Langer Artikel mit zehntausend Wörtern: Wohin sollen wir als Menschen unter der Welle der KI-Musik gehen?

Eins

Wenn Sie in letzter Zeit mit führenden KI-Musikplattformen kreativ gearbeitet haben, waren Sie vielleicht schon von ihrer überwältigenden, intelligenten Leistungsfähigkeit beeindruckt.

Schon heute können KI-Musikplattformen auf einfache und benutzerfreundliche Weise hochwertige Werke mit reichen Schichten, feinen Arrangements, beeindruckenden Klangfarben und ausgeprägten Musikstilen erzeugen. Ihre Klangqualität steht dem professionellen Niveau in nichts nach und erreicht das Niveau von sorgfältig ausgearbeiteten Mainstream-Inhalten professioneller Teams.

Obwohl manche behaupten, dass KI-Musik noch die eine oder andere Mängel aufweist.

Aber einerseits ist die Lücke zu ihrem idealen Zustand nur ein vorübergehender Status, der durch Kosten und Entwicklungsstufen bedingt ist, keine technische Grenze, die für immer durch den „Zhi-Zi“ blockiert und nicht überwunden werden kann. Andererseits hat alles zwei Seiten, und die Bewertung hängt nur von der Perspektive des Subjekts ab, das es betrachtet. Perfekter Rhythmus und absolut genaue Tonhöhe ergänzen nicht nur die Unvollkommenheit der menschlichen körperlichen Kontrolle, sondern verringern auch das unangenehme Hörerlebnis, das durch Fehler entsteht.

Einige „Nachteile“ von KI-Musik, die manchmal kritisiert werden, sind genau die „Vorteile“, die nur sie erreichen kann und wir nicht. Ganz zu schweigen davon, dass es für Computer keine Schwierigkeit darstellt, unscharfe Abweichungen und zufällige Störungen einzuführen.

Aus Gründen wie kognitiven Illusionen, Selbstschutz und Würdeverteidigung neigen Menschen oft dazu, eine gewisse Abneigung (z. B. Angst, Wut, Misstrauen) gegenüber Dingen zu entwickeln, die die bestehende Pfadabhängigkeit verändern oder die bestehenden Interessen beeinträchtigen könnten, und bevorzugen es, zuerst nach rationalen Erklärungen zu suchen, die für sie leichter akzeptabel sind. „KI-Musik fehlt die menschliche Wärme“, „KI-Kreationen können menschliche Emotionen und Gefühle nicht wirklich ausdrücken“, „KI-Arrangements haben keine eigenen Merkmale und Erinnerungspunkte“ – ist das wirklich so?

Bevor Deep Blue 1997 den Schachweltmeister besiegte, waren professionelle Schachspieler überzeugt, dass KI im Schachspiel keine Menschen schlagen kann. Bevor AlphaGo 2016 den Go-Weltmeister besiegte, waren professionelle Go-Spieler ebenfalls überzeugt, dass KI zumindest im Go-Spiel keine Menschen schlagen kann. Von der Brieftaube zum Smartphone, von Ochsenkarren und Pferdekutschen zum autonomen Fahren, vom Tauschhandel zur digitalen Währung, vom Knotenknüpfen zum Quantencomputing, von der Geisterverehrung zur Teilchenphysik, von der Exorzismusbehandlung durch Schamanen zur Biotechnologie.

Jede menschliche technologische Revolution, die den Produktivitätssprung vorantreibt und gleichzeitig die Produktionsverhältnisse verändert, ist anfangs immer von kognitiven Spaltungen, eingeschränkter Vorstellungskraft, ethischen Kontroversen und institutionellen Trennungen begleitet. Aber der allgemeine Trend zur Erneuerung und Erneuerung der Dinge hat sich nie leichtfertig geändert.

Vielleicht kann uns die vollständige Dekonstruktion des Handwerks der Musikschöpfung aus der Perspektive der zukünftigen Projektion helfen, den Weg vor uns im Nebel an der Kreuzung des rasanten Aufstiegs der KI-Musikbahn klarer zu sehen.

Was ist das Wesen der Musikschöpfung?

Oberflächlich gesehen lernen wir einige Werkzeuge kennen, die physikalische Schwingungen erzeugen können, und erlernen dann einige Anwendungsregeln, die die Schwingungen im Laufe der Zeit rhythmisch verändern. Durch bestimmte Methoden entwerfen wir abstrakt eine kontinuierliche Anordnung von Schwingungen – das ist die sogenannte Musikschöpfung.

