的儲(chǔ)航（音）等利用深度學(xué)習(xí)（Recurrent Neural Networks）的方法，從100小時(shí)的midi音樂格式里面進(jìn)行學(xué)習(xí)，然后采樣訓(xùn)練好的模型來生成音樂[3]。

由于人類腦科學(xué)研究的滯后性，對(duì)音樂創(chuàng)作這一理性與感性起雙重作用的人類活動(dòng)的研究尚處于開拓期，人工智能創(chuàng)作的音樂作品，面臨著諸多亟待解決的問題，如音樂信息的評(píng)估問題，很顯然，不同的人聆聽人工智能創(chuàng)作的音樂會(huì)有不同的評(píng)估結(jié)果。這些問題還需要多學(xué)科、多領(lǐng)域協(xié)同研究，付出更大的努力。

傳統(tǒng)音樂藝術(shù)院校研究生的培養(yǎng)內(nèi)容主要集中于音樂藝術(shù)領(lǐng)域，藝術(shù)性突出，缺乏對(duì)科技領(lǐng)域知識(shí)的有效傳授。研究生一般已學(xué)習(xí)了大量的音樂專業(yè)知識(shí)，具有一定的學(xué)習(xí)能力，也需要拓展自身的知識(shí)面，了解社會(huì)熱點(diǎn)。人工智能科普課程主要介紹人工智能的基本思想和方法，向?qū)W生提供最基本的人工智能技術(shù)和相關(guān)問題的入門知識(shí)，重點(diǎn)學(xué)習(xí)人工智能在音樂藝術(shù)領(lǐng)域的研究成果和應(yīng)用場(chǎng)景，為進(jìn)一步利用人工智能打下良好的基礎(chǔ)。

1 開設(shè)“音樂與人工智能”科普課程的必要性

（1）可以讓學(xué)生了解信息技術(shù)的當(dāng)前熱點(diǎn)，激發(fā)其對(duì)音樂與科技交叉學(xué)習(xí)的熱情。相對(duì)于較為成熟的中西方音樂理論，音樂與人工智能的融合研究尚處于開拓期，很多技術(shù)都有待進(jìn)一步完善和更新，不同的研究?jī)?nèi)容將為學(xué)生提供廣闊的發(fā)展空間，探索出多樣化的理論和應(yīng)用成果。

（2）能使音樂藝術(shù)院校的研究生具有初步的求解問題的能力。音樂專業(yè)使得學(xué)生塑造出特定的音樂思維，利用這些思維方式能很好處理經(jīng)典的音樂問題，而音樂領(lǐng)域的很多問題是非線性、非結(jié)構(gòu)化的，這些問題通常無法用簡(jiǎn)單的數(shù)學(xué)方法或音樂理論進(jìn)行解答，需要培養(yǎng)學(xué)生人工智能式“面向問題”的思維方式，提高工作效率，優(yōu)化知識(shí)結(jié)構(gòu)。

（3）能使學(xué)生了解人工智能在音樂藝術(shù)領(lǐng)域的應(yīng)用前景。人工智能技術(shù)已經(jīng)在音樂領(lǐng)域有半個(gè)多世紀(jì)的應(yīng)用研究，取得了豐富的研究成果，開發(fā)了許多實(shí)用的音樂系統(tǒng)，如音樂推薦系統(tǒng)、樂譜識(shí)別系統(tǒng)、自動(dòng)伴奏系統(tǒng)等，這些都是多學(xué)科交叉研究的成果，音樂藝術(shù)院校的研究生應(yīng)該了解這些具有代表性的研究成果，積累人工智能的相關(guān)知識(shí)，為日后的科學(xué)研究打下廣闊的知識(shí)結(jié)構(gòu)。

2 “音樂與人工智能”科普課程內(nèi)容設(shè)計(jì)

“音樂與人工智能”科普課程的教學(xué)方法必須從音樂出發(fā)，經(jīng)過技術(shù)處理，回到音樂?？梢圆捎脝栴}驅(qū)動(dòng)的方式，如通過講解“圖靈測(cè)試”問題，提出“如果你無法區(qū)分一首樂曲是算法作曲還是人工作曲的時(shí)候，怎么辦”來引出算法作曲的評(píng)估問題?！耙魳放c人工智能”科普課程的內(nèi)容見表1所示。

