تاریخچه موسیقی هوش مصنوعی؛ از اولین نت‌های کامپیوتری تا آهنگ‌های امروزی

شروع جدی این مسیر به دهه ۱۹۵۰ میلادی برمی‌گردد. یکی از مهم‌ترین اتفاقات این دوره، ساخت قطعه‌ای به نام Illiac Suite توسط لژارن هیلر و لئونارد آیزاکسون بود. این دو پژوهشگر در دانشگاه ایلینوی از یک کامپیوتر بزرگ به نام ILLIAC I برای تولید موسیقی استفاده کردند. این اثر که در سال ۱۹۵۶ تکمیل و در سال ۱۹۵۷ اجرا شد، معمولاً یکی از نخستین نمونه‌های مهم آهنگسازی با کمک کامپیوتر به شمار می‌رود.

در آن زمان خبری از مدل‌های پیشرفته هوش مصنوعی یا سیستم‌هایی که بتوانند صدای خواننده تولید کنند نبود. کامپیوتر بر اساس مجموعه‌ای از قوانین موسیقایی، احتمالات و دستورهایی که انسان برای آن تعریف کرده بود، نت‌ها و ساختارهای مختلف را ایجاد می‌کرد. همین اتفاق یک سؤال مهم را به وجود آورد: آیا کامپیوتر فقط یک ابزار برای آهنگساز است یا می‌تواند خودش در فرآیند خلق موسیقی نقش داشته باشد؟

ورود الگوریتم‌ها به دنیای آهنگسازی

در دهه‌های بعد، پژوهشگران تلاش کردند روش‌های پیچیده‌تری برای تولید موسیقی با کامپیوتر ایجاد کنند. به‌تدریج الگوریتم‌ها توانایی بیشتری در بررسی ریتم، ملودی، هارمونی و ساختار موسیقی پیدا کردند.

یکی از چهره‌های مهم این دوره David Cope بود که از دهه ۱۹۸۰ روی پروژه‌ای با نام Experiments in Musical Intelligence یا EMI کار کرد. هدف این پروژه بررسی سبک آهنگسازان و تولید قطعات جدید بر اساس الگوهایی بود که از آثار موسیقی استخراج می‌شد. EMI بعدها توانست قطعاتی با الهام از سبک آهنگسازان مختلف تولید کند و بحث‌های زیادی درباره مرز میان خلاقیت انسان و ماشین به وجود آورد.

این مرحله اهمیت زیادی داشت، زیرا مسیر موسیقی کامپیوتری را از «اجرای دستورهای ثابت» به سمت «یادگیری از داده‌های موسیقایی» تغییر داد.

ورود یادگیری ماشین به موسیقی

با پیشرفت قدرت پردازش کامپیوترها و شکل‌گیری فناوری‌هایی مانند یادگیری ماشین و شبکه‌های عصبی، امکان تحلیل حجم بسیار بیشتری از اطلاعات موسیقایی فراهم شد.

در این مرحله، سیستم‌ها می‌توانستند نمونه‌های زیادی از موسیقی را بررسی کنند و الگوهای موجود در آن‌ها را یاد بگیرند. این موضوع باعث شد تولید موسیقی دیگر فقط به چند قانون از پیش تعیین‌شده محدود نباشد.

یکی از پروژه‌های مهم در این مسیر، Magenta بود که در سال ۲۰۱۶ توسط Google Brain معرفی شد. هدف این پروژه بررسی این سؤال بود که آیا مدل‌های یادگیری ماشین می‌توانند در خلق آثار هنری و موسیقی نقش داشته باشند یا خیر.

چند سال بعد، فناوری‌هایی مانند Music Transformer نشان دادند که شبکه‌های عصبی می‌توانند ساختارهای طولانی‌تر موسیقی را نیز مدل‌سازی کنند. این سیستم در سال ۲۰۱۸ معرفی شد و برای تولید موسیقی با ساختار منسجم‌تر در بازه‌های زمانی طولانی‌تر طراحی شده بود.

از ساخت ملودی تا تولید آهنگ کامل

تفاوت بزرگ موسیقی هوش مصنوعی امروزی با نمونه‌های اولیه در این است که فناوری دیگر فقط برای تولید چند نت یا ملودی ساده استفاده نمی‌شود. مدل‌های جدید می‌توانند با دریافت یک توضیح متنی، ایده‌ای موسیقایی را به ملودی، تنظیم و حتی یک قطعه صوتی نسبتاً کامل تبدیل کنند.

به همین دلیل، هوش مصنوعی در مدت کوتاهی از یک ابزار آزمایشگاهی به یکی از موضوعات مهم صنعت موسیقی تبدیل شده است. امروزه آهنگسازان، تهیه‌کنندگان و تولیدکنندگان محتوا می‌توانند از این فناوری برای ایده‌پردازی، ساخت آهنگ، تنظیم، طراحی صدا و تولید نمونه‌های اولیه استفاده کنند.

البته گسترش این فناوری بحث‌های مهمی را هم به همراه داشته است؛ از جمله مسئله حقوق هنرمندان، استفاده از آثار دارای کپی‌رایت برای آموزش مدل‌ها، مالکیت قطعات تولیدشده و حتی امکان شبیه‌سازی صدای خوانندگان. این موضوعات نشان می‌دهد که آینده موسیقی هوش مصنوعی فقط به پیشرفت تکنولوژی وابسته نیست و قوانین و نگاه جامعه موسیقی نیز در شکل‌گیری آن نقش مهمی خواهند داشت.

آینده موسیقی هوش مصنوعی

تاریخ موسیقی هوش مصنوعی در واقع داستانی از تلاش انسان برای تبدیل خلاقیت موسیقایی به زبان قابل فهم برای ماشین است. مسیری که از کامپیوترهای بسیار بزرگ دهه ۱۹۵۰ آغاز شد، با الگوریتم‌های آهنگسازی ادامه پیدا کرد و امروز به مدل‌های پیشرفته تولید موسیقی رسیده است.

با توجه به سرعت پیشرفت مدل‌های هوش مصنوعی، احتمالاً در سال‌های آینده مرز میان «آهنگسازی توسط انسان» و «تولید موسیقی توسط ماشین» بیش از گذشته تغییر خواهد کرد. با این حال، شاید مهم‌ترین اتفاق این نباشد که هوش مصنوعی جای آهنگساز را بگیرد؛ بلکه این فناوری می‌تواند به یک ابزار قدرتمند برای گسترش ایده‌های هنرمندان تبدیل شود؛ ابزاری که به کمک آن می‌توان ایده‌ای ساده را سریع‌تر به یک قطعه موسیقی قابل شنیدن تبدیل کرد.