חוקרים בטכניון פיתחו מערכת לומדת ליצירת קטעי ג'ז מקוריים המתאימים לטעמו המוזיקלי של המשתמש. מאמר המתאר את המחקר והמערכת, הוצג בכנס החברה הבין-לאומית לאחזור מידע מוזיקלי (ISMIR 2020), וזכה בפרס המחקר המצטיין בכנס. את המערכת פיתחו נדב בהונקר ושונית חביב-חכימי בהנחיית פרופ' רן אל-יניב, מומחה ללמידה חישובית ובינה מלאכותית מהפקולטה למדעי המחשב ע"ש טאוב.
הלחנת מוזיקה באמצעות בינה מלאכותית היא אתגר מורכב המעסיק קבוצות מחקר רבות ברחבי העולם, ואתגר מורכב במיוחד הוא הלחנה של מוזיקה המותאמת לטעמו של המשתמש. אתגר זה מורכב אף יותר בהקשר של מוזיקת ג'ז – ז'אנר מבוסס אלתור, שאינו כפוף לכללים קשיחים כמו אלה הנהוגים בז'אנרים מוזיקליים אחרים.
בהונקר וחביב-חכימי, שניהם נגני ג'ז חובבים, פיתחו מערכת מבוססת רשתות נוירונים ולמידה עמוקה הפועלת בכמה שלבים. בשלב הראשון לומדת המערכת את אומנות הג'ז על סמך מאגר גדול של קטעי סולו המכיל מאות יצירות של ענקי ג'ז ובהם צ'רלי פרקר, סטן גץ ודקסטר גורדון. לאחר מכן היא לומדת את טעמו האישי של המשתמש, ובסופו של דבר היא מייצרת מוזיקה מקורית על סמך שני מקורות אלה. כל תו חדש ביצירה מבוסס על אוסף התווים שלפניו והיכרות של המערכת עם יצירות קודמות ועם המבנה של אקורד מוזיקלי.
המערכת החדשה, BebopNet, מצליחה חלקית לספק אפיון אובייקטיבי של העדפותיהם המוזיקליות הסובייקטיביות של המשתמשים. המחקר כלל גם ניתוח של האלתורים ובחינת קרבתם המוסיקלית לאלתורי המקור שעליהם אומנה המערכת. לפי ניתוח זה התברר כי האלתורים שייוצרו אינם גניבה מוסיקלית (פלגיאט) אלא קטעים מקוריים. בשלב הפיתוח הנוכחי, מבהיר פרופ' אל-יניב, "המערכת אומנם מפיקה אלתורים מעניינים, ובאופן מפתיע לעיתים אף ערבים לאוזן, אולם עדיין איננו קרובים לייצור אילתורי ג'ז מקצועיים (אנושיים). אנחנו מעריכים שאפשר יהיה לשפר משמעותית את איכות האלתורים באמצעות לימוד ישיר מסיגנל קול (אודיו) שיאפשר להרחיב משמעותית את מדגם האימון. לדעתנו העבודה מחדדת אתגר מהותי בדרך לבנייתן של מכונות המסוגלות לייצר אומנות ברמה אנושית. אתגר זה הוא היכולת להעריך ולמדל באופן מהימן וממוכן איכות סובייקטיבית של יצירות אומנות. פיצוח אתגר זה יאפשר התקדמות משמעותית בתחום."
לשמיעת קטעי אימפרוביזציה שיצרה המערכת לחצו כאן
למאמר המלא לחצו כאן