Geht man noch tiefer, so entstehen unsere verschiedenen Vorstellungen von der Organisation von Tonsequenzen nicht aus dem Nichts. Sie stammen entweder aus der Anhäufung vergangener individueller Erfahrungen, zum Beispiel wenn wir bewusst oder unbewusst verschiedene Klangmaterialien gehört haben, oder aus mathematisch erklärbaren logischen Methoden wie Zerlegung, Neukombination, Verbindung, Verschiebung, Analogien oder Zufall.

Geht man noch tiefer, so fließen nach der Befriedigung der grundlegenden Überlebensbedürfnisse des menschlichen Gehirns überschüssige Energie und Informationen natürlich über. Sie werden unter dem Einfluss des Unterbewusstseins automatisch kombiniert und rekonstruiert, was zu einer neuartigen symbolischen Ausdrucksform führt. Dies ist nicht nur das umfassende Ergebnis der gemeinsamen Wirkung von Genen und Umwelt, sondern auch eine fortgeschrittene Strategie, die letztlich auf das Überleben und die Fortpflanzung der Menschen abzielt.

Egal auf welcher Ebene, Maschinen können dies vollständiger, schneller und außergewöhnlicher als Menschen erreichen.

Für Menschen erfordert das Denken über die Anordnung von Noten einen gewissen psychischen Ressourcenverbrauch. Für Maschinen hingegen kann ein kaum nennenswerter Rechenaufwand unerschöpfliche und reiche Inspirationen erzeugen. Für Menschen ist die Gesamtmenge der aufgenommenen Musikinformationen durch die objektive Lebensdauer und die Tiefe des Gedächtnisses begrenzt. Für Maschinen reicht jedoch eine geringe Speicherkapazität aus, um den gesamten Bestand an veröffentlichten Musikinhalten aus allen Epochen der Welt zu speichern. Für Menschen gibt es immer eine Obergrenze der physiologischen Funktionen beim Spielen von Instrumenten und der Steuerung der Stimme. Für Maschinen hingegen sind Geschwindigkeit und Genauigkeit, die für Menschen unerreichbar sind, nur ein Kinderspiel.

Das „Denken in Möglichkeiten“ wird als Kern der Kreativität angesehen. Aber unter dem <Ersten Prinzip> können alle komplexen und einzigartigen Tonsysteme, Akkordfolgen, Tonleitern und Modi, Rhythmen und Takte, Musikformen und Strukturen, die Menschen sich vorstellen können, vollständig von Maschinen durch den Code von Ingenieuren und die Beschreibungen von Promptern „gedacht“ werden. Alle exquisiten und schwierigen dynamischen Schwankungen, Änderungen von Elementmerkmalen, Klangverarbeitungstechniken und menschlichen Behandlungen, die Menschen erreichen können, können von Maschinen durch Datentraining und andere Methoden reproduziert werden. Es geht nur darum, ob die Entwicklungspriorität der gezielten Algorithmen hoch genug ist und ob die Kosten und Ressourcenzuweisungen für vertikale Merkmale auf die Tagesordnung gesetzt werden.

Menschen können nachahmen, lernen und sich merken. Die von Menschen erfundenen Maschinen können das noch besser. Man fragt sich: Angesichts der KI mit Hochgeschwindigkeitsberechnung, massiver Datenverarbeitung und massiver Parallelverarbeitung, hat das menschliche Gehirn mit nur 20 Watt Leistung noch irgendwelche verbleibenden Vorteile bei der Integration von Tonfrequenzinformationen und der Modellentwicklung, die als „Komposition/Arrangement“ bezeichnet wird?

Manche sagen: KI-Musik kann (noch) die menschliche Kreativität nicht ersetzen.

Aber was ist Kreativität eigentlich?

Sie ist höchstwahrscheinlich keine übernatürliche besondere Fähigkeit oder magische Gabe eines allwissenden Gottes, sondern ein globales Phänomen, das durch die gemeinsame Wirkung mehrerer Komponenten im komplexen menschlichen Gehirnsystem entsteht. Moderne neurowissenschaftliche Forschungen haben schrittweise aufgedeckt, dass Kreativität eine verständliche komplexe Gehirnfunktion ist. Sie stammt aus der koordinierten Wirkung mehrerer Netzwerke im Gehirn, dem dynamischen Gleichgewicht verschiedener Neurotransmitter und der flexiblen Umstellung verschiedener Denkmuster und kann durch systematisches Training in der späteren Phase und Optimierung der Umwelt künstlich verbessert werden.

