はじめに
人間の創造性の性質は、知性の性質よりもさらに研究されていない。 それでも、人工知能の方向性としての機械の創造性は存在します。 ここでは、コンピューターによる音楽、文学、絵画作品の執筆の問題が提起されており、現実的な画像の作成は映画やゲーム業界ですでに広く使用されています。 作成されたシステムは、人間が容易に知覚できる特定の画像を生成することを可能にします。これは、直感的な知識に特に有用であり、形式的な検証にはかなりの精神的努力が必要です[ 1 ]。
カットの下に、主題領域の簡単な概要、コンピューターと少しの数学で音楽を書くための私の提案されたアプローチがあります。
どうでしたか
電子計算技術の開発はすでに初期段階にあり、音楽の「侵入」をもたらしました。 すでに50年代に、科学者は最初のコンピューターを使用して音楽を合成しようとしました。メロディーを作成するか、人工音色でアレンジします。 そこでアルゴリズム音楽が登場しました。その原理は、1206年にグイドマルツァーノによって提案され、後にV.A.モーツァルトによってメヌエットの作成を自動化するために使用されました。 C.シャノン、R。ザリポフ、J。クセナキスなどが機械の創造性に従事していました。
2005年秋、カリフォルニア大学（バークレー、アメリカ）で、学生オーケストラがモーツァルトの40番交響曲を演奏しました。 もちろん、リスナーはモーツァルトが41の交響曲を書いたことを知っていましたが、この事実は彼らが素敵な音楽を聴くことを止めませんでしたが、多くの批評家によれば、通常は偉大な作曲家の曲に固有のとらえどころのない何かが欠けていました。 そして、驚くことではありません。第42交響曲はコンピュータープログラムEMI（「音楽的知能の実験」-音楽的知能の実験）によって構成されました。 このプログラムは、作曲家であり同時にプログラマーのデビッドコープによって作成されました。 過去数年にわたり、EMIはバッハ、ベートーベン、ブラームス、ショパン、スコットジョプリンによる「新しい作品」を生み出してきました[ 2 ]。
現時点では、アルゴリズム音楽の2つの主な方向を区別できます。
- ある意味で、人間が作成した芸術作品と競合できる新しい作品のコンピューターによる作成。
- よく知られている音楽作品のスタイルをモデリングして、これらの作品、その形態、構造を構築するための法則と原則を研究するとともに、心理生理学的研究における知覚の実験のために。
音楽生成アルゴリズムは、決定論的手順または確率的手順の使用に基づく2つの極アプローチを使用します。 決定論的手順は、音楽イベント（ノートなど）を生成し、ランダム選択に関連付けられていない固定構成タスクを実行します。 確率的手順は、これらのイベントの発生確率を確立する確率表に従って音楽イベントを生成します[ 3 ]。
なんらかのコラボレーションが必要なのはなぜですか？
各アプローチ内の音楽生成アルゴリズムには長所と短所があります。 たとえば、マルコフ連鎖に基づくメロディ生成アルゴリズムは、統計情報を使用してピッチを反映しますが、リズムの観点からは十分なメロディを生成できません。
それらの構成によるいくつかのアルゴリズムの使用に基づく共同アプローチが提案されています。 アルゴリズム構成を構築するという考えは新しいものではありません。 パターン認識問題を解決するフレームワークで最初に登場し、これらのアルゴリズムのエラーが相互に補償されるという仮定の下で、いくつかのアルゴリズムを組み合わせて合成することで構成されていました。
誰が誰
アルゴリズム合成の問題の定式化は、Yu.I。 次のようにZhuravlev。 アルゴリズムaを構築する必要があります：X→Y 、ここでXはオブジェクトのスペースです。 Y-多くの答え。 セットXおよびYに加えて、推定空間と呼ばれる補助セットRが導入されます。 重ね合わせa（x）= C（b（x））の形式のアルゴリズムを考えます。関数b：X→Rはアルゴリズム演算子と呼ばれ、関数C：R→Yは決定規則です。 アルゴリズム演算子b t ：X→R、修正操作F：R T →R 、および決定規則C：R→Yで構成されるアルゴリズム構成は、アルゴリズムa：X→Yの形式[ 4 ]：
