人工智能音乐的音乐人格.docx

?

?

人工智能音乐的“音乐人格”

?

?

陈益敏张焜刘聆风

【摘要】二十一世纪，人工智能在音乐领域潜力无穷，但其仍存在局限性，如何提升人工智能音乐情感性成为焦点。音乐创作的本质就是音乐情感地表达，量化的研究有助于实现音乐的动态性，在语言计算模型中对音乐情感单独标注有助于弥补人工智能在海量数据学习中所丢失的动态性。

【关键词】深度学习；人工神经网络；量化研究；动态性；情感标注

J60A1007-4198（2021）03-130-03

【本文著录格式】陈益敏，张焜，刘聆风.人工智能音乐的“音乐人格”——赋予音乐创作的动态性以增进音乐的情感性[J].中国民族博览，2021，02（03）：130-132.

引言

二十一世纪，人工智能技术在音乐领域应用并快速发展，其在音乐创作、音乐教育和音乐保护领域都有交叉融合的趋势。回望人工智能音乐发展史，AI最早应用于作曲领域，其起源于算法作曲，并走向以马尔科夫链、神经网络、遗传算法等多种人工智能算法为基础的AI作曲[1]，到如今深度学习作曲成为主流。

语音合成、音视频与图像识别、交互技术等一系列AI技术，推动了音乐创作模式、流媒体个性化定制以及音响设备制作等方面的革新。[2]但这一应用领域仍有深度发展潜力。现有AI创作的音乐虽然技术成熟，却缺乏一定的情感传达能力。因此对于如何提升人工智能音乐情感性这一议题，本文提出了一种理论阐释和解决方法，并提供了它可能的技术实现方案。

一、人工智能音乐的技术指南

人工智能音乐形成和发展的基础，是人工智能技术的发展。

人工智能的基础是深度学习，即一种连接型表征学习方法，其中的模型由一连串模块组构成，每个模块可看作神经元组成的不同拓扑结构，训练后的拓扑结构分别拿出来都可以作为独立的特征提取器。

深度学习的结构是构造感知机模型，意在模仿神经元工作的工作原理。人脑结构的运转有大量神经元的协作，AI的模仿亦是如此。按照不同的拓扑结构，人工神经网络通过设计不同网络结构，来解决不同問题。其中最基础的网络结构就是全连接网络，在此基础上发展出卷积网络和LSTM记忆网络。卷积网络模拟视神经系统，LSTM记忆网络对某一时刻t的网络信息进行处理，遗忘，接受更新，决策铺入，通过精心设计的称作“门”的结构来去除或增加信息到细胞状态的能力。[3]人工智能根据用户需求，将图像或语音信号由输入层输入，进行传递计算，最后由输出层得到相应的结果，这一过程也被称为前向传播。神经网络的训练目标是达到模型输出等于理想输出，通过误差函数，寻找参数使函数差值最小。但有时最终的理想输出亦不明确，因此要引入生成式对抗网络，其框架内分为两个模块：训练判别网络和训练生成模型。通过两个模块相互博弈学习产生优质的输出。强化学习作为机器学习的范式和方法论之一，则使模型参数愈加适应环境。[4]

二、人工智能音乐进步的音乐基础

人工智能音乐虽前景可观，但我们仍要关注其局限性：人工智能音乐情感性的缺乏。从音乐学的角度，笔者认为，音乐创作本身是音乐情感表达的技术基础。提升人工智能音乐情感性，需要从音乐创作角度提供人工智能音乐的进步空间。

（一）音乐的情感的发生

情感隶属认知科学范畴，当它附着在音乐这一艺术领域时，则必须有行为主体（人）在此起到交互作用。音乐的情感性主要涉及两个行为主体，一类是表现音乐的人（如作曲家），另一类是聆听、鉴赏音乐的人，即通俗意义上的听众。其中交互的链条是从作曲家出发，经由音乐这一客体传达到听众身上。那么音乐中的情感的传导机制究竟如何呢？

1.“作曲家-音乐”中的情感传导

作曲家、音乐批评家科恩曾提出，音乐是一种言说，依靠着完整的音乐人格发声，而这个“人格”正是作曲家意志的投射。[5]音乐表现的是由作曲家的部分意志演化而来的音乐人格，在人文化的语境中，它必然是作曲家情感的寓藏。[5]因此在音乐交互链上，音乐人格来自作曲家的人格，而音乐中的情感首先是来自作曲家的情感。

2.“音乐—听众”中的情感传导

情感被作曲家以丰富的创作与音乐所粘合后需传递给听众。音乐交互链的第二个进程，便是听众的音乐感知活动和情感共鸣活动。

广泛的音乐情绪研究认为音乐能够引发听众的情绪活动。[9]音乐情感反应的神经机制的研究显示，音乐会促使脑释放神经递质（包括血清素、多巴胺等），并可激发负责情绪、奖赏与动机的脑区。[8]可见，“音乐—听众”中的情感传导通路是成立的。

对于音乐情绪主体，性别、年龄、有否音乐训练等影响聆听音乐时的相关脑区激活程度。[8]Juslin在2010年提出的音乐线索一致性中分析，其程度会受到音乐线索、呈现效果、听众特点和背景因素地影响，[10]但对于其中的详尽机制没有完整的理论体系。较为著名的Juslin和V？stfj？ll的六个心理机制理论和Kone？ni的中介说[9]，亦缺乏实证研究。但已