教学参考-43

教学目标

一直以来高强度的音乐创作让音乐家们饱受折磨。为了激发创作灵感，早在1757 年，作曲家克恩伯格（Kirnberger）就非常“天才”地发明了用掷骰子来辅助作曲的方法。
此后的半个世纪（从1757年到1812年），音乐家们至少发明了20种掷骰子的方法，其中就包括鼎鼎大名的莫扎特。大音乐家都不得不掷骰子，可以想见写首新曲子有多难。

当计算机出现以后，作曲家们大喜过望，希望计算机能给他们提供更多创作灵感。
就在人工智能的先驱们聚在一起开达特茅斯会议的同时，伊利诺伊大学厄巴纳-香槟分校的两位学者Lejaren Hiller和Leonard Isaacson尝试着用一台名为ILLIAC I的计算机生成了人工智能第一曲，并定名为“伊利亚克组曲”。
Hiller和Saacson的方法是基于生成规则和马尔可夫链，满满的AI风。有趣的是，Hiller原本是化学博士，还发明了第一个有效的晴纶染色方法。不过，Hiller从小热爱音乐，擅长钢琴、双簧管、萨克斯管。
伊利亚克组曲后，Hiller走上了音乐之路，培养出了一大批作曲家。一个化学家帮艺术家谱了第一首AI音乐，从此走上了AI艺术之路，成为美谈。

Hiller等人的工作引起极大关注，很多研究者投身到AI谱曲的研究中来。首先加入的是音乐家，后来更多AI研究者参与进来。
早期研究多采用符号方法，把音乐当成一门语言，用乔姆斯基的语法系统来描述这一语言的生成过程；或者基于音乐创作理论设计一系列生成规则，依据这些规则进行随机创作，再对作品进行合规检查。
后期研究更多采用统计模型方法，将音乐视为一个随机过程，利用统计模型（如马尔可夫链、隐马尔可夫模型、神经网络等）来描述音符的时序相关性。训练时，人们采用大量乐谱来估计统计模型的参数，在生成时利用训练好的模型进行采样，就可以生成新乐谱。
近年来，深度神经网络在机器谱曲方面取得很大成功，成为当前主流方法。和传统统计模型相比，深度神经网络可以对音乐中的复杂时序关系进行更为细致的刻画，因而可以产生更流畅自然的音乐。