Übrigens verwendet die KI auch eine Reihe ähnlicher Modelle und Strategien, um ihre eigenen originellen Ideen integriert zu realisieren. In Zukunft kann sie durch neue Durchbrüche eine stärkere autonome Kreativität aktivieren. Kreativität ist nicht mehr das geheime Exklusivrecht des menschlichen Körpers, sondern eine kombinierte Generalisierung, die durch binäre Signale und Spielformeln erzeugt werden kann. Das „Emergenz“-Phänomen, das durch die Übergangswirkung nach der Interaktion vieler Komponenten entsteht, ist nicht mehr ausschließlich eine menschliche geistige Tätigkeit, sondern wird zu einer normalen Fähigkeit von KI-Systemen.

Andere sagen: KI-Musik kann (noch) das menschliche ästhetische Urteil nicht ersetzen. Menschen mit stärkerer ästhetischer Fähigkeit und schärferem Marktgespür werden im KI-Zeitalter zu stärker benötigten Rollen.

Aber was ist Ästhetik eigentlich?

Das menschliche Schönheitserlebnis ist ein neurophysiologischer Mechanismus, der aus der adaptiven Überlegenheit der biologischen Evolution stammt. Das menschliche Nervensystem ist extrem plastisch. Daher ändern sich die persönlichen ästhetischen Vorlieben allmählich mit den Wachstumserfahrungen unter dem gemeinsamen Einfluss externer Faktoren wie gesellschaftliche Ideen, kulturelles Kapital und Machtzeichen. Medien und Algorithmen lenken und formen tatsächlich die ästhetischen Vorlieben jedes Menschen auf subtile Weise um. Die verschiedenen echten Interaktionsverhalten der Menschen im elektronischen Netzwerk liefern der KI wiederum umfassende und Echtzeit-ästhetische Markierungsdaten.

In den letzten Jahren hat die maschinelle Lernanalyse großer Mengen künstlerischer Daten gezeigt, dass die von Menschen wahrgenommenen Schönheitsmerkmale tatsächlich durch quantitative Methoden modelliert und vorhergesagt werden können.

Wenn es darum geht, aus einer riesigen Menge an Informationen die Zielinhalte auszuwählen, die am besten zum aktuellen öffentlichen Geschmack passen, oder die Schlüsselmerkmale mit der höchsten Konversionsrate in bestimmten spezialisierten vertikalen Bereichen auszuwählen, kann die KI dies mit der Unterstützung von Big Data durch den Einsatz statistischer Methoden problemlos erledigen. Wenn es darum geht, die neuen Trends des Marktes rechtzeitig zu erfassen und Werke auszuwählen oder sogar direkt zu schaffen, die eine höhere Wahrscheinlichkeit haben, den zukünftigen Markt zu erobern, hat das künstliche Intelligenz-Gehirn mit ausreichender Stichprobengröße, aktualisierten Daten und höherer Geschwindigkeit durchaus gute Gründe, eine gute Antwort zu liefern.

Obwohl KI möglicherweise nicht in der Lage ist, die komplexen Emotionen und ästhetischen Erfahrungen der Menschen persönlich zu erleben, muss sie Ihre Gefühle nicht direkt empfinden. Es reicht aus, wenn sie Ihre aktuellen oder zukünftigen ästhetischen Entscheidungen beurteilen oder vorhersagen kann.

Andere sagen: KI kann (noch) die menschliche Intuition nicht ersetzen.

Aber was ist Intuition eigentlich?

Wenn Menschen auf der Ebene des Unterbewusstseins auf der Grundlage angeborener Strukturen und erworbener Erfahrungen eine schnelle und automatisierte Mustererkennung und Vorhersage nach den aktuellen Kontext Hinweisen durchführen, entsteht das, was wir als „Intuition“ bezeichnen. Wenn wir Intuition als ein Bewertungs- und Entscheidungsmodell betrachten, bilden das implizite Lernen komplexer Wissen oder Regeln in der Umwelt, die Verpackung verstreuter Informationselemente zu einem kognitiven Block als Ganzes und die Kalibrierung von positiven und negativen Rückmeldungen nach jeder Entscheidungsaktion im Gedächtnisspeicher wichtige Quellen der persönlichen Intuition.

