讀天才與演算法：人腦與AI的數學思維筆記18_心流機
躺柒發表於2024-05-05
1. 心流機
1.1. 在音樂中你會期盼旋律從不穩定解決到穩定，最終實現某種張力的解決
1.2. 將馬爾可夫鏈系統中的自由與約束條件結合起來，從而形成一種更具結構化的組合
1.3. 美籍匈牙利心理學家米哈里·契克森米哈賴（Mihaly Csikszentmihalyi）於1990年首次提出並確立了“心流”（flow）這一概念
1.3.1. 人們在心流狀態下最為快樂，這是一種對正在進行的活動和所在情境的完全投入和集中，是一種人們因為過於沉浸在一項活動中而忽略身邊一切事物的狀態
1.3.2. 心流狀態是內在動機的最佳形式，在這裡人可以完全沉浸在他所做的事情中
1.3.3. 許多藝術家和表演者曾描述，當他們全身心地投入到藝術中時，就失去了時空感，有些人稱之為“進入狀態”
1.4. 要想達到“心流”狀態，必須在任務的難度和操作者的技術能力之間建立起平衡
1.4.1. 如果操作者技術能力不足，任務難度又相對較高，那麼他就會陷入焦慮的狀態
1.4.2. 如果任務難度過低，所需技術能力要求也很低，就會給人帶來無聊的感覺
1.5. 畢加索花了數年時間來汲取埃爾·格列柯（El Greco）、雷諾阿（Renoir）、委拉斯貴支（Velázquez）和馬奈（Manet）的作品風格，透過模仿、組合和調整他們的風格，並新增不同的約束條件，來創造一種屬於他自己的獨特風格，但這種風格植根於過去的這些大師
1.6. 帕切特“心流機”的核心演算法是，先使用馬爾可夫鏈來學習藝術家的風格，然後再新增一定的約束條件
1.6.1. 一個使用博登組合型創造力概念進行演算法試驗的絕佳例子
1.7. “心流機”並不侷限於音樂
1.7.1. 你可以讓它學習一個詩人的風格，並使用另一個人的風格為約束條件
1.7.2. 帕切特的團隊用馬爾可夫模型來學習鮑勃·迪倫（Bob Dylan）歌詞的風格，然後將其應用到甲殼蟲樂隊的《昨日》（Yesterday）歌詞中
1.7.3. “心流機”的任務是在這個框架中填充被識別認可為鮑勃·迪倫所作的詞句
1.7.4. 由“心流機”作曲的新歌叫作《老爸的車》（Daddy’s Car），採用了帕切特最喜歡的甲殼蟲樂隊的音樂風格
1.7.4.1. 許多音樂分析家認為，甲殼蟲樂隊的音樂有一個暗含的模式，帕切特希望破解他們的密碼
1.8. 帕切特在2018年初發行了專輯《Hello World》
1.8.1. 專輯是卡里和其他一些使用“心流機”的音樂家合作完成的
1.8.2. “心流機”幫助這些音樂家不斷地擴充自己的創造力
1.8.3. 定義這是人工智慧製作的第一張專輯並不十分準確，因為卡里和他的合作者在確定最終產品的邊界上發揮了重要的、無可替代的作用
1.9. 藝人有可能寫出無窮無盡的“口水歌”，這就是公式化創作的結果
1.9.1. 許多流行歌曲只是在重複已驗證可行的格式，而沒有考慮去挑起人們的期許和願望
1.9.2. 這樣的流行歌曲一般是4/4拍，4小節或是8小節一個樂句，旋律不停地一遍一遍重複
1.10. 演算法已經開始控制我們所聽的內容了
2. Jukedeck
2.1. Jukedeck是由兩名劍橋大學的畢業生建立的，他們是發小，8歲時就在教會唱詩班認識了
2.2. Jukedeck是眾多利用人工智慧為機構和公司創作歌曲的公司之一
2.2.1. 他們的顧客，從自然歷史博物館這樣的機構到可口可樂這樣的公司都有
2.2.2. 這些公司需要原創但便宜的背景音樂來製作影片和廣告，它們不想支付高昂的版稅
2.3. Jukedeck的目標是創作影片製作或遊戲開發中所需的背景音樂，而不是與阿黛爾打擂臺
2.3.1. 金錢推動著人工智慧的藝術革命而不是對藝術方面的考量
