Цитаты из книг автора «Маркус дю Сотой»

Пикассо годами изучал творчество Эль Греко, Ренуара, Веласкеса и Мане, имитируя, комбинируя и приспосабливаясь к их стилям и накладывая на них разные системы ограничений, чтобы выработать свой собственный стиль, абсолютно индивидуальный и в то же время уходящий корнями в работы мастеров прошлого.

Пикассо годами изучал творчество Эль Греко, Ренуара, Веласкеса и Мане, имитируя, комбинируя и приспосабливаясь к их стилям и накладывая на них разные системы ограничений, чтобы выработать

Хотя Continuator разрушил существовавшие границы и добился замечательных результатов, у систем, основанных на цепях Маркова, есть некоторые неустранимые ограничения. Притом что этот алгоритм создавал джазовые риффы, осмысленные в локальном контексте и даже весьма удивительные, в целом его сочинения были неудовлетворительными, так как в них не было общей структуры или того, что мы могли бы назвать композицией. Паше понял, что, для того чтобы в этих произведениях появлялся более интересный сюжет, на развитие мелодии придется наложить дополнительные ограничения. В режиме вопросов и ответов часто бывает нужно, чтобы ответ заканчивался там же, где начинался вопрос, но мелодия должна в конце концов приводить к какому-то разрешению конфликта. Добиться этого в рамках марковской модели не проще, чем найти квадратуру круга. Паше решил, что нужно найти некий новый способ сочетания свободы марковского процесса с ограничениями, которые позволили бы создавать более структурированные композиции.

Возможно, и Continuator начнет создавать звуки, настолько сложные и быстрые, что оценить их сможет только другая машина. Но пока что Continuator вызывает у слушателей интересную эмоциональную реакцию. Как сообщает Паше, на концертах, на которых алгоритм импровизировал вместе с Люба, «реакцией публики было изумление, оторопь и очень часто стремление играть вместе с системой». Паше решил предложить алгоритму джазовый вариант теста Тьюринга. Два джазовых критика слушали, как джазовый пианист Альберт ван Венендал импровизирует вместе с ним в режиме вопросов и ответов. Обоим критикам оказалось очень трудно отличить одного исполнителя от другого, и оба считали, что живой джазмен, вероятнее всего, Continuator, так как именно он экспериментировал с жанром более интересным образом.

Люба чувствовал, что у него есть физические ограничения, которых нет у Continuator, и это позволяет Continuator быть большим новатором, чем он сам. Отсутствие физического воплощения часто сужает творческие возможности компьютеров, но в этом случае ситуация была обратной. Тот факт, что машины способны работать гораздо быстрее и обрабатывать данные в гораздо больших количествах, чем люди, может приводить к интересным противоречиям между творчеством человека и творчеством искусственного интеллекта.

Continuator – первый джазовый импровизатор с искусственным интеллектом На мой взгляд, это свидетельствует о прохождении теста Лавлейс. Это музыкальный аналог 37-го хода во второй партии матча AlphaGo против Ли Седоля. Алгоритм производит нечто неожиданное как для программиста этого алгоритма, так и для музыканта, на работах которого он обучался. И речь идет не только о новизне и неожиданности. Алгоритм помог Люба мыслить более творчески. Результат его работы оказался необычайно ценным, так как он изменил подход Люба к музыке.

Марков решил проиллюстрировать свою модель при помощи одного из самых любимых в России поэтических произведений, пушкинского «Евгения Онегина». Он не рассчитывал сделать какие-либо новые литературные открытия: он просто хотел использовать этот роман в стихах в качестве набора данных для анализа употребления гласных и согласных. Он взял первые 20 000 букв, то есть около одной восьмой романа, и подсчитал число гласных и согласных. Компьютер смог бы выполнить эту операцию в одно мгновение, но Марков честно сидел и подсчитывал буквы вручную. В конце концов он заключил, что гласные составляют 43 % всех букв, а согласные – 57 %. Следовательно, если взять случайную букву, можно предположить, что она с большей вероятностью окажется согласной. Маркова интересовал следующий вопрос: изменит ли эту вероятность знание предыдущей буквы? Другими словами, зависит ли вероятность того, что следующая буква окажется согласной, от того, была ли согласной предыдущая? Проанализировав текст, Марков обнаружил, что в 34 % случаев за согласной следует еще одна согласная, а в 66 % – гласная. Знание предыдущей буквы изменило вероятности одного и другого исхода. В этом нет ничего неожиданного: как правило, в большинстве слов гласные и согласные встречаются поочередно. Вероятность того, что после гласной появится еще одна гласная, подсчитал он, составляет всего 13 %. Таким образом, «Евгений Онегин» оказался прекрасным примером цепи Маркова, которым он мог проиллюстрировать свои идеи.Модели такого рода иногда называют моделями с амнезией: они забывают, что случилось в прошлом, и предсказывают будущее, исходя из настоящего. Иногда такую модель можно усовершенствовать, рассмотрев, как могут повлиять на следующее состояние два предыдущих. Знание двух предыдущих букв в поэзии Пушкина может помочь в угадывании следующей буквы. Но в какой-то момент такая зависимость исчезает.Continuator – первый джазовый импровизатор с искусственным интеллектом Паше решил заменить Пушкина на Паркера. Он решил взять риффы джазового музыканта и, исходя из очередной ноты, проанализировать вероятность того, какой будет следующая.

Работая руководителем парижской Лаборатории информатики компании Sony (Sony Computer Science Laboratory), Паше обнаружил, что те методы, которые он осваивал в работе с искусственным интеллектом, могут помочь ему сочинять музыку. Он создал первый искусственный интеллект, способный к джазовой импровизации, с использованием математической формулы из теории вероятностей, известной под названием «цепь Маркова». Цепи Маркова лежат в основе многих алгоритмов, о которых мы говорили выше. Они являются важным инструментом и используются в различных областях – от моделирования химических процессов и экономических тенденций до навигации в интернете и оценки популяционной динамики. Интересно отметить, что русский математик Андрей Марков испытывал свою теорию не на точных науках, а на поэзии.

Я играю на трубе, но мне так и не удалось освоить джазовую импровизацию. Я вполне уверенно играю по нотам в оркестре, но, чтобы играть джаз, нужно стать композитором. Более того, нужно стать композитором, сочиняющим на лету, реагирующим на то, что играют окружающие, в реальном времени.

Одним из главных препятствий в любом проекте обучения по работам мастеров бывает недостаток качественных данных. Может показаться, что 389 хоралов – это очень много, но на самом деле этого количества едва хватает для обучения. В областях успешного машинного обучения – например, в сфере компьютерного зрения – алгоритм тренируется на миллионах образов. Здесь же имелось всего 389 точек, а другие композиторы в большинстве своем были гораздо менее плодовиты. Хоралы Баха полезны тем, что они дают очень похожие друг на друга примеры одного и того же явления. Но, если посмотреть на творчество композитора более широким взглядом, в его произведениях может быть столько разнообразия, что машина просто не сможет на этих данных ничему научиться. Возможно, именно это в конечном счете и защищает искусство человека от наступления машин. Хороших произведений просто настолько мало, что машинам не на чем научиться их имитировать. Они, конечно, могут штамповать музыкальную жвачку, но не качественную музыку.