AI Songsmith lance des airs étonnamment accrocheurs

La chansonnette pour piano ci-dessous, qui monte joyeusement, puis se termine par une fanfare mélodieuse, ressemble un peu à un jingle composé pour la dernière campagne de dentifrice.

La mélodie a en fait été imaginée par un programme musical d'IA développé chez Google. Et les dernières compositions du programme montrent comment la combinaison d'une puissante approche d'apprentissage automatique avec des règles musicales simples peut produire des œuvres créatives qui sonnent remarquablement humaines.

La composition musicale est une forme énigmatique de la créativité humaine. Les programmes d'écriture de chansons existent déjà, mais ils suivent généralement un ensemble de règles spécifiques et ont tendance à produire des morceaux qui semblent rigides et mécaniques. Il en va de même pour les logiciels qui recommandent de la musique en fonction de vos habitudes d'écoute (voir The Hit Charade). Enseigner aux ordinateurs à être plus inventifs musicalement peut indiquer comment les machines peuvent aider à d'autres actes créatifs, de la conception de produits à l'écriture de textes éloquents.

Google a déjà fait la démonstration de son ingénieur-compositeur IA générateur de musique, qui fait partie d'un projet appelé Magenta qui vise à favoriser la créativité artificielle (voir OK, Computer, Write Me a Song). Un vaste réseau de neurones est alimenté par des dizaines de milliers de chansons et est formé pour prédire la note suivante dans une séquence. Un tel réseau peut également générer de la nouvelle musique lorsqu'on lui donne un point de départ, bien que les résultats aient tendance à manquer de structure et de grâce.

Douglas Eck , un chercheur chez Google qui dirige le développement de l'IA génératrice de musique, en collaboration avec Natasha Jaques, une stagiaire de l'entreprise, a récemment conçu un moyen de faire en sorte que les systèmes d'écriture de chansons produisent des airs beaucoup plus élégants et accrocheurs. Ils utilisent une approche connue sous le nom d'apprentissage par renforcement pour ajouter des principes simples de théorie musicale - éviter de répéter un refrain trop souvent, ne pas jouer trop vite ou trop lentement, etc. - au processus d'apprentissage global. Le réseau reçoit une récompense positive chaque fois qu'il produit une séquence de notes qui non seulement ressemble aux modèles observés dans les chansons précédentes, mais adhère également aux règles musicales qui lui ont été données.

Ce sont des règles simples tirées d'un manuel de composition musicale, dit Eck. La combinaison de ces règles avec l'apprentissage par renforcement et la variance du monde réel provenant de milliers de compositions humaines, nous donne des chansons si accrocheuses qu'elles grattent certaines démangeaisons.

La nouvelle approche, décrite dans un document de recherche et un article de blog , semble certainement améliorer la génération automatisée de musique. Un autre extrait de musique montre comment le programme se comporte sans ces règles à suivre. La pièce semble plate, répétitive et mécanique. Eck et Jaques ont également mené une étude auprès des utilisateurs et ont constaté que les gens préféraient de loin les compositions produites à l'aide de la nouvelle technique.

Eck dit que la possibilité d'intégrer des règles dans l'apprentissage par renforcement sera utile dans de nombreux domaines, notamment la robotique, les systèmes de recommandation et la traduction linguistique.

Il n'y a aucune raison pour que les machines ne soient pas curieuses et créatives, dit Jürgen Schmidhuber , professeur à l'Université de Lugano en Suisse qui a mené des recherches pionnières sur le type de réseaux de neurones utilisés par les chercheurs de Google et qui a expérimenté la créativité en utilisant l'apprentissage par renforcement. Schmidhuber ajoute que l'approche pourrait avoir une gamme d'applications pratiques au-delà de la musique. On pourrait imaginer des combinaisons similaires de [réseaux de neurones] et de systèmes experts traditionnels basés sur des règles pour le diagnostic médical, dit-il.

L'apprentissage par renforcement offre un moyen d'apprendre aux machines à faire des choses qui seraient difficiles à réaliser par des instructions explicites. La technique a été employée par AlphaGo, un programme développé par des chercheurs de Google pour jouer à l'ancien jeu de société Go. Alors que les règles de Go sont simples, il est difficile d'expliquer comment bien jouer, et les joueurs développent normalement une aptitude intuitive grâce à de nombreuses heures de pratique. Mais parfois, il peut être utile de pouvoir également donner des instructions explicites à un système d'apprentissage automatique.

Stevan Harnad , professeur de psychologie à l'Université du Québec au Canada qui a étudié la créativité artificielle, dit que le travail de Magenta est impressionnant, mais ajoute qu'il reste encore un long chemin à parcourir avant que les ordinateurs puissent être crédités d'une véritable créativité humaine. Les algorithmes d'apprentissage en profondeur sont très prometteurs, mais jusqu'à présent, ils n'ont pas encore dupliqué la capacité humaine ordinaire et non créative, il est donc un peu prématuré de s'attendre à ce qu'ils soient créatifs, dit-il.

En fait, dit Harnad, même des compositions comme celles produites par l'équipe de Google semblent souvent mécaniques après quelques écoutes.

cacher