صفحه اصلی > عمومی و هوش مصنوعی : کاربردها،پیشرفت‌ها و آینده هوش مصنوعی در موسیقی

کاربردها،پیشرفت‌ها و آینده هوش مصنوعی در موسیقی

کاربردها،پیشرفت‌ها و آینده هوش مصنوعی در موسیقی

در طی چند سال اخیر هوش مصنوعی در موسیقی به طور گسترده‌ای محبوبیت یافته است. دلایل این افزایش جذب هوش مصنوعی در فناوری اصلی برنامه پخش موسیقی به دلیل برخی از دلایل واضح و برخی دیگر نه چندان واضح است.

هوش مصنوعی تجربیات شنوندگان را از طریق لیست‌های پخش شخصی افزایش می‌دهد.

در گذشته: هر هنرمندی شخصیت خاص خود را داشت که از طریق موسیقی ارائه می‌داد – در حالی که برخی از آنها ماهیت مبهم لوئیز آرمسترانگ را دوست داشتند ، دیگران هر زمان که الویس پریسلی یکی از آهنگ‌های عاشقانه خود را می خواند ذوب می‌شدند. بعضی طرفدار سبک بیتلز می‌شدند، در حالی که بقیه به سمت سبک‌های دیگر حرکت کردند.

حال: شرکت‌های برنامه پخش موسیقی مانند Joox ، QQ Music و KuGou از هوش مصنوعی برای تجزیه و تحلیل علاقمندی شنوندگان خود و پیشنهاد لیست‌های پخش منظم برای تجربه شخصی مشتری استفاده کرده‌اند.

با استفاده از “موتورهای جستجو” مبتنی بر هوش مصنوعی، برنامه‌های پخش موسیقی تاریخچه موجود شنوندگان را تجزیه و تحلیل می‌کنند و آهنگ‌های جدید را توصیه می‌کنند.

آینده: در حالی که امروزه از هوش مصنوعی برای ارائه پیشنهادها استفاده می‌شود، به نظر من این امکان وجود دارد که صنعت پخش موسیقی ویژگی‌هایی را ارائه دهد که اصلی‌ترین حالات بدن مانند ضربان قلب، میزان استرس، میزان تنفس، حتی ممکن است سیگنال‌های عصبی دستگاه‌های پوشیدنی را بخواند. این ویژگی ممکن است موسیقی بیومتریک و مبتنی بر فیزیولوژی را ارائه دهد.

تصور کنید که در یک مترو، پر از مردم سفر می کنید. عجله برای رسیدن به مطب و تعداد زیاد افراد باعث اضطراب شما می شود. هدفون کوچک روی گوش شما ممکن است اضطراب شما را شناسایی کرده و پیشنهاد پخش موسیقی از هنرمند مورد علاقه خود را ارائه دهد اما با ملودی ملایم و آرام تر.

یک مکانیسم بازخورد ممکن است به طور مستقل نشان دهد که چگونه این ملودی نرم بر سلامتی شما تأثیر می گذارد و بهبود بیشتر موسیقی برای ارائه نتایج درمانی بیشتر انجام می‌شود. این احتمال وجود دارد که هوش مصنوعی بتواند ملودی، سبک، کیفیت آهنگی، ریتم هارمونیک و غیره را متناسب با حالات بدن شما تغییر دهد تا شما را “بهبود بخشد”.

این اساساً ممکن است موج بعدی شخصی سازی موسیقی از طریق هوش مصنوعی باشد.

 هوش مصنوعی پارادایم گزینه‌های بی نهایت را می شکند:

گذشته: برای شنیدن موسیقی در خانه، شنوندگان مجبور به خرید برچسب های ضبط وینیل ۱۲ اینچی بودند که فقط در هر طرف فقط ۲۲ دقیقه موسیقی پخش می‌کرد. وینیل ها گران بودند و شنوندگان فقط موسیقی ایجاد شده توسط هنرمندان محلی خود را می‌شناختند و مصرف می‌کردند. با تجاری سازی گسترده رادیو برای اهداف پخش رسانه‌ای، هنرمندان شروع به ساخت آهنگ‌های کوتاه تر ۳-۷ دقیقه‌ای کردند که پخش آنها در هوا راحت تر بود.

