“Moogfest音乐科技节”期间，谷歌工程师Colin Raffel在一次Magenta研讨会上。[图片来自：John Paul Titlow]

　　Roberts表示：“当你在创造某样东西时，你心里会产生一个关于这个东西利用方式的明确想法。所有音乐方面的发明的的发明者，对于他们的发明最初都有一个明确的目的，但是后来富有创造力的人们会超越发明者最初的想法，用一些不同的方式来利用这些发明。”

　　从去年5月份向公众公开到现在，Magenta项目已经成长了很多。但是在宏伟的人工智能背景下，它还处于“婴儿期”。Magenta可以自动生成一些新的声音和短小的旋律，不过对于歌曲的更大结构的了解还不够深入。这正是Magenta团队在接下来将要着手解决的问题之一，团队打算通过把学术性研究和创造性工具结合起来，进而解决这一问题。

　　“我认为这是一个非常有价值的挑战——你能完全理解这个长期音乐结构吗?就算你能够理解这个音乐结构，那么你能给人们提供一个操作这个音乐结构参数的工具吗?”Roberts追问道。

　　假设一种情况，这个工具可能是“车库乐队”或Ableton的一个插件或按钮，它能让作曲家利用人工智能自动生成一些旋律，从而为他们的歌曲提供一些旋律结构的选择。另一种情况可能是，一个经过良好训练的神经网络能够创作出永不间断的“可生音乐”——这一想法已经由音乐家Brian Eno通过“浅技术性”方式探究过了。类似这样的预言和前景可能会让艺术家们感到心寒，因为他们的存在可能会变得没有意义了。但是Roberts和他的同事们坚持表示，他们的目的是创造一些能够完善和补充人类创造力的工具，这些工具绝不会取代人类创造力。

　　机器的音乐创作之路还很长

　　谷歌Magenta团队的领导Doug Eck表示：“我并不期望有一天人们会坐在扶手椅上听着电脑创作的交响乐，但在将来人工智能一定会模仿和学习音乐演奏的社会性及协作性。”

　　Eck补充说：“如果你是一个音乐家，你需要与其他音乐家共同演奏一首曲子。你有一些能够发挥其他音乐家作用的工具，但这并不代表你想要听这个工具自己输出的音乐。”

　　人工智能的发展节奏非常讯速，但即使如此，我们可能还需要几年才能打造出音乐家的“插接式”合奏机器人。在这期间，Magenta项目要做的还有很多。Roberts承认，针对新手，他们会构建更加直观的界面，编写更清晰的、易于操作的代码。他们还将继续他们的音乐科技节巡回展，甚至把Magenta工具带到六月份巴塞罗那的“声纳音乐节”上。

　　因此，他们也迫切地需要更多的数据，单靠这些研讨会和唱片样本是没有办法完成底层机器学习模型的训练的，至少不能直接对模型进行训练。所以说，Magenta需要更多关于音乐的原始数据。Roberts提出的关于训练机器，让机器理解和创作更长的歌曲结构的想法，需要大量书面的音乐史知识。谷歌早期的人工智能艺术实验，比如“ Deep Dream图像生成器”的完成是相对容易的，因为网上有大量的图像数据可供使用。而音乐不同，它是一个比二维图片复杂得多的媒体形式，因此找到有意义的、并且机器可读的数据非常困难。

　　参与大会和音乐科技节的另一个好处是，你能够从中获取潜在的数据源。在“Moogfest科技音乐节”上，有些人是创建了MIDI数据库的，还有些人找到了编译和播放音乐相关数据的有效方法。Roberts指出，研究者们都绞尽脑汁，希望找到人与谷歌的“人工音乐大脑”合作的方法。

　　Roberts表示：“这种类型的交流和谈话能让我们获得更多的数据，但这必定是一个内部和外部的协助项目，所以，这样的交流非常必要的。”