邱偉濤指了指他身邊的那台電腦：“除了機器設備外，整套吹奏體係由四部分構成，一個是吹奏數據彙集，一個是數據闡發體係，一個是數據複原體係，最後一部分則是評價體係。實際上，當這四個係統共同默契時，Violin-β便能夠完美的吹奏一首小提琴曲，還能夠讓其吹奏揭示分歧流派的氣勢。”

肖萌說，“我以為目前Violin-β相稱於一個練習了三四年、有很好天賦的琴童。吹奏根本很好，但感情表達不敷到位，很多末節的措置都不敷細緻，顯得有些生硬。”

“題目要一個個處理，目前要緊的還是處理機器學習中的難點。”邱偉濤說。

路之航說：“萊布尼茨。”

“如果是棋類，能夠通過一局勝負來判定某種形式好不好，但音樂如何判定？據我所知，在小提琴吹奏大賽中，評委們為了‘誰的吹奏更好’都能打起來，吹奏一首曲子，十小我能夠吹奏出十種氣勢。大師的審美分歧，評價標準也不獨一。”

要滿足這個要求，需求海量的數據，然後團隊再從已有的數據裡總結出規律，再推行到每一首小提琴樂曲中。

這事兒明顯很難。

Violin-β團隊的野心很大，肖萌感遭到了震驚：“這個要求太高了，古典音樂圈是個小圈子，能夠用來學習的小提琴樂曲數量不會很多。”

“萊布尼茨說的這句話。”

“但冇有精通小提琴吹奏的人插手團隊還是不可的吧？那你們有冇有考慮過找教員？”

路之航道：“天下上冇有甚麼東西是不能用數學解釋的，如果不能，那就申明公式還不敷好，或計算才氣不敷。”

小提琴吹奏的一大難點就是找音準。

和恍惚的機器學習分歧，用數學來闡發音樂就是切確的定量闡發。小提琴是絃樂的一種，其音色、頻次、振幅等要素都能夠變成一套數學法例，比如兩個音樂節拍的頻次比是2:3的時候就是要比33:23更動聽一些。

“就是把Violin-β當作一名門生，就教小提琴的教員指導，”肖萌說，“我曉得有一些經曆很豐富、在培訓黌舍事情的小提琴教員，他們年紀比較大，脾氣也很好。他們的吹奏程度不是很高，但講授經曆豐富，各種奇奇特怪的門生都見過，看題目非常準，並且因為長年和門生打交道，也很好相同……”

“人力有極限，計算機的巨大之處就在於能夠超越人的極限。評的體係采取的數學公式不需求百分百精確，能夠不是真諦，隻要能超越大多數小提琴家的評價才氣便能夠了。”

所謂的機器學習是建立在統計的數據的根本上，依托於電子設備的停頓和大量的數據計算才氣，你曉得這麼做能夠成果會不錯，但是至於為甚麼不錯，機器學習就冇有體例奉告你。

肖萌無言。客歲時，陸以則和機器人鋼琴吹奏比賽打個了平局，這事兒鬨得挺大，網民都在感慨“除了棋類，人類在吹奏上也輸給了計算機”，音樂家們都感覺有些丟麵子。

團隊之前聯絡過國度交響樂團的一些成名的小提琴吹奏家，請他們共同停止研討，但古典音樂圈裡的稍有程度的藝術家們脾氣都冇有值得稱道的處所，他們感覺，古典音樂是一門高雅的藝術，小提琴吹奏更是藝術中的精華，聽聞有研討團隊要讓機器手臂能實現機器拉小提琴，不能說是對音樂的輕瀆，但藝術家們的表情總歸不是太好，藝術的事情如何能被機器仿照了去，要他們支撐計算機係的嘗試，總歸是動力不敷，能推就推，能免則免。