کد خبر: ۱۳۲۹۷
تاریخ انتشار: ۱۲:۳۰ - ۰۴ خرداد ۱۳۹۸
مروری بر فناورهای نوین در حوزه موسیقی
هنگامی که آهنگی از رادیو یا چنان‌که امروز معمول است، از دستگاه‌های هوشمند پخش می‌شود، نیرویی نامریی در کار است که از خلاقیت در نویسندگی هم فراتر می‌رود و آن چیزی نیست جز تولید و اجرای یک آواز یا ترانه. یکی از این ویژگی‌های غیرقابل توصیف، «مسترینگ» (Mastering) – در کار ضبط صداست. فرآیندی که ترانه و آواز را نرم، هموار و تجربه شنیدن از هردستگاهی را بهینه می‌کند. درحال حاضر الگوریتم‌های هوش‌مصنوعی نیز راه خود را در این مسیر هموار کرده‌اند. «توماس برتشنل» محقق دانشگاه «ولونگونگ» در استرالیا می‌گوید: «مسترینگ در هنر موسیقی، اندکی در زمره هنر سیاه است. زیرا باوجود این‌که همیشه روشن نیست که این مسترینگ واقعا چه نقشی دارد اما هربار که موزیک شنیده می‌شود، به نظر بهترمی‌رسد.»
کارآیی ماشین درحوزه مسترینگ صدا
«مسترینگ» فعالیتی فنی است که به صدای هنرمند یا ساز، شفافیت و درخشش می‌بخشد. به عبارت بهتر مسترینگ سبب می‌شود مثلا هنگام گوش دادن به موزیک همراه با حالت‌هایی از اختلال درصدا نباشد. مثلا حس انفجاریا صداهای حاشیه‌ای و مزاحم در اسپیکرها ایجاد نشود. مسترینگ در کار صدا، همچنین کمک می‌کند که سطح صداها با یکدیگر متعادل باشند. در مجموع مسترینگ چیزی همانند ویرایش یک نوشته از ویراستار است. به آهنگساز کمک می‌کند که آهنگ روان و شفاف بوده و از گیرایی لازم برخوردار باشد. البته این تمام کاری نیست که در مسترینگ انجام می‌شود. صرف‌نظر از مواردی که گفته شد، مسترینگ، پروسه‌ای دقیق است که نیازمند دانش و مهارت‌های علمی بالایی است.
«برتشنل» که خود یک آهنگساز و موسیقی‌شناس است، وقتی از خدمات مسترینگ با استفاده از AI یا هوش‌مصنوعی، همانند LANDR مطلع شد و دریافت که کارکردهای آن تا چه اندازه می‌تواند جایگزین کم هزینه‌ای برای مسترینگ از سوي انسان باشد، به این روش و کارکردآن بسیارعلاقه‌مند شد.
کارایی روش‌های هوشی مصنوعی دراین حوزه چنان جذاب بوده که امروزه بیشتر هنرمندان جوان و تازه کار، برای راه‌اندازی یک فعالیت هنری حرفه‌ای، در ارائه آهنگ‌هایی که تولید می‌کنند، از روش (LANDR) بهره می‌برند.(هزینه استفاده ماهانه از خدمات LANDR برای چهار آهنگ، تنها 9 دلار است).
بنابراین برتشنل نیز ازجمله هنرمندانی است که تصمیم گرفت درباره نحوه استفاده از هوش مصنوعی دراین زمینه و روند کار براساس الگوریتم‌های مسترینگ صدا تحقیق کند.