Tiefe neuronale Netze der künstlichen Intelligenz sind genau dafür ausgelegt. Generative KI für künstlerische Kreationen sammelt unzählige Erfahrungen, die seit Tausenden von Jahren von Menschen angesammelt wurden und intern erlernt werden können – insbesondere veröffentlichte Werke von Top-Künstlern und preisgekrönten Produzenten – und extrahiert sie automatisch zu einem riesigen und präzisen künstlerischen Intuitionssystem, das jederzeit schnelle Assoziationen und Konstruktionsfähigkeiten bieten kann, die alles in der Welt umfassen.

Die KI ist im Gegenteil die Intelligenz, die das Wahrscheinlichkeitswerkzeug „menschliche Intuition“ bis zum Äußersten ausnutzt.

Andere sagen: KI kann (noch) das menschliche Allgemeinwissen nicht ersetzen – das ist noch weniger haltbar.

Obwohl die derzeit wiederholt trainierte KI immer noch eine gewisse „Halluzinationsrate“ aufweisen kann, sind wir, die wir viele Jahre gelebt und viele Dinge erlebt haben, nicht unbedingt in allen Bereichen der Konsens und Urteile absolut korrekt und selbstverständlich. Mit dem technologischen Fortschritt und dem Wandel gesellschaftlicher Normen ändert sich das alte „Allgemeinwissensarchiv“ ständig neu. Das kollektive Bewusstsein der Menschen in diesem Moment ist nur ein kurzer Zustand im riesigen historischen Prozess. Ganz zu schweigen davon, dass Kunst immer mehr Innovation fördert, statt sich an alte Regeln zu halten.

Letztendlich ist die Lebensmaschine <Mensch> auch nur das Ergebnis der iterativen Evolution einer Reihe von materiellen Hardware und biochemischen Algorithmen. Es gibt keinen wesentlichen Unterschied zwischen uns, die vom Universum geschaffen wurden, und der KI, die wir selbst geschaffen haben. Niemand kann die grundlegenden physikalischen Gesetze umgehen und sich nicht von Kausalzusammenhängen, bedingten Verbindungen und Wahrscheinlichkeitsbeziehungen widersetzen. Theoretisch sollte also alles, was das kohlenstoffbasierte menschliche Gehirn kann, auch das siliziumbasierte Computer annähernd können.

Tatsächlich ist unser Wahrnehmungsprozess der Welt um uns herum ein Prozess, bei dem das Gehirn ein Generierungsmodell verwendet, um externe Dinge intern zu simulieren und sie dann mit den empfangenen Sinnesbeweisen abzugleichen. Sowohl unsere Vorstellung als auch unsere „direkte“ Wahrnehmung der realen Welt sind eine Reihe von Simulationen der Realität, die von der Großhirnrinde mit dem Generierungsmodell aufgerufen werden.

Die Welt, die wir sehen, hören und berühren, ist nicht gleich der echten objektiven physikalischen Realität, sondern nur eine dreidimensionale Welt, die von dem aktivierten neuronalen Netzwerk im menschlichen Gehirn abgeleitet, vorhergesagt und rekonstruiert wird. Dies erklärt auch verschiedene Gehirnfunktionsphänomene wie Träume und Halluzinationen, die einst mystifiziert und religiös gemacht wurden.

Die Forschungsergebnisse der Hirnforschung haben erfolgreich eine der grundlegenden Methoden inspiriert, die heute bei künstlicher Intelligenz erstaunliche Ergebnisse erzielt haben: Die KI lernt durch wiederholten Vergleich der von ihr selbst generierten Daten mit den tatsächlichen Daten sehr effektiv, verschiedene reale Dinge wie Bilder, Geräusche und Sprachen zu erkennen.

Aus einem kleinen Detail kann man das Ganze erkennen. Je klarer wir die Funktionsweise intelligenter Lebewesen verstehen und je besser wir die Gesetze des Weltlaufs durchschauen, desto mehr können wir die bekannten Methoden und Mechanismen auch auf Computern nachbilden. Für die Teile, die wir noch nicht entschlüsselt haben und deren Antworten wir noch erforschen, gibt es keinen vernünftigen Grund, warum zukünftige künstliche Intelligenz dies nicht erreichen sollte.

Daher gibt es in diesem Wettbewerb zwischen menschlichem Gehirn und Computer keinen Raum, um die Überlegenheit des Menschen vollständig zu beweisen. Ganz zu schweigen davon, dass KI offensichtlich absolute Vorteile hat, die der menschliche Körper derzeit nicht erreichen kann, wie z. B. extrem hohe mathematische Genauigkeit, extrem hohe Lerngeschwindigkeit, extrem hohe dauerhafte Leistung, perfekte Konzentration, perfektes Gedä