2.4. Jukedeck利用人工智慧幾秒鐘就可以完美地為影片配樂
2.4.1. 從陽春白雪到下里巴人，從合奏到鼓和低音
2.4.2. 你需要告訴它你想要的音樂是積極的、憂鬱的，還是其他八種情緒中的哪一種
3. 量子作曲
3.1. 藝術創作的一個奇特之處是，藝術家創作的作品必須吸引許多不同的人來觀看、閱讀或聆聽
3.2. “大舉進攻”樂隊
3.2.1. 2016年年初他們選擇了一種創新的方式釋出了四首新歌
3.2.1.1. 粉絲們透過下載、安裝並執行一款名為Fantom的應用程式來收聽歌曲，這個應用程式是為這四首作品專門開發的
3.2.1.2. 應用程式Fantom依賴於音樂家對歌曲各部分的管控能力
3.2.2.1. 決定接下來要新增哪部分迷你音軌，以及以何種方式混合
3.2.2.2. 使用者的心率、動作、攝像頭捕捉到的畫面，都將影響你所聽到的歌曲的旋律和音質
3.2.3. “大舉進攻”樂隊的演算法本質上就是高階複雜版的莫扎特骰子游戲
3.2.3.1. 莫扎特精心策劃了每一個小節，提供了11個選項，每一個都可以作為華爾茲舞曲的下一個小節，而華爾茲的整體結構確立了遊戲規則
3.2.4. 該演算法的關鍵之處在於建立了一棵可能樹，源樹提供的可能性足夠豐富和多樣，又具有足夠的連貫性，所以無論演算法選擇哪條路徑，結果都會顯得天衣無縫、那麼自然
3.2.4.1. 你想要的絕不是完全的隨機性
3.3. 在量子世界裡，一個電子因量子疊加的緣故，可以同時出現在許多不同的地方，是觀察的行為導致了波函式坍縮，坍縮成它的許多種可能狀態之一
3.3.1. 創作一首可以存在於許多種可能狀態之中的歌曲
3.3.2. 演算法會根據我的資料和做出的選擇，將“大舉進攻”的“波函式”坍縮成一首歌曲
3.4. 使用人工智慧音樂幫助誘導人進入冥想狀態的應用程式
3.4.1. 音樂對人當前的精神和身體狀態的資料做出判斷和反應，讓演算法學習如何操縱人的精神和身體來使之放鬆
3.5. 米克·格里森（Mick Grierson）
3.5.1. 曾與冰島先鋒樂隊西格爾·羅斯（Sigur Rós）密切合作
3.5.2. 把他們的一首歌“風暴”（Óveður）擴充套件成一個24小時的版本，在其中不會有任何重複，但保留了5分鐘的原曲目
3.5.2.1. 這個時長24小時的版本是為了配合一次環繞冰島海岸的旅行而製作的
3.5.2.2. 對於一個人類作曲家來說，創作一個24小時不重複的原聲音樂是相當困難和耗時耗力的
3.5.2.3. 格里森開發的軟體使用機率工具生成音軌，來響應音樂所附的影像
3.5.3. 他還創作了這首歌的一個更長的版本，這個版本將永遠播放，永不重複
3.5.3.1. 即使“大舉進攻”樂隊或是“西格爾·羅斯”樂隊解散了，藉助這個演算法，只要我們想聽，還是會有源源不斷生成的新版本的歌曲
3.6. “生成音樂”（generative music）
3.6.1. 來描述由一個系統或演算法創造的不斷變化的音樂
3.6.2. 一種音樂苗圃，作曲家播種下種子，演算法與外界互動（如一個人玩電腦遊戲，或者其一天的經歷），然後這些種子就會生長出聲音
3.6.3. 它是為自己思考的音樂。
3.6.3.1. 布萊恩·埃諾（Brian Eno）
3.6.4. 從樂譜到體驗
4. 音樂人工智慧革命的開始
4.1. 機器學習正在挑戰人類作曲家所依仗的洛夫萊斯對人工智慧的預言
4.2. 2016年，一個名為AIVA的演算法成為被法國音樂人、創作人和版權代理商協會（簡稱SACEM）授予作曲家稱號的第一臺機器
4.3. 該演算法由皮埃爾·巴羅（Pierre Barreau）和文森特·巴羅（Vincent Barreau）兩兄弟建立，該演算法學習了巴赫、貝多芬、莫扎特以及其他海量的音樂家的作品樂譜，產生了一位正在創作自己獨特音樂的人工智慧作曲家