سمفونی روبات های هنرمند

سمفونی ربات ها

هنگامی که آهنگی از رادیو یا چنان که امروز معمول است، از دستگاه های هوشمند پخش می شود، نیروئی نامرئی در کار است که از خلاقیت در نویسندگی هم فراتر می رود و آن چیزی نیست جز تولید و اجرای یک آواز یا ترانه.

یکی از این ویژگی های غیر قابل توصیف «مسترینگ Mastering» در کار ضبط صداست. فرایندی که ترانه و آواز را نرم و هموار و تجربه شنیدن از هر دستگاهی را بهینه می کند. در حال حاضر الگوریتم های هوش مصنوعی نیز راه خود را در این مسیر هموار کرده اند.

«توماس برتشنل» محقق دانشگاه «ولونگونگ» در استرالیا می گوید: «مسترینگ در هنر موسیقی، اندکی در زمره هنر سیاه است زیرا با وجود این که همیشه روشن نیست که این مسترینگ واقعا چه نقشی دارد، اما هر بار که موزیک شنیده می شود، به نظر بهتر می رسد ».

کارایی ماشین در حوزه مسترینگ صدا

مسترینگ فعالیتی فنی است که به صدای هنرمند با سازه شفافیت و درخشش می بخشد. به عبارت بهتر مسترینگ سبب می شود که مثلاً هنگام گوش دادن به موزیک اختلال در صدا نباشد. مثلا حس انفجار یا صداهای حاشیه ای و مزاحم در اسپیکرها ایجاد نشود. مسترینگ در کار صدا، همچنین کمک می کند که سطح صداها با یکدیگر متعادل باشند. در مجموع مسترینگ چیزی همانند و برایش یک نوشته به دست ویراستار است. به آهنگساز کمک می کند که آهنگ روان و شفاف بوده و از گیرایی لازم برخوردار باشد. البته این تمام کاری نیست که مسترینگ انجام می دهد. صرف نظر از مواردی که گفته شد، مسترینگ، پروسه ­ای دقیق است که نیازمند دانش و مهارت های علمی بالایی است.

«برتشنل» که خود یک آهنگساز و موسیقی شناس است، وقتی از خدمات مسترینگ با استفاده از AI با هوش مصنوعی، همانند LANDR آگاه شد و دریافت که کارکردهای آن تا چه اندازه می تواند جایگزین کم هزینه ای برای مسترینگ به دست انسان باشد، به این روش و کارکرد آن بسیار علاقه مند شد.

کارایی روش های هوش مصنوعی در این حوزه چنان جذاب بوده که امروزه بیشتر هنرمندان جوان و تازه کاره برای راه اندازی یک فعالیت هنری – حرفه ای، در ارائه آهنگ هایی که تولید می کنند، از روش LANDR بهره می برند. (هزینه استفاده ماهانه از خدمات LANDR برای چهار آهنگ، فقط ۹ دلار است). بنابراین برتشنل نیز از جمله هنرمندانی است که تصمیم گرفت درباره نحوه استفاده از هوش مصنوعی در این زمینه و روند کار براساس الگوریتم های مسترینگ صدا تحقیق کند. بر تشنل می گوید: «روش سنتی در زمینه مسترینگ صدا عموماً مستلزم دسترسی به یک اتاق مخصوص استودیو) با تجهیزات اکوستیک ویژه است. همچنین نیازمند حضور شخص دقیقی است، با گوش حساس که قادر به شنیدن و تشخیص نقص های فنی در موسیقی باشد، مواردی چون تشخیص محدوده طیف با نقطه تعادل استریو و سپس حذف اشتباه ها و صداهای زاید ناگهانی و مانند آن که از جمله وظایف این فرد است در عین حال، در صورت لزوم، صداهای مورد نیاز را نیز می افزاید یا صداهای آهسته تر را بلند می کند که سبب می شود صدا پر حجم به نظر برسد. البته این کار کاملاً متفاوت از بلند کردن صرف صداست. چیزی شبیه به پررنگ تر کردن حضور و انرژی در تولید نهایی کار است. می توان گفت که این بخش از کار، نوعی کنترل کیفی در کار صدا محسوب می شود.»

الگوریتم ­ها پر توان اما غیرخلاق

طبق اطلاعاتی که اخیرا منتشر شده، برنامه LANDR که از سال ۲۰۱۴ راه اندازی شده، اکنون بیش از یک میلیون کاربر در میان موسیقی شناسان و آهنگسازان دارد که از این پلتفرم برای مسترینگ بیش از ۱۰ میلیون آهنگ استفاده کرده اند چند سال پیش «کارنگی ملون» و «راجر داننبرگ» دانشمند کامپیوتر اخباری درباره سیستم های آنلاین مسترینگ شنیدند که نشانگر آن بود که این برنامه به دلیل استقبال کاربران، بیش از یک میلیون آهنگ را مسترینگ کرده است. این رقم برای آنها شگفت آور بود. داننبرگ گفته است که این عدد واقعاً رقم بزرگی است، اما منطقی است که هنرمندان تا این حد از این الگوریتم ها برای مسترینگ موسیقی هایشان استفاده کنند.