そして、世代はどうですか？
ご覧のとおり、このアプローチは入力認識に適用できますが、音楽生成アルゴリズムは何も認識せず、新しいものを合成します。 したがって、音楽イベント（ノート）を生成するタスクを分類または認識のタスクに減らすようにします。
既存の各アルゴリズムは、特定のデュレーションとピッチの一連のノートを作成することを目的としています。 しかし、アルゴリズムの内部ロジックを変更して、生成されたノートが外部（ランダムノートジェネレーターなど）から来るようにし、現在の状態で入力で受信したノートを合成できる場合、アルゴリズムは推定値を提供します。 したがって、生成の問題は認識の問題に還元されます。
コラボレーションアプローチ
アルゴリズムb 1 （x）とb 2 （x）の入力に、セットX = {（note 1 、duration 1 ）...（note 12 、duration 1 ）、（note 1 、duration N ）...（note 1 、期間N ）}はランダムに取得されます。
推定空間はR = {0、1}です。1は適切な入力データの兆候、 0は不適切なデータの兆候です。 任意のアルゴリズムb i （x）は推定値のペア（ R 、 R ）を形成します。ここで、 Rは音符スコア、 R Dは継続時間の推定値です。
修正操作として、単純な投票[ 4 ]、つまり
導入された推定空間Rとアルゴリズムb 1 （x）およびb 2 （x）の場合、修正操作Fの形式は次のとおりです。
次のように決定ルールを定義します
このルールは、評価空間Rを回答Yのセットに変換します。 回答のセットY = {M 1 、M 2 }は、入力を2つのクラスに分割します。M1-メロディペア（ノート、デュレーション）に適しており、 M 2-不適切なペアです。
したがって、次のアルゴリズム構成が取得されます。
専門分野
アルゴリズムb 1 （x）の能力範囲を高高度、アルゴリズムb 2 （x）をリズミカルと定義します。 b 1 （x）アルゴリズムは、オーディオピッチからb 2 （x）アルゴリズムと同様に、リズミカルな側面からのペア（注、持続時間）を評価できません。 次の仮定を受け入れます。特定の領域では機能しないアルゴリズムb i （x）は、常にこの領域のデータを適切に評価します。 つまり、アルゴリズムb 1 （x）のR 1の推定値は（R H 、1）に等しく、アルゴリズムb 2 （x）のR 2の推定値は（1、R D ）に等しくなります。
結論の代わりに
一般的なケースでは、提案されたコラボレーションアプローチは、さまざまなアルゴリズムに拡張できます。 さらに、アルゴリズムは0個または1個の推定値を生成できるだけでなく、区間[0; 1] 、入力ペアの発生確率として。 さらに、各アルゴリズムに重みを付けることができます。これにより、最も重要な推定値が強調表示されます。 たとえば、特定の作曲家のスタイルをモデリングする場合、この作曲家によって特定の作品セットでトレーニングされたニューラルネットワークから取得した推定値がより優先されます。
参照資料
- ロジン、S.I。 人工知能。 -タガンログ：TTI SFUの出版社、2009年。-200ページ。
- シャロフ、K。S.機械作曲家と音楽の創造性の知覚/ K. S.シャロフ//国際科学会議の資料（2009年11月6〜7日）-M。：現代のノート。 -2009 .-- 240秒
- asmir.info/lib/compmus.htm
- Zhuravlev、Yu。I.認識または分類の問題を解決する代数的アプローチについて/ Yu.I. Zhuravlev //サイバネティックスの問題。 -1978。-T.33。-S. 5–68。