0
「 日本一支研究團隊開發了一種機器學習裝置，其為一種人工智能耳機，能夠跟蹤聽眾的情感狀態，創造出為聽眾量身定制的音樂，從而改善聽眾的情緒，激發新的情緒。」
人工智能耳機？如今人工智能已經成為最熱的創業方向之一，因此對于有人想將人工智能和耳機結合在一起并不感到意外，不過第一反應是用人工智能為用戶提供語音歌曲搜索等服務，而日本的這支研究團隊則打破了雷鋒網編輯對目前人工智能耳機的認知。「 跟蹤聽眾的情感狀態」、「 量身定制音樂」這兩點從目前的技術水平來說都是很難達到的。
從后面的介紹得知，他們是利用腦電波來跟蹤聽眾的情感狀態，耳機上裝有傳感器，傳感器能夠檢測腦電波，并識別腦電圖。而量身定制音樂則是通過人工智能完成，首先，AI系統能夠收集用戶大腦的音樂數據，創建個性化音樂的“情感音樂模型”；在開始譜寫音樂之前，AI系統學習用戶的腦電波，并能識別腦電波與各種音樂之間的關系；最后，AI系統合成為用戶貼身打造的定制音樂，來刺激用戶的精神狀態。簡單來說就是，通過監測你聽不同音樂的腦電波反應，比如高興還是沮喪，人工智能為你打造能讓你輕松愉悅的音樂。而這里就涉及到兩種技術，腦電波控制以及人工智能譜曲。
腦電波控制
腦電波控制，即利用腦電電極片收集腦電信號形成腦電波，并通過相應算法“翻譯”出當中含義，最終實現識別和控制。早在19世紀50年代，學術界就開始了腦電波的研究，如今腦電波的技術已在醫療領域運用了超過二十年，用來治療癲癇等腦部疾病的病人，在2004年巴西世界杯上下肢截癱者諾平托正是依靠意念控制機械外骨骼踢出第一球的，而在民用行業這幾年也開始有一些應用。然而，大腦的情緒狀態非常復雜，之前就有很多研究指出，與特定情緒相關的腦電波似乎會隨著時間的推移而改變。因此，還沒有人找到一種能夠利用腦電波清晰可靠地識別情緒狀態的方法。
目前，民用的腦電波控制設備只是粗略地將收集到的原始腦電信號數據分離出四種波段，分別為α（阿爾法）、β（貝塔）、θ（西塔）、δ（德兒塔），而它們分別對應人腦的不同狀態，包括疲勞、興奮、沮喪等程度。
業界采用了三種腦電波收集方式：（腦電極）植入式、半植入式以及非植入式。前面兩者需要把電極內置頭骨之下，與大腦皮層接觸。最后一種是將電極與頭皮接觸。相應地，前兩者的精度高干擾少，而最后一種信號弱、干擾多等。目前emotiv、EEGSmart、BrainLink等國內外企業的產品都是頭戴式設備，即第三種方式。也正因為如此，這類產品目前都難以有較大的市場，目前都集中在心理健康領域。
人工智能譜曲
上面這首曲子是Experiments in Musical Intelligence （音樂智能實驗，EMI）研發的人工智能音樂作曲系統創作的一個模仿巴赫風格的贊美詩作品。EMI由美國加州大學圣克魯斯分校的音樂教授兼作曲家大衛·科普（David Cope）開發，它譜寫的巴赫風格作品在1987年被首次演出，驚艷四座。兩年后圣克魯斯巴洛克藝術節上EMI創作的模仿巴赫風格作品與巴赫原創作品同臺演繹，直到科普告訴觀眾哪首曲子是巴赫的原創，大多數人都無法給出正確的答案。
EMI創作的原理為分解與重組，即從一名作曲家的作品中識別出不同類型的重現結構，然后以新的排列來復用這些結構，依此產生一份“同樣風格下的”新作品。你可以想象 EMI 在學習了貝多芬的九首交響曲后，自行譜出《貝多芬第十交響曲》的情景。