وی می گوید: «در فضای ساخت و خلق موسیقی تصور می کنم که مسترینگ، یکی از بی روح ترین کارهایی است که مستلزم برش ­های بسیار است که با استفاده از هوش مصنوعی می توان به نسبت راحت تر آن را دسته بندی کرد. برخی از جنبه های مسترینگ مانند هم سطح بودن صداها در آهنگ ها با دریک CD یا تلاش برای یکسان سازی و مطابقت طيف محتوایی در صداهای باس با فرکانس های بالا، به صورت ماشینی و خودکار از سرودن قطعه ای هنری با ساخت و تولید موسیقی به مراتب آسان تر است. اما مسترینگ هنوز هم کاری خلاقانه است و ابعادی دارد که از عهده هوش مصنوعی بر نمی آید. زیرا انسان ها هنوز هم چیزهایی را با گوش های خود می توانند بشنوند که دستگاه ها یا برنامه های کامپیوتری قادر به شنیدن آن نیستند.»

دننبرگ می گوید: «کارایی روش های کامپیوتری شاید نشانه ای از توان هوش مصنوعی در خلق یک اثر خلاقانه باشد و من واقعا فکر می کنم همین طورهم باید باشد. اما هرچند که اکنون جنبه هایی از کار خلاقانه را در خود دارد، با این حال هنوز تا تبدیل شدن کار ماشین به یک خلاقیت، یا ارائه دادن یک کار خلاقه واقعی با ماشین، راه درازی مانده است.»

هوش مصنوعی، گذشته نگر و انسان آینده نگر

«رایان پترسن» تهیه کننده، آهنگساز و ترانه سرای اهل «تشویل» نیز تجربه خاص خود را در کار با هوش مصنوعی دارد. او نیز که چند سال پیش با استفاده از برنامه LANDR کار کرده است، در نهایت استفاده از این سیستم را رها کرد و به همان روش کار با همکاران انسانی برگشت. او می گوید: «الگوریتم از نظر تکنیکی واقعاً جالب است اما برای مدتی کوتاه در اساس گفته می شود که این نرم افزارها از طریق توجه به آهنگ هایی کار می کنند که رویشان آپلود می شود. این به آن معناست که این ماشین های یادگیری در کل روی به گذشته دارند. در واقع هرگز نگاه به آینده ندارند تا دریابند که چگونه می توان کار تازه و جدیدی را برای دفعه بعد خلق کرد.» برتشنل می گوید: « مسترینگ صوتی براساس هوش مصنوعی احتمالاً نوعی جابه جایی در کار انسان است اما دشوار است که بدانیم این جابه جایی تا چه میزانی رخ داده است. در اغلب موارد افرادی که از این خدمات استفاده می کنند، دیگر تمایلی به استخدام فردی برای هدایت و مدیریت آهنگ های خود ندارند. این وضعیت ممکن است باعث محدودیت فرصت های شغلی برای تازه واردان و کارآموزان شود.» به گفته داننبرگ یکی از حوزه هایی که کارایی کامپیوتر به سرعت آن را تحت تاثیر قرار داد، فعالیت های مربوط به آهنگسازی و نوشتن و تصنيف آهنگ ها و ترانه های پاپ، هماهنگی در اجرای نت ها و کارهایی از این دست بود. در این قبیل کارها استفاده از روش های کامپیوتری در مقایسه با آنچه که از انسان بر می آید، عملکرد بهتری دارد و برخی کارهایی را که با همین روش تولید کرده، آهنگ های جذاب و جالب تری از آب در آمده اند. از دیگر سو بزرگترین نقطه ضعف ابزارهای هوش مصنوعی در زمینه تولیدات موسیقی در حال حاضر آن است که افراد را قادر می سازد پس از ضبط موسیقی و تولید نهایی، بتوانند آن را دستکاری کنند و حتی تنظیمات یک اثر را به میل خود تغییر دهند یا آن را با عناصر دیگری ترکیب کنند. درواقع کار با روش های هوش مصنوعی حدومرزهای کمتری برای خلاقیت فردی دارد در حالی که فعالیت های انسانی همچنان نیازمند خلاقیت کل یک گروه و تیم است. داننبرگ می گوید: «یک کامپیوتر می تواند یک آهنگ پاپ بنویسد اما با وجود همه مزیت ها، در نهایت شما نیازمند به همکاری گروهی از انسان ها هستید. شما نمی توانید آن را اجرا کنید یا هیچ تنظیماتی برای آن معین کنید مگر این که از تیم انسانی متشکل از اجراکنندگان و تولید کنندگانی برخوردار باشید که آن آهنگ ساخته شده را اجرا کنند.» وی می افزاید: «البته این را هم می­توان به عنوان فرصتی برای تحقیقات بیشتر و کاربرد بهتر AI و عملکرد ماشین در نظر گرفته من هیچ مانعی را مطلق نمی بینم. به شخصه از آن دسته افرادی نیستم که فکر می کنند خلاقیت امری ذاتی در انسان است.» برتشنل معتقد است که در نهایت خلاقیت انسان هم در فناوری های AI ادغام خواهد شد: همزمان با ارتقای الگوریتم ها بالاخره نقطه­ای فرا می رسد که کار پیشگامان و توسعه دهندگان کارهای حرفه ای را کاملا پشت سر می ­گذارد.

برتری هوش مصنوعی

در آینده نزديك ممکن است در آینده به نقطه ای برسیم که در نهایت کارهوش مصنوعی در مقایسه با انسان، برتری کامل بیابد و در نتیجه مشاغلی که تا امروز به یقه سفیدها یعنی گروه انسان های تحصیل کرده یا متخصص در فنون تعلق داشت، به روبات ها واگذار شود. از جراحی به دست روبات گرفته تا خودروهای بدون راننده در جاده ها به نظر می رسد که این اتفاق ها به زودی رخ خواهد داد هرچند واقعا نمی دانیم که چه هنگام محقق می شود.

نویسنده : میترا اسدنیا / منبع : مجله دانستنیها

درباره نویسنده

مطالب مرتبط

Call Now Button