حال: امروزه برنامه‌های پخش موسیقی به شنوندگان این امکان را می‌دهد که از نظر پرداخت نکردن آهنگ، بلکه پرداخت ماهانه یا سالانه آهنگهای نامحدود از هنرمندان نامحدود، یک گام جلوتر بروند. برنامه‌های پخش موسیقی روزانه حدود ۲۰،۰۰۰ آهنگ جدید را در سیستم عامل خود بارگذاری می‌کنند.

کاربرد هوش مصنوعی در موسیقی

کاربرد واقعی که هوش مصنوعی ایجاد کرده است استفاده از “موتورهای فیلتر کننده” است که از طریق هزاران آهنگ تازه بارگذاری شده اسکن می‌کند تا لیست‌های پخش و پیشنهادهایی را که برای هر فرد تهیه می‌شود، ایجاد کند و از این طریق شنوندگان برای مرور هزاران آهنگ برای انتخاب موارد مورد علاقه از بین می‌روند.

علاوه بر این، موتورهای فیلتر کننده هوش مصنوعی شخصی سازی را به ژانرهای منفرد محدود نمی‌کنند، بلکه با ایجاد یک لیست پخش از آهنگهای ظاهراً بی ربط که توسط آن فرد “موسیقی خوب” تلقی می‌شود، تعریف کاملاً جدیدی را به کلمه “ژانر” ارائه می‌دهند.

آینده:

هسته اصلی شخصی سازی موسیقی در آینده روشی است که شنوندگان موسیقی خود را تجربه می‌کنند. از طریق فناوری‌هایی مانند واقعیت مجازی، شنوندگان نه تنها “به موسیقی گوش می‌دهند، بلکه عملاً می‌بینند که نوازندگان مورد علاقه خود را منحصراً برای آنها اجرا می‌کنند. از طریق محرک‌های عصبی-الکتریکی پوشیدنی، شنوندگان موسیقی را در استخوان ها و عضلات و مناطق مغز خود احساس می‌کنند. آنها همچنین ممکن است بتوانند احساسات و عواطف هنرمند را از طریق این تحریکات احساس کنند.

خیلی وقت است که دیگر بحث درمورد استفاده از هوش مصنوعی در صنعت موسیقی چندان عجیب و اعجاب‌انگیز نیست، چرا که امروز هوش مصنوعی حضوری کاملا واضح در این صنعت دارد. امروز به روش‌های متفاوتی در صنعت موسیقی از هوش مصنوعی استفاده می‌کنند. اما صحبت از این فناوری یادگیرنده و آموزنده‌‌ی حرفه‌ای به پایان نرسیده، وقت آن رسیده که درمورد تاثیر هوش مصنوعی در فروش و تولید موسیقی حرف بزنیم.

همانند دیگر صنایع بزرگ دنیا، اگر هوش مصنوعی در صنعت موسیقی نیز بکارگرفته شود خدمات این صنعت خودکار خواهد بود. همانند دیگر صنایع در موسیقی نیز الگوها و بینش‌ها را بصورت پایگاه‌های داده‌ای بزرگ جمع آوری کرده و در نهایت عملکرد سیستم را افزایش می‌دهد. امروز اغلب کمپانی‌های بزرگ صنعت موسیقی پذیرفته‌اند که باید از هوش مصنوعی استفاده کنند. چراکه این فناوری می‌تواند تجارت موسیقی را متحول نماید. بنابراین اگر نمی‌خواهند از غافله عقب بمانند باید از این فناوری استفاده کنند.

رشد هوش مصنوعی در تجارت موسیقی:

چیزی که امروز مستند و اثبات شده است این است که تجارت همراه با فناوری امکان رشد خواهد داشت، بنابراین موسیقی هم بعنوان یک صنعت بزرگ جهانی خارج از این گروه نخواهد بود. آمارها نشان می‌دهد که تا سال ۲۰۳۰ حداقل ۷۰ د رصد از کمپانی‌ها از هوش مصنوعی استفاده خواهند کرد. هوش مصنوعی به انسان این امیدواری را می‌دهد که قصد ارتقای کاستی‌های بشر را دارد و به تکامل و تقویت توانایی‌های انسانی کمک می‌کند.

