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。