1988年，他使用数百个他自己的音乐的例子创建了一个数据集。在大约24小时内，他与的程度Emmy就创作了《摇篮坠落》这首曲子，这是他所写的最好的音乐作品之一。他说，听《摇篮坠落》和Emmy创作的曲子证明了他的结论，作曲家们都是在借鉴。

　　我认识到Google和Sony正在使用的深度学习，其实是对Cope数据依赖方法的直接扩展。Miranda对此深表赞同，但他补充说：“这种方法是不完整的，这也是为什么他的创作过程一直都是实验性的。”

　　“一个人工智能软件不能完全体现我们如何制作音乐，”Miranda说。“我们能做的最好的事情就是把问题缩小到具体的方面。”

　　这又导致了创造性生成模型中固有的让人伤脑筋的事:人工智能音乐没有明确的成功标准。由于机器学习技术的发展，语言翻译软件近年来突飞猛进。我们都同意这是多么成功，因为结果是客观的。但是，我们如何去赞同人工智能软件的成功所产生的音乐价值呢?通过在基层的流行度吗?好评?Eck和他在Google的团队通过艺术家的持续兴趣来定义它。当音乐家们在最初的新鲜感消失后继续使用这些工具的时候，就是人工智能在这个巨大而混乱的音乐王国中永久占据一席之地的时候。

　　结 语

　　在我们采访结束离开Google后，Davis和我讨论了这次的采访经历。“我喜欢看到事物开始瓦解。在某些时候，它会脱轨。它不知道如何处理它被给予的信息。而这恰恰创造了真正有趣的音乐。”

　　许多艺术家和音乐爱好者都很害怕人工智能技术会让诚实的人失去工作，同时把创造力拖到最小的公分母上。但Davis却很想要看到混乱的局面发生，那些出现裂缝正是像Eck、Engel、Miranda和Pachet等创新者所期待的。但，电脑也会犯错，就像我们一样。而我们将赋予人工智能的那些奇怪的、不完美的、不可预测的人类本能，正是重新定义音乐的动力。