Музыкальный инстинкт. Почему мы любим музыку - читать онлайн книгу. Автор: Филип Болл cтр.№ 100

Однако реальное влияние компьютеризации заключается в том, что она может подорвать наше представление о музыке как о творческой интеллектуальной человеческой деятельности, недоступной для автоматизации. Если бы вы сказали, что кажется невероятной возможность создания компьютерной программой такой композиции, которая могла бы конкурировать с великими (или даже второстепенными) работами Баха по глубине и красоте, я бы с вами согласился. Однако вдруг случится так, что алгоритм сможет генерировать по крайней мере короткие музыкальные фрагменты, достаточно похожие на «стиль Баха» и настолько убедительные, что мы не отличим их от рутинных, формальных отрывков, которые, будем честны, можно встретить в его произведениях если хорошо поискать? И если да, то, возможно, целесообразно будет предположить, что все, что имеет истинную музыкальную ценность, лежит в пропасти между этими фрагментами и Бранденбургскими концертами? А ведь попытки искусственной генерации музыкальных произведений уже неоднократно менялись, и да, вы верно предположили, что подобные эксперименты не остались исключительно на уровне предположений. В восьмидесятых годах ученый-программист Кемаль Эбчиоглу создал программу CHORAL, которая «гармонизировала хорал в стиле Баха». Разумеется, выполняемое программой действие отличается от «написания» музыки: базовая мелодия заимствовалась из существующих хоралов Баха; затем было проведено сравнение результатов работы программы и творчества самого Баха (Рис. 11.3).

В программе использовались чистые принципы «теории музыки» (например, правила голосоведения); Бах, вероятно, также принимал во внимание, как гармонизация отражает слова или насколько легко можно исполнить партии. Тем не менее результаты были достаточно убедительными, по крайней мере, внешне – они, во всяком случае, не выглядели бессмысленными. Однако, поскольку Эбчиоглу был хотел показать, насколько правдоподобно алгоритм может имитировать абстрактный продукт человеческого разума, а не подвергать оценке музыкальное качество созданного алгоритмом продукта, к сожалению, он не проверял, насколько высоко искушенные слушатели оценивают усилия CHORAL.

В 1970-х годах шведские исследователи Йохан Сандберг и Бьорн Линдблом создали совершенно другой музыкальный алгоритм, имитирующий стиль. Они пытались раскрыть ряд «грамматических принципов», стоящих за шведскими детскими песенками, написанными Алисой Тегнер в конце девятнадцатого и начале двадцатого веков. Сандберг и Линдблом задались вопросом, обладают ли довольно простые, даже стереотипные мелодии так называемой трансформационной порождающей грамматикой, похожей на ту, что существует в лингвистике (см. Главу 12), и можно ли ее компьютеризировать, чтобы создать песни, абсолютно похожие на «стиль Тегнер». Трудно судить о результатах (Рис. 11.4), не зная творчества Тегнер, но идея, что элементарные тональные мелодии обладают узко определенными стилистическими особенностями, которые можно автоматизировать, выглядит правдоподобной.

Рис. 11.3 Хорал Баха № 128 (а) и грамонизированный хорал, созданный компьютерной программой CHORAL (б).

Рис. 11.4 Детская песенка Алисы Тегнер (а) и «похожие на стиль Тегнер» мелодии, сгенерированные компьютерным алгоритмом (б).

Если мысль о компьютерной музыке заставляет вас вздрагивать, напомню, что эксперименты по «автоматизации» композиции были хорошо известны еще в восемнадцатом веке, когда некоторые композиторы развлекались так называемыми «Musikalisches Würfelspie» («играми в музыкальные кости»): в этой игре броски игральных костей определяли порядок, в котором будут собраны предварительно составленные музыкальные фрагменты. Одна из этих игр была опубликована в 1792 году издателем Моцарта Николаусом Симроком в Берлине; автор остался неизвестным, но произведение было приписано самому Моцарту. Считается, что полностью достоверная рукопись Моцарта, обозначаемая K516f, является подобного рода игрой, хотя инструкции к ней не прилагаются. Запись состоит из множества двухтактовых мелодий, обозначенных строчными или заглавными буквами, а также примера их сочетания, составленного Моцартом; подобным же образом была создана в 1790 году «Филармоническая шутка» Гайдна. И Моцарт, и Гайдн – оба композитора любили игры и веселье, поэтому сложно сказать, задумывались ли эти пьесы как нечто большее, чем забавы. Но некоторые современные композиторы следуют более трезвому алгоритмическому подходу в составлении композиций; первым стоит назвать Янниса Ксенакиса, который использовал компьютеры для создания своей стохастической музыки. А серийный метод Шёнберга был псевдоматематическим алгоритмом, который впоследствии развили его приверженцы, оставляя композитору еще меньше возможностей для вмешательства.

Однако алгоритмы, основанные на случайности, могут дать результат, который большинство людей сочтет музыкальным, когда ингредиенты с самого начала ограничены и тщательно продуманы. Фрагменты из произведений Моцарта и Гайдна, привязанные к определенной тональности и умиротворяющие сами по себе, с высокой степенью вероятности могли бы сгенерироваться в нечто приятное на слух, хотя и простоватое. Алгоритм Эбчиоглу, с другой стороны, находился в пределах «приемлемых» границ благодаря тому, что принципы тональной мелодии и гармонии были заложены в его правилах. Музыка в стиле барокко в любом случае сильнее основывалась на правилах, поэтому идея сгенерированной музыки «в стиле Баха» кажется гораздо более жизнеспособной, чем «в стиле Стравинского» или даже «в стиле Бетховена».

Создание музыки на компьютере в наши дни переживает принципиально новый период: вместо того чтобы полагаться на априорные «восходящие» правила выбора каждой ноты, алгоритмы работают на более глобальном «нисходящем» уровне, извлекая для себя правила и руководящие принципы из реальных музыкальных примеров. За последние десятилетия исследования в области искусственного интеллекта проводились с использованием адаптивных нейросетей, которые могут делать обобщения, исходя из опыта, учиться распознавать типичные паттерны в раздражителях и не полагаться на точные совпадения с некоторыми заранее определенными критериями. Это, скорее всего, больше похоже на то, как работает человеческий разум, хотя не совсем ясно, точны ли параллели. Одной из самых известных попыток использовать адаптивное обучение для создания музыки был алгоритм GenJam ученого-программиста Джона Ала Байлса из Технологического института Рочестера: программа училась импровизировать джаз. Сам Байлс играет на трубе, проводит живые выступления вместе с GenJam, называя свою группу «Al Biles Virtual Quintet», и утверждает, что созданная им программа является, пожалуй, «единственной эволюционной вычислительной системой, которая на самом деле «работает музыкантом». Байлс скромно оценивает результаты своей работы. Он считает, что «после достаточного обучения музицирование GenJam может быть охарактеризовано как компетентное с некоторыми действительно достойными моментами». «Обучение» в данном случае – это процедура, с помощью которой обучающий алгоритм GenJam находит приятные варианты музыки, которую стремится воспроизвести. Это своего рода дарвиновский процесс, в котором слушатель оценивает усилия GenJam и показывает «большой палец вверх» или «большой палец вниз», чтобы помочь определить «хорошие» результаты, которые изменяются и используются в качестве основы для следующих попыток. Байлс говорит, что импровизация GenJam обычно становится терпимой после примерно десяти поколений попыток, но первые несколько могут быть «весьма ошеломляющими для наставника». ^[82]