ما امروز از هوش مصنوعی این امتیاز را داریم که انتخاب‌های کم خطاتری را انجام دهیم و روز به روز کارآمدتر بشویم، که این خود نوآوری و توسعه را بدنبال خواهد داشت. البته نباید نادیده گرفت که حضور هوش مصنوعی دگرگونی بزرگ در مسیر خلاقیت بوجود می‌آورد. مسلما در آینده انسان در چالش بزرگی ورود می‌کند. چه صنعت موسیقی و چه دیگر تجارت‌های بزرگ.

اسکات کوهن رهبر بزرگ و اندیشمند شناخته شده در عرصه موسیقی به روشنی به تاثیر چشمگیر فناوری هوش مصنوعی در آینده موسیقی اشاره می‌کند، در حالیکه بسیاری هنوز در این مورد جبهه مخالف را شکل می‌دهند. در نهایت می‌توان افکار کوهن درمورد هوش مصنوعی و تلفیق آن با صنعت موسیقی را در  The Orchard ملاحظه کرد که به قیمت ۲۰۰ میلیون دلار در سال ۲۰۱۵ به سونی فروخته شد.

سخنرانی کوهن:

کوهن در سخنرانی خود در کنفرانس Eurosonic Nooderslag می‌گوید: هر یک دهه صنعت موسیقی تغییر بزرگ را تجربه می‌کند و نگاهی تازه‌تر به دنیای فناوری در دید موسیقی اینگونه است. امروز ۲۰۰۰۰ قطعه در هر روز در اسپاتیفای بارگذاری می‌شود و هوش مصنوعی برای اینکه آن‌ها را مرتب و یا پیشنهاد کند از تاریخچه آنچه که شنوندگان گوش دادند استفاده می‌کند.

هوش مصنوعی امروز با استفاده از جمع آوری بلوک‌های بزرگ حاوی داده‌ها طبقه بندی ژانرها را کنار گذاشته و آنچه را که به نظر شنوندگان و صنعت موسیقی خوب و مورد تایید است را در اولویت قرار می‌دهد. امروز الگوی انتخاب بی‌نهایت دیگر چندان موفق نیست و استفاده از الگوی توصیه‌های قابل اعتماد بهتر خواهد بود.

این فناوری هوش مصنوعی است که با ارزش گذاری بر آثار نیاز به مارک‌های مجرا را برطرف می‌کند. اما اشاره می‌کند که صنعت موسیقی زنده باید بتواند از پتانسیل‌های لازم جهت گنجاندن واقعیت‌های افزوده و مجازی در کنسرت‌ها استفاده کند.

کاربردهای هوش مصنوعی در ایجاد موسیقی:

  • آهنگسازی و ایجاد موسیقی امروز با استفاده از هوش مصنوعی دیگر یک اتفاق نادر و خیلی اعجاب انگیز نیست و مسئله‌ای عادی تلقی می‌شود:
  • امروز از هوش مصنوعی در ساخت قطعات موسیقی برای تجزیه و تحلیل داده‌های آثار متفاوت استفاده می‌شود.
  • هوش مصنوعی قابلیت یادگیری دارد. این فناوری می‌تواند با یادگیری و الگوریتم‌های مفید یاد بگیرد که چه وجوه و الگوهایی در موسیقی لذت بیشتری در مخاطبان ایجاد می‌کند.
  • این فناوری می‌تواند ژانرهای مورد علاقه شنوندگان را تشخیص بدهد و بیشتر از آن‌ها استفاده کند و یا اینکه آن را تلفیق کرده و اثری جذاب‌تر ارائه دهد.
  • هوش مصنوعی قابلیت تقلید ژانرهای محبوب را نیز دارد.
  • الگوریتم‌های هوش مصنوعی این توانایی را دارند که اعداد موسیقی ابتکاری را با عناصر و روندهای دیگر ترکیب کنند و اثری تازه ارائه دهند.