表1中包含有人工智能在音樂領(lǐng)域的研究?jī)?nèi)容，其中有些內(nèi)容針對(duì)的是特定的音樂媒體，這些音樂媒體包括文本、樂譜、音頻、音序4類，如算法作曲是文本信息到樂譜或音序信息的轉(zhuǎn)換，文字信息到音頻信息是音樂檢索的研究對(duì)象，在數(shù)字音樂媒體的基礎(chǔ)上，人工智能在音樂領(lǐng)域的研究?jī)?nèi)容包括音樂作品的不同數(shù)字音樂媒體之間的自動(dòng)轉(zhuǎn)換，音樂媒體在轉(zhuǎn)換前和轉(zhuǎn)換后有不同的表示形態(tài)，不同的轉(zhuǎn)換過程采用了不同的實(shí)現(xiàn)方法，分別隸屬于不同的研究范疇。

“音樂與人工智能”科普課程以音樂理論為基礎(chǔ)，以音樂的表示媒體為對(duì)象，利用人工智能理論研究音樂媒體之間的轉(zhuǎn)換方法，涉及樂譜識(shí)別、音頻識(shí)別、情感感知、音樂檢索、自動(dòng)作曲、自動(dòng)標(biāo)注和音樂挖掘等相關(guān)研究領(lǐng)域。相關(guān)的教材可采用文獻(xiàn)[1]。

3 音樂與人工智能”科普課程部分內(nèi)容展開說明

（1）人工智能概述：在科普內(nèi)容中，人工智能的歷史、內(nèi)容、應(yīng)用需要讓學(xué)生進(jìn)行簡(jiǎn)單的了解，特別是三起三落的發(fā)展歷史，每個(gè)階段的主要技術(shù)和應(yīng)用場(chǎng)景，這些主要技術(shù)與音樂領(lǐng)域交叉研究成果。人工智能與大數(shù)據(jù)、云計(jì)算的關(guān)系，音樂與大數(shù)據(jù)、音樂與云計(jì)算的關(guān)系等內(nèi)容的介紹，讓學(xué)生對(duì)“音樂與人工智能”有總體的概念和了解。

（2）音樂檢索：音樂檢索是利用有限的音樂信息獲取更多相關(guān)音樂信息的過程，通過提供文本、情感、片段或?qū)嵗扔邢薜囊魳沸畔ⅲ@取更多與提供的音樂信息相同或相似的音樂信息，常見的音樂檢索有基于文本關(guān)鍵詞檢索、基于音樂情感分類檢索、基于哼唱的音樂檢索和基于實(shí)例的音樂檢索，檢索的結(jié)果有文本、樂譜、音頻或音序等形式。

表1 “音樂與人工智能”科普課程的內(nèi)容

（3）樂譜識(shí)別：樂譜音樂信息的自動(dòng)識(shí)別研究，它是利用計(jì)算機(jī)進(jìn)行數(shù)字樂譜圖像處理與識(shí)別的技術(shù)。它利用掃描儀等數(shù)字化設(shè)備，將紙質(zhì)樂譜以圖像的形式輸入到計(jì)算機(jī)，經(jīng)過圖像處理與識(shí)別，把樂譜圖像自動(dòng)轉(zhuǎn)化為標(biāo)準(zhǔn)的音樂格式文件。它綜合利用了人工智能、圖像工程、模式識(shí)別、MIDI技術(shù)、數(shù)學(xué)形態(tài)學(xué)、音樂理論等方面的知識(shí)。

計(jì)算機(jī)光學(xué)樂譜識(shí)別技術(shù)能較好地完成從紙質(zhì)樂譜向數(shù)字音樂的轉(zhuǎn)化，提高了手工輸入數(shù)字樂譜的速度，使基本的音樂音符輸入由人工完成為計(jì)算機(jī)外設(shè)來完成。OMR技術(shù)為紙質(zhì)樂譜數(shù)字化提供了一個(gè)的新途徑，有著極為廣泛的應(yīng)用前景，其中在計(jì)算機(jī)輔助音樂教學(xué)、音樂統(tǒng)計(jì)學(xué)和數(shù)字音樂圖書館建設(shè)等方面得到或?qū)⒌玫捷^好的應(yīng)用。

樂譜識(shí)別研究起源于1966年MIT的研究人員對(duì)五線譜樂譜進(jìn)行的音樂信息識(shí)別[4]，經(jīng)過半個(gè)多世紀(jì)的研究，取得了大量的研究成果，其中在OMR研究中使用的理論方法有神經(jīng)網(wǎng)絡(luò)、模糊理論、遺傳算法、高層領(lǐng)域知識(shí)、圖文法、數(shù)學(xué)形態(tài)學(xué)、投影法等，研究對(duì)象也從五線譜樂譜逐步擴(kuò)展到medieval music、white mensural notation、early music prints、orthodox Hellenic Byzantine music notation、Greek traditional music、昆曲樂譜[5]等。并產(chǎn)生了大量的實(shí)用軟件，如Capella-scan、Optical Music Easy Reader、Photo Score、Sharp Eye、Smart Score、Vivaldi Scan，這些軟件都是針對(duì)印刷的五線譜樂譜進(jìn)行識(shí)別的，正確識(shí)別率可達(dá)到90%以上。

（4）音頻識(shí)別：音頻是信息的重要載體，是音樂傳播的主要方式之一。數(shù)字音頻中攜帶的音樂信息，可以轉(zhuǎn)換為其他音樂媒體。音頻識(shí)別研究有30多年的研究歷史，主要針對(duì)音樂音頻和語(yǔ)音音頻進(jìn)行識(shí)別和分類，音頻轉(zhuǎn)換為文本的研究對(duì)象有樂器音頻識(shí)別、中國(guó)民歌分類識(shí)別、中國(guó)戲曲唱腔分類識(shí)別、音樂流派分類識(shí)別等；轉(zhuǎn)換為樂譜（或音序）的研究對(duì)象有音高分類識(shí)別、節(jié)奏識(shí)別等。

（5）情感感知：音樂是情感的藝術(shù)，基于內(nèi)容的情感感知和識(shí)別是智能音樂學(xué)的一個(gè)重要方向，也是從數(shù)字音頻到“情感表示”模型的轉(zhuǎn)換過程。常見的音樂“情感表示”模型有Thayer的二維情感模型、Dorai 和 Venkatesh的節(jié)拍和清晰度二維模型、Hevner的情感環(huán)模型等。情感感知與分類的常見技術(shù)有多模型分類器、模糊法、個(gè)性特征、感知模型、GMM模型、HMM模型、SVM模型等。

（6）算法作曲：算法作曲利用從音樂作曲理論或某個(gè)音樂家的作品、某種音樂風(fēng)格、某種音樂流派等中提煉出來的形式化生成規(guī)則，通過提供一些必要的參數(shù)，創(chuàng)作出音樂動(dòng)機(jī)、音樂作品、音樂伴奏等音樂信息的過程。

音頻作曲主要以傅立葉變換為理論基礎(chǔ)，常見的算法作曲的方法有風(fēng)格模型、分層結(jié)構(gòu)控制、遺傳算法、全面控制、馬爾可夫鏈、音樂樣式、HMM模型、調(diào)式和弦字典庫(kù)、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等。這些研究有些是模仿作曲家的音樂風(fēng)格，有些針對(duì)自動(dòng)伴奏或配器，大多數(shù)的研究成果圍繞音樂旋律或動(dòng)機(jī)展開，從而產(chǎn)生完整的樂曲。

（7）音樂智能分析與音樂推薦：音樂智能分析是從大量的音樂數(shù)據(jù)中通過算法搜索隱藏于其中有用信息的過程。分析過程通常通過統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)（依靠過去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來實(shí)現(xiàn)上述目標(biāo)。音樂資料浩如煙海，大量資料可以在信息時(shí)代被利用，在音樂大數(shù)據(jù)中進(jìn)行信息挖掘，特別是從大量的樂曲中提煉出個(gè)性化、適合特定用戶的樂曲，是音樂推薦的主要研究目的。根據(jù)不同的分析目的有多個(gè)不同的研究方向。如梳理音樂信息鏈屬于音樂考古學(xué)，獲取音樂家的影響力可統(tǒng)計(jì)作品或名字的出現(xiàn)頻率，對(duì)用圖像格式存儲(chǔ)的樂譜圖像進(jìn)行文本標(biāo)注，自動(dòng)分析音樂數(shù)據(jù)中的音樂風(fēng)格和作曲家的創(chuàng)作習(xí)慣等。這些研究都需要有音樂大數(shù)據(jù)的支撐。

