机器学习是不是好的工具

在2019世界人工智能大会期间，AI+艺术也成了其中一个关注和讨论的板块。在TensorFlow主题论坛上，两位独立开发者，AI研究员黄成之（Anna Huang）、兰州大学信息工程学院助理研究员武强，分别从AI+服饰创新、AI+音乐的角度分享了TensorFlow的应用和研究成果。

据武强介绍，他们的团队通过TensorFlow+数据+机器学习，将敦煌壁画上的飞天服饰进行收集，再结合现在服饰数据集，生成一些创新服饰，通过算法进行风格迁移，最后进行阶段性输出。即基于TensorFlow，通过中国传统文化创造出一个新的艺术形式。

目前，该项目已经设计成课程在大学内推广。据武强介绍，未来团队将进一步扩展敦煌的传统文化数据集，并推出服饰融合创新相关的平台。

而对音乐更感兴趣的黄成之，则分享了如何通过机器学习帮助用户进行音乐和艺术创作。黄成之和团队开发了一款巴赫Doodle（下文简称为 “巴赫涂鸦”），在2019年3月21日，在巴赫生日的这一天，谷歌上线了“巴赫涂鸦”。根据谷歌的官方介绍，利用这个涂鸦，你可以随意创作自己的旋律，利用人工智能，涂鸦将用巴赫的风格来演奏你创作的作品。

在接受新浪科技采访时，黄成之表示，这是一个把机器学习当做非常好的工具去助推和加速整个文化和音乐创造的过程。

“我们在谈到机器学习如何去助推创作的过程当中，针对不一样的人群，它是有不同的含义的。”如果是一个新人，想先接触作曲状态，机器学习可以让其有更快的方式去了解旋律。如果是有经验的作曲家，利用机器学习可以很快做出一个小样，呈现创作效果，帮助其做后续调整。

不过，创造力是人类对于机器最大的优势之一，有人好奇，为什么人类会需要让机器来帮忙做比如创作、作曲这些创造类的事情？

黄成之表示，她自己就是一个作曲家，创作流程一般分成两个阶段：大量想法产生的阶段和将确定的想法表达出来的阶段，而机器学习在这两个不同的阶段都会有介入，会有不一样的作用。

比如，创作者没有灵感的时候，机器学习可能会给他一些灵感启发。而作曲过程中，有某些细节需要人类的方式去进行创作和调整，但有些比较大层面，像结构化层面上的调整需要，属于比较重复性的工作，这个时候机器学习就会发生作用了。

至于未来机器能否创作出完全属于它自己的完整作品，黄成之表示，”我不会认为未来我们希望让机器去做出它自己的音乐作品。从我作为作曲家的角度来看，音乐其实是一个沟通和表达感情、感受的方式，所以我们要做的应该是给创作者提供赋能的工具，让他们可以更直接地、更好地去把自己的情感和感受表达出来。”

提到挑战，黄成之表示，在做巴赫Doodle的过程中，团队遇到了很多挑战，其中数据集的问题，是第一个挑战。

“因为我们只有300首巴赫的曲目来做训练的样本，要学习一个作曲家的风格，这个数据集的规模是非常小的。”为此，团队用到了一个叫本能化、直观化的数据采样方式。即面对一篇乐谱，不是从头到尾去读这段音节、或这段旋律，而是随机从中抽出几块遮盖起来，让机器去猜测这段旋律中空白的部分。

“如此一来，我们就将一段旋律，从不同角度、以排列组合的方式衍变成了许多段旋律，这就解决了我们这个数据集的问题。”

第二个问题，是建模的问题。黄成之透露，建模最大的挑战在于“速度”，因为需要实现互动性——在浏览器网页上与用户做互动，速度非常关键。“我们做了很多架构上的改进，来实现从40秒加速到现在的大约2秒。除此之外，我们还要纳入很多其他方面的技术来最终实现AI Doodle的互动效果。”

最后，黄成之认为，机器学习只是作曲家众多辅助工具中的一个，可以简化很多音乐的结构和特点，也有很好的协同机制，但最终还是要取决于创作者创作的方式和他们在创作的作品。她同时表示，这些模型或许会对音乐教育有所帮助，可以让更多人能够拥有主动创作的体验、去作曲，打开他们的兴趣。

来源：新浪科技