برتشنل می‌گوید: «روش سنتی در زمینه مسترینگ صدا عموما مستلزم دسترسی به یک اتاق مخصوص (استودیو) با تجهیزات اکوستیک ویژه است. همچنین نیازمند حضور شخص دقیقی است، با گوش حساس که قادر به شنیدن وتشخیص نقص‌های فنی درموسیقی باشد. مواردی چون تشخیص محدوده طیف یا نقطه تعادل استریو و سپس حذف اشتباهات و صداهای زاید ناگهانی و مانند آن که از جمله وظایف این فرد است. درعین حال، درصورت لزوم، صداهای مورد نیاز را نیز می‌افزاید یا صداهای آهسته‌تر را بلند می‌کند که سبب می‌شود صدا پرحجم به نظر برسد. البته این کار کاملا متفاوت از بلند کردن صرف صداست. چیزی شبیه به پررنگ‌تر کردن حضور و انرژی درتولید نهایی کار است. می‌توان گفت که این بخش از کار، نوعی کنترل کیفی در کار صدا محسوب می‌شود.»
الگوریتم‌ها؛ پرتوان اما غیرخلاق
طبق اطلاعاتی که اخیرا منتشر شده، برنامه LANDR که از سال 2014 راه‌اندازی شده ، اکنون بیش از يك میلیون کاربر درمیان موسیقی‌شناسان و آهنگسازان دارد که از این پلتفرم برای مسترینگ بیش از 10 میلیون آهنگ استفاده کرده‌اند.
چند سال پیش «کارنگی ملون» دانشمند کامپیوتر و «راجرداننبرگ» اخباری درباره سیستم‌های آنلاین مسترینگ شنیدند که حاکی از آن بود که این برنامه به‌دلیل استقبال کاربران، بیش از یک میلیون آهنگ را مسترینگ کرده است. این رقم برای آن‌ها شگفت‌آور بود.
داننبرگ گفته است که این عدد واقعا رقم بزرگی است اما منطقی است که هنرمندان تا این حد از این الگوریتم‌ها برای مسترینگ موسیقی‌هایشان استفاده کنند. 
وی می‌گوید: «درفضای ساخت و خلق موسیقی تصورمی‌کنم که مسترینگ، یکی از خشک‌ترین کارهایی است که مستلزم برش‌های زیاد است که با استفاده از هوش مصنوعی می‌توان نسبتا راحت آن را فرموله کرد. بعضی از جنبه‌های مسترینگ مانند هم سطح بودن صداها درآهنگ‌ها یا دریک CD یا تلاش برای یکسان‌سازی و مطابقت طیف محتوایی در صداهای باس یا فرکانس‌های بالا، به صورت ماشینی و خودکار از سرودن قطعه‌ای هنری یا ساخت و تولید موسیقی به مراتب آسان‌تر است اما مسترینگ هنوز هم کاری خلاقانه است و ابعادی دارد که از عهده هوش مصنوعی برنمی‌آید. زیرا انسان‌ها هنوز هم چیزهایی را با گوش‌های خود می‌توانند بشنوند که دستگاه‌ها یا برنامه‌های کامپیوتری قادر به شنیدن آن نیستند.»
دننبرگ می‌گوید: «کارایی روش‌های کامپیوتری شاید نشانه‌ای از توان هوش مصنوعی درخلق یک اثر خلاقانه باشد و واقعا فکر می‌کنم همین‌طورهم هست اما هرچند که اکنون جنبه‌هایی از کار خلاقانه را در خود دارد، با این حال هنوزتا تبدیل شدن کارماشین به یک خلاقیت، یا ارائه دادن یک کار خلاقه واقعی از ماشین، راه درازی مانده باشد.»
هوش مصنوعی، گذشته‌نگر وانسان آینده نگر
«رایان پترسن» تهیه‌کننده، آهنگساز و ترانه سرای اهل «نشویل» نیز تجربه خاص خود را درکار با هوش مصنوعی دارد. او نیز که چند سال پیش با استفاده از برنامه LANDR کارکرده است، درنهایت استفاده از این سیستم را رها کرد و به همان روش کار با همکاران انسانی برگشت. او می‌گوید: «الگوریتم از نظر تکنیکی واقعا جالب است اما برای مدتی کوتاه. اساسا گفته می‌شود که این نرم‌افزارها از طریق توجه به آهنگ‌هایی که بررویشان آپلود می‌شود، کار می‌کنند. این به این معناست که این ماشین های یادگیری اساسا روی به گذشته دارند. درواقع هرگز نگاه به آینده ندارد تا دریابد که چگونه می‌توان کار تازه و جدیدی را برای دفعه بعد خلق کند.»