（8）水印技術(shù)與音樂版權(quán)：數(shù)字水印技術(shù)是將一些標(biāo)識(shí)信息（數(shù)字水?。┲苯忧度霐?shù)字載體（包括多媒體、文檔、軟件等）中，并不影響原載體的使用價(jià)值。版權(quán)保護(hù)是水印技術(shù)重要應(yīng)用場(chǎng)景，可利用版權(quán)認(rèn)證來保護(hù)原數(shù)字載體的權(quán)益。在研究音樂作品版權(quán)保護(hù)的問題時(shí)，音頻、樂譜、文本等不同媒體是常用的數(shù)字載體，針對(duì)不同的媒體格式，開發(fā)出大量不同的水印技術(shù)，一些技術(shù)已應(yīng)用于MP3音頻的版權(quán)保護(hù)。

（9）樂器3D打印與智能音箱：3D打印是一種累積制造技術(shù)，即擁有快速成形技術(shù)的機(jī)器。它是以數(shù)字模型文件為基礎(chǔ)，運(yùn)用特殊蠟材、粉末狀金屬或塑料等可粘合材料，通過打印一層層的粘合材料來制造三維的物體。有別于傳統(tǒng)的減材制造技術(shù)。3D打印在綠色環(huán)保方面有巨大的經(jīng)濟(jì)效益，在生物醫(yī)療、藝術(shù)設(shè)計(jì)、航天工程、建筑行業(yè)、汽車行業(yè)和電子行業(yè)等具有廣闊的應(yīng)用前景。利用3D打印技術(shù)打印的樂器有電聲吉他、鼓、長(zhǎng)笛、鋼琴、黃鐘笛、電簫等，其中我國(guó)學(xué)者在黃鐘笛、電簫的3D打印上進(jìn)行了有益的嘗試。

智能音箱是利用人機(jī)語(yǔ)音交互技術(shù)，面向家居場(chǎng)景提供搜索、聽歌、購(gòu)物、社交等服務(wù)的智能硬件[6]。2014年11月，Amazon公司公布了全球首款智能音箱Echo，迄今其全球銷量超過1 000萬臺(tái)。5年來，大量的智能音箱先后出現(xiàn)，如Rokid Alien、天貓精靈X1、蘋果Home Pad、Google Home、聯(lián)想智能音箱、叮當(dāng)智能音箱A1等產(chǎn)品上市。

（10）機(jī)器演奏與虛擬演奏。音樂機(jī)器人（Musical Robot）是通過程序輸入（數(shù)字或機(jī)械）而實(shí)現(xiàn)自動(dòng)演奏音樂的仿真機(jī)器[7]。音樂機(jī)器人具有悠久的歷史，從最早的八音盒到豐田公司的小提琴演奏手經(jīng)歷了200多年的發(fā)展歷史，在世界上有影響力的有鋼琴機(jī)器人、小提琴機(jī)器人、長(zhǎng)笛機(jī)器人、風(fēng)笛機(jī)器人、馬林巴機(jī)器人等，我國(guó)科研工作者在葫蘆絲演奏機(jī)器人、揚(yáng)琴演奏機(jī)器人、豎笛演奏機(jī)器人、鋼琴演奏機(jī)器人、鼓樂演奏機(jī)器人和民族樂隊(duì)演奏機(jī)器人[8]等方面進(jìn)行了探索研究和實(shí)踐嘗試。

虛擬演奏是綜合利用人機(jī)交互、虛擬現(xiàn)實(shí)、手勢(shì)識(shí)別、模式識(shí)別和圖像處理等技術(shù)，通過建立特定樂器的演奏模型，把采集的演奏動(dòng)作信息轉(zhuǎn)換為實(shí)時(shí)音樂信息的過程。比較著名的有芬蘭赫爾辛基工程大學(xué)計(jì)算機(jī)科學(xué)專業(yè)系的學(xué)生設(shè)計(jì)發(fā)明的一套虛擬空氣吉他系統(tǒng)——對(duì)著空氣模擬吉他演奏并能聽到樂音。

4 結(jié) 語(yǔ)

我們探討了音樂藝術(shù)院校研究生開設(shè)“音樂與人工智能”科普課程的必要性，重點(diǎn)對(duì)“音樂與人工智能”科普課程的內(nèi)容進(jìn)行了詳細(xì)說明，為進(jìn)一步開設(shè)課程提供了方便。下一步有必要通過預(yù)講座和問卷調(diào)查等形式了解學(xué)生的需求和接受能力，調(diào)整和充實(shí)相關(guān)課程內(nèi)容。