Khi máy tính viết nhạc

Phải chăng đến một lúc nào đó các buổi hòa nhạc sẽ biểu diễn âm nhạc do trí tuệ nhân tạo sáng tác?


Liệu phần mềm máy tính có thể sáng tác những bản nhạc xứng tầm Chopin hoặc Cream hay không còn là một ẩn số. Ảnh: assets.
 
Ngày nay, dường như bất kỳ ai sở hữu máy tính đều có thể trở thành nhà soạn nhạc. Chỉ với vài nốt ban đầu của một bản nhạc, một phần mềm thương mại như Magenta do Google phát triển có thể tạo ra một giai điệu vui vẻ và êm tai. Êm tai, song không phức tạp. Ít nhất, đó là quan điểm của Gerhard Widmer, giáo sư tại Đại học Johannes Kepler, thành phố Linz, Áo.
 
Theo tiến sĩ Widmer, “thứ mà các phần mềm này tạo ra có lẽ có một số tính chất thống kê nhất định. Tuy không nghịch tai, nhưng nó không phải là âm nhạc thực thụ… Phần mềm sẽ tạo ra một thứ giai điệu kéo dài ba ngày vì nó chẳng có khái niệm gì