برتشنل می‌گوید: «مسترینگ صوتی براساس هوش مصنوعی احتمالا نوعی جابه‌جایی درکار انسان است اما دشوار است که بدانیم این جابه‌جایی تا چه میزانی رخ داده است. در بيشتر موارد افرادی که از این خدمات استفاده می‌کنند، دیگر تمایلی به استخدام فردی برای هدایت و مدیریت آهنگ‌های خود ندارند. این وضعیت ممکن است باعث محدودیت فرصت‌های شغلی برای تازه واردان و کارآموزان شود.»
به گفته داننبرگ یکی از حوزه‌هایی که کارایی کامپیوتر به‌سرعت آن را تحت‌تاثیر قرار داد، فعالیت‌های مربوط به آهنگسازی، نوشتن، تصنیف آهنگ‌ها و ترانه‌های پاپ، هماهنگی دراجرای نت ها وکارهایی از این دست بود. در این قبیل کارها استفاده از روش‌های کامپیوتری در مقایسه با انچه که از انسان برمی‌آید، عملکرد بهتری دارد و بعضی کارهایی را که با همین روش تولید کرده، آهنگ‌های جذاب و جالب‌تری از آب درآمده‌اند.
از دیگر سو بزرگ‌ترین نقطه ضعف ابزارهای هوش مصنوعی در زمینه تولیدات موسیقی درحال حاضر آن است که افراد را قادر می‌کند پس از ضبط موسیقی و تولید نهایی، بتوانند آن را دستکاری کنند و حتی تنظیمات یک اثر را به میل خود تغییر دهند یا آن را با عناصر دیگری ترکیب کنند. درواقع کار با روش‌های هوش مصنوعی حدومرزهای کمتری برای خلاقیت فردی دارد. درحالی که فعالیت‌های انسانی همچنان نیازمند خلاقیت کل یک گروه و تیم است.
داننبرگ می‌گوید: «یک کامپیوتر می‌تواند یک آهنگ پاپ بنویسد اما باوجود همه مزیت‌ها، درنهایت شما نیازمند به همکاری تیمی از انسان‌ها هستید. شما نمی‌توانید آن را اجرا کنید ویا هیچ تنظیماتی برای آن معین کنید مگر این که از تیم انسانی متشکل از اجرا کنندگان و تولید کنندگانی برخوردار باشید که آن آهنگ ساخته شده را اجرا کنند.»
وی می‌افزاید: «البته این را هم می‌توان به‌عنوان فرصتی برای تحقیقات بیشتر و کاربرد بهترAI و عملکرد ماشین درنظر گرفت. من هیچ مانعی را مطلق نمی‌بینم. بشخصه از آن دسته افرادی نیستم که فکر می‌کنند خلاقیت امری ذاتی انسان است.»
برتشنل معقتد است که درنهایت خلاقیت انسان هم درفناوری‌های AI ادغام خواهد شد:« همزمان با ارتقای الگوریتم‌ها بالاخره نقطه‌ای فرا می‌رسد که کار پیشگامان و توسعه‌دهندگان کارهای حرفه‌ای را کاملا پشت سرمی‌گذارد. بنابراین ممکن است در آینده به نقطه‌ای برسیم که درنهایت کارهوش مصنوعی درمقایسه با انسان، برتری کامل بیابد و درنتیجه مشاغلی که تا امروز به یقه سفیدها یعنی گروه انسان‌های تحصیل کرده یا متخصص در فنون تعلق داشت، به روبات‌ها واگذار شود. از جراحی از سوي روبات گرفته تا خودروهای بدون راننده درجاده‌ها. به نظر می‌رسد که این اتفاقات بزودی رخ خواهد داد هرچند واقعا نمی‌دانیم که چه هنگام محقق می‌شود.»

نظرات بینندگان
نام:
ایمیل:
* نظر: