如果莫扎特現在還活著（而且感覺有點缺乏靈感），他可能會坐下來創作這樣的音樂：

一段莫扎特風格的音樂，由MuseNet制作。

有些人認為這種技術有激發新音樂的巨大潛力。多倫多大學的機器學習研究員SageevOere對人工智能音樂產生了興趣，他為這款工具能夠即興重復莫扎特的作品而感到驚嘆。這實際上是機器學習算法的功勞，它已采用了數千條MIDI音樂文件作為訓練數據。

這個算法名為MuseNet，由位于舊金山的OpenAI的研究人員開發，該公司專注于研究人工智能及其潛在影響。

研究人員訓練了一個非常大的神經網絡，名為“transformer”變壓器。它會預測一段音樂中的下幾個音符。然后，你可以添加一些注釋，并讓它變成新的東西。它可以混合不同的流派和風格，甚至可以添加和刪除特定的樂器。

這項工作展示了這種模型如何有效地捕獲和再現統計模式，該模式可反映一段音樂的特征。

這些研究人員以前也使用類似的技術自動生成文本。產生的結果仿真效果極好，這讓研究人員擔心這種工具可能被用來批量生產假新聞。

從音樂歷史的角度來看MuseNet項目是有趣的，因為它展現了不同流派和幾個世紀的不同藝術家之間的一些有趣的聯系（從統計學的意義上講）。誰曾想過理查德·瓦格納和布蘭妮·斯皮爾斯有如此多相近的音樂品味？

這個工具也很好玩。如果你曾經想知道甲殼蟲樂隊與LadyGaga混在一起會是什么樣的，那么這個算法也可以提供各種答案。

的確，像MuseNet這樣的工具可能激發出制作音樂的新方法。但它與人類的音樂創造力相比如何呢？我咨詢過CMU的助理教授ZachLipton和一位很有成就的爵士音樂家，問他們對MuseNet的爵士樂即興創作有何看法。

（LSTM是一種神經網絡，最初由JürgenSchmidhuber開發，可以非常有效地捕捉到一段音樂的特征。）

Lipton對此的看法和懷疑不只是一種對人類音樂家的袒護。事實就是與其他可以生成音樂，藝術或文本的人工智能系統一樣，MuseNet不像人類音樂家那樣可以發明和創造。它只是在學習現存作品中的模式，然后回歸一些統計變異。

正如我們前文所述，目前還不清楚人工智能在藝術方面的創新會達到什么程度。與MuseNet的創作方式不同，人類音樂源于文化，歷史和語言。它有強大的影響力給人帶來各種強烈的感受。在這方面，算法還有很長的路要走。