پیشرفت و آینده هوش مصنوعی در صنعت موسیقی:

شرکت‌های فناوری سرمایه‌گذاری‌های بزرگ خود را معطوف به دوره‌ای می‌کنند که در آن هوش مصنوعی بتواند نقشی بسزا در خلق موسیقی و آسان سازی مراحل تولید موسیقی برای موسیقیدانان داشته باشد. یکی از پروژه‌های بزرگ که گوگل در آن سهیم بود پروژه Magenta گوگل است. این پروژه یک پلتفرم منبع باز است و آهنگ‌های آن توسط هوش مصنوعی تولید، اجرا شده و سونی Flow Machines توسعه بخشید. اثر Daddy’s Car نیز نتیجه استفاده از هوش مصنوعی است البته این اثر با شکست مواجه شد.

موسیقیدانان و نوازندگان برای اینکه بتوانند از ابزارهای هوش مصنوعی در جهت توسعه صنعت خود استفاده کنند باید مهارت فنی خود را ارتقا دهند. البته هوش مصنوعی کمک بزرگی برای نوازندگان آماتور نیز هست. نوازندگان مبتدی می‌توانند با استفاده از هوش مصنوعی قطعات موسیقی خود را تولید کنند.

درآینده هوش مصنوعی کمک بزرگی برای هنرمندان است:

امروز اگر بخواهیم هنرمندان جدید صنعت موسیقی را بشناسیم باید به تصادف و یا معرفی و تبلیغات اکتفا کنیم اما در آینده هوش مصنوعی با کمترین هزینه این کار را انجام خواهد داد. برای اینکه یک هنرمند جدید شناخته و معرفی شود باید هزینه هنگفتی پرداخت اما امروز هوش مصنوعی به شنوندگان این فرصت را می دهد که نظر خود درباره بهترین موسیقی بدهند بنابراین براحتی می‌توان به بیشترین علایق مخاطبین پی برد.

این امکان را هوش مصنوعی در اسپاتیفای و ویکلی فراهم کرده. در این برنامه‌ها مخاطبین هریک لیست موسیقی منحصربفرد خود را دارند و آنچه را که از آن لذت میبرند را هوش مصنوعی برایشان طبقه بندی و اولویت بندی می‌کند.

من پانتـه‌آ پایـدار کارشناس ارشد مهندسی آی تی در گرایش کسب و کار الکترونیکی هستم. علاقمند به هر فناوری و تکنیک جدیدی در حوزه آی‌تی و هر چه به این حوزه کمک می‌کند. به تحقیق و پژوهش و تولید محتوا در زمینه دنیای دیجیتال و آی تی مشغولم.
مقالات مرتبط

چگونه از سوشال لیسنینگ در مدیریت بحران روابط عمومی استفاده کنیم؟

مدیریت بحران یکی از کارکردهای حیاتی در حوزه روابط عمومی به شمار می‌رود. در دنیای امروز، با گسترش رسانه‌های اجتماعی و سرعت بالای انتشار اطلاعات، تشخیص و مدیریت بحران‌ها از اهمیت ویژه‌ای برخوردار است. یکی از ابزارهای کلیدی در این زمینه، سوشال لیسنینگ (رصد اجتماعی) است که به سازمان‌ها کمک می‌کند تا به سرعت به بحران‌ها واکنش نشان دهند و از هزینه‌های ناشی از آنها بکاهند. در این مقاله با تمرکز بر سامانه دیتاک به بررسی چگونگی استفاده از سوشال لیسنینگ برای مدیریت بحران روابط عمومی خواهیم پرداخت.

واکاوی نگرش ایرانیان به اتباع افغان بر اساس داده‌کاوی شبکه‌های اجتماعی (افکارسنجی و رسانه‌سنجی)

موضوع حضور مهاجران یا اتباع افغان در ایران در یکی دو سال گذشته تبدیل به یک بحران اجتماعی شده و بخش بزرگی از جامعه ایران و مهاجران را درگیر خود کرده است.

دیدگاهتان را بنویسید