AI不仅能画画，还能编和弦了：谷歌这几年取得了哪些艺术成就？

本文经O’Reilly授权发布

大数据文摘字幕组作品

翻译：菜菜Tom、阿达、晓莉

监制：龙牧雪

在很多人的印象中，AI冰冷、生硬，和艺术无缘。但谷歌偏偏就不信。

谷歌大脑（Google Brain）有个Magenta项目，专门研究用TensorFlow和生成式模型来创造艺术作品，包括音乐、绘画作品等。他们的目的不是取代艺术家，而是为艺术家提供某些自动化协助，比如，编曲家可以用机器智能生成一段和弦。

项目代码已开源，请复制以下链接获取：

https://github.com/tensorflow/magenta

感觉有点酷！让我们来看看Magenta项目负责人Douglas Eck是怎样介绍他们的成果的。

视频来自O’Reilly和Intel AI Conference

时长15分钟，带有中文字幕▼

https://v.qq.com/x/page/m0611w3nbv9.html

内含一段AI演奏的肖邦钢琴练习曲

不要错过欣赏机会 ?

Magenta最近更新的博客文章里，详细介绍了MusicVAE音乐生成的相关技术细节。

博文链接：

https://magenta.tensorflow.org/music-vae

最重要的是对潜在空间（Latent Space）的利用，即将高维数据转换成低维。

如果将一段音乐表示为时序数据，那么一定是高维的。比如，就单音钢琴来说，在任何时候，都可以按下或松开88个键中的一个。我们可以将其表示为90种类型的事件（88次按键，1次松开，1次休息）。

如果我们忽略速度并用一个16分音符作为时间单位，则两个4/4排的小节将具有9032种可能的序列（旋律）。如果扩展到16个小节，将会是90256个可能的序列，它比宇宙中的原子数量多很多倍！

可视化来看的话，就是下面这样。这里是两小节随机的音符。纵轴代表钢琴上的音符，横轴代表时间。

但在潜在空间中，这些音符的表示是下面这样：

潜在空间能够表示低维空间中真实数据的变化。这意味着也可以通过潜在空间高精度地重建真实的数据。一种常见的模型是自动编码器（Auto Encoder）。

要生成一段音乐，需要模型学习较长的时间序列中的结构。在这里用到了一种分层解码器。

效果是，可以将一段旋律A和另一段旋律B相结合，生成一段“平均旋律”：

也可以用来给乐曲选择配器。

对艺术创作者来说比较有价值的，是基于这些成果开发的一些小工具，比如下面这个工具，可以自动生成一些旋律，供编曲人员使用：

这个项目组内还诞生了一些有趣的交互作品，比如被写进“不能错过的2017年AI圈大事”的SketchRNN。（文章链接：https://mp.weixin.qq.com/s/yyQXCVF5oExhpi9u1yNE_Q）

上面这张图说的是，基于谷歌开发的一个小游戏“QuickDraw”，研究人员收集了一批简笔画的数据，并用它们训练了一个模型，可以输出简笔画的图案。

有趣之处在于，人类的输入通常是脑洞大开的。

比如看上面的图片，左侧从上往下数第三组图案，人类输入了一只有5根胡须的猫。但是，机器认为一只“正常”的猫应该有6根胡须，左右各有3根，所以在输出图案的时候，就给这只猫多加了一根胡须。

同理，右上角的“8腿猪”显然也是超现实的，于是机器给我们画了一只正常的，2只眼睛4条腿的猪。

右侧第二组，人类给一个“猪”模型画了一辆卡车。以为机器会懵逼？没有。机器输出了一辆“猪猪卡车?”，或者说是，“卡车形猪猪?”？

至于右下角输入牙刷那位，实在是爱莫能助了。不过还是能看出来机器给牙刷加的猫耳朵和胡子。

SketchRNN介绍页面：

https://magenta.tensorflow.org/sketch-rnn-demo

你可以通过这个页面看其他人画过的一些样本，也可以点击Try Demo自己玩玩。首先你需要选择一个模型，模型加载完毕后，你就可以开始你的表演了，AI会根据你的笔画输出一个相应的图案。

文摘菌粗略看了一下，有100多个模型可以选择，什么蝴蝶、火烈鸟、手之类的都能画。随机试了一个“菠萝”模型，效果是这样的：

黑色的线条是文摘菌画的，绿色的线条是AI帮忙补全的。

生成简笔画和简单的和弦，AI能实现的这些功能对于艺术家来说还比较基础，但是在文摘菌看来还是挺神奇的！你觉得呢？

正如Doug在演讲视频中所言，“我可画不出这么好的猪猪卡车！”