EMI雖然不是最早的人工智能音樂作曲系統（最早的算法作曲(Algorithmic Composition)甚至可追溯到1957年化學家和音樂家Lejaren Hiller用算法生成了弦樂四重奏伊利亞組曲），不過很長時間內被稱為最先進的人工智能音樂作曲系統。如今，在人工智能大熱之際，不少大公司的實驗室都在研究人工智能譜曲。其中，索尼巴黎計算機科學實驗室研究人員蓋坦·哈杰里斯(Gaetan Hadjeres)與弗朗索瓦·帕切特(Francois Pachet)開發的名為“DeepBach”(深度巴赫)的神經網絡在經過對巴赫音樂學習訓練后可以譜寫出與巴赫風格高度相近的曲目；去年6月，谷歌的Magenta項目通過神經學習網絡創作出了自己的第一首歌曲——一首時長90秒的鋼琴曲（不過，這首鋼琴曲背景內的打鼓聲和管弦樂編曲并不是由這一算法生成的，而是后期添加的）；百度深度學習實驗室則發明了一種基于輸入圖片生成曲譜的自動化系統，即輸入一張圖片，系統會自動生成一段符合該圖片內容和意境，且符合韻律和節拍的曲譜。
百度深度學習實驗室看圖作曲實驗成果
由此可見似乎人工智能作曲并非一件難以完成的事情，但雷鋒網發現這個方向的創業項目并不多。目前為止國內雷鋒網了解到的有“聽畫”和“創悅”，都是隨機創作音樂的。「 聽畫」與百度的看圖作曲差不多，用戶在聽畫 App 上傳一張照片，人工智能技術為每張照片配上屬于它的原創音樂。該項目在2014年由班磚科技開始研發，是一款將圖片+音樂融合到一起的移動社交應用。不過，雷鋒網在搜索該項目的相關資料時發現，關于該項目的最新消息停留在2016年6月的一篇報道，而其官方微博最后一條微博發布停留在2016年4月，另外該項目APP最后更新時間也是在這個時候，而其官網則已經處于無法打開的狀態。不過，據IT桔子的融資情況顯示，該公司在2016年5月完成1200萬Pre－A輪融資。因此，對于該項目的最新進展還無法得知。「 創悅」是根據用戶隨口的哼唱片段進行再創作，目的是輔助用戶原創工作，降低音樂創作門檻以及提高創作效率。利用用戶給出的風格或者關鍵詞或片段也是目前國外人工智能作曲創業的主要方向，如musical.ai和Jukedeck。
很多人對于人工智能譜曲存在質疑的地方在于，人工智能難以作出帶有情感的作品。雷鋒網咨詢了多位人工智能方向的創業者和投資人，大部分人都表示并不看好這類的創業項目，有投資人表示以前有過，但到現在還沒有做起來的，不過，作為人工智能方向的創業公司，狗尾草科技創始人邱楠則向雷鋒網表示目前公司也在這方面的準備，由于精力有限目前只是做了些古典鋼琴曲，大概年底會有新的東西出來。
目前來說，腦控設備與人工智能譜曲這兩個方向在產業界都屬于發展初期階段，而將兩者結合則更是將落地的可能減小到更低。就雷鋒網的了解，在國內和這個項目比較類似的有EEGSmart 的腦電波頭戴智能設備Umind，根據介紹，Umind根據用戶喜好、狀態、選定的場景進行人工智能學習，結合云端大數據分析，自動推動用戶最喜愛的、最適合當下場景的樂曲。只不過，就像前面提到的，目前民用的腦電波控制設備只能粗略地將人類情緒分類，并不能非常準確地捕捉人類情緒，另外，用戶的喜好是建立在大量的數據分析上的，目前即使是各大音樂服務商在這一方面也并不能做到很完善。當然，不用人工智能譜曲已經減少很多難題了。
雷鋒網旗下欄目「 新智造」專注于智能時代的創新與創造，同時我們也關注這些創新能否在產業得到落地，關于腦電波控制設備以及人工智能譜曲未來的發展，「 新智造」也將持續關注。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
