211service.com
AI Songsmith produce melodías sorprendentemente pegadizas
La cancioncilla de piano de abajo, que asciende alegremente, luego termina con una melodiosa floritura, suena un poco como un jingle compuesto para la última campaña de pasta de dientes.
De hecho, la melodía fue ideada por un programa musical de IA desarrollado en Google. Y las últimas composiciones del programa muestran cómo la combinación de un poderoso enfoque de aprendizaje automático con reglas musicales simples puede producir obras creativas que suenan notablemente humanas.
La composición musical es una forma enigmática de la creatividad humana. Ya existen programas de composición de canciones, pero por lo general siguen un conjunto específico de reglas y tienden a producir melodías que se sienten rígidas y mecánicas. Lo mismo ocurre con el software que recomienda música en función de sus hábitos de escucha (consulte The Hit Charade). Enseñar a las computadoras a ser más inventivas musicalmente puede indicar formas en que las máquinas pueden ayudar con otros actos creativos, desde diseñar productos hasta escribir textos elocuentes.
Google ha demostrado previamente su creador de canciones de inteligencia artificial que genera música, que es parte de un proyecto llamado Magenta que tiene como objetivo fomentar la creatividad artificial (ver OK, Computadora, Escríbeme una canción). Una gran red neuronal recibe decenas de miles de canciones y se entrena para predecir la siguiente nota en una secuencia. Tal red también puede generar nueva música cuando se le da un punto de partida, aunque los resultados tienden a carecer de estructura y gracia.
douglas eck , un científico investigador de Google que lidera el desarrollo de la IA generadora de música, junto con Natasha Jaques, pasante en la empresa, idearon recientemente una forma de hacer que los sistemas de composición produzcan melodías mucho más elegantes y pegadizas. Utilizan un enfoque conocido como aprendizaje por refuerzo para agregar principios simples de teoría musical (evitar repetir un estribillo con demasiada frecuencia, no tocar demasiado rápido o lento, etc.) al proceso general de aprendizaje. La red recibe una recompensa positiva cada vez que produce una secuencia de notas que no solo se parece a los patrones vistos en canciones anteriores, sino que también se adhiere a las reglas musicales que se le han dado.
Estas son reglas simples tomadas de un libro de texto de composición musical, dice Eck. La combinación de estas reglas con el aprendizaje por refuerzo y la variación del mundo real proveniente de miles de composiciones humanas, nos da canciones que son tan pegadizas que rascan un poco.
El nuevo enfoque, descrito en un trabajo de investigación y un entrada en el blog , ciertamente parece mejorar la generación de música automatizada. Otro fragmento de música muestra cómo le va al programa sin seguir estas reglas. La pieza se siente plana, repetitiva y mecánica. Eck y Jaques también realizaron un estudio de usuarios y descubrieron que la gente prefería las composiciones producidas con la nueva técnica.
Eck dice que la capacidad de incorporar reglas en el aprendizaje por refuerzo será útil en muchas áreas, incluida la robótica, los sistemas de recomendación y la traducción de idiomas.
No hay razón por la que las máquinas no puedan ser curiosas y creativas, dice Jürgen Schmidhuber , profesor de la Universidad de Lugano en Suiza que realizó una investigación pionera sobre el tipo de redes neuronales que utilizan los investigadores de Google y que ha experimentado con la creatividad mediante el aprendizaje por refuerzo. Schmidhuber agrega que el enfoque podría tener una variedad de aplicaciones prácticas más allá de la música. Uno podría imaginar combinaciones similares de [redes neuronales] y sistemas expertos tradicionales basados en reglas para el diagnóstico médico, dice.
El aprendizaje por refuerzo ofrece una forma de enseñar a las máquinas a hacer cosas que serían difíciles de lograr mediante instrucción explícita. La técnica fue empleada por AlphaGo, un programa desarrollado por investigadores de Google para jugar al antiguo juego de mesa Go. Si bien las reglas de Go son simples, es difícil explicar cómo jugar bien, y los jugadores normalmente desarrollan una aptitud intuitiva a través de muchas horas de práctica. Pero a veces también puede ser útil poder dar instrucciones explícitas a un sistema de aprendizaje automático.
stevan harnad , un profesor de psicología en la Universidad de Quebec en Canadá que ha estudiado la creatividad artificial, dice que el trabajo de Magenta es impresionante, pero agrega que todavía queda un largo camino por recorrer antes de que se pueda atribuir a las computadoras una creatividad real, similar a la humana. Los algoritmos de aprendizaje profundo son muy prometedores, pero hasta ahora no han duplicado la capacidad humana común y no creativa, por lo que es un poco prematuro esperar que sean creativos, dice.
De hecho, dice Harnad, incluso las composiciones como las producidas por el equipo de Google a menudo parecen mecánicas después de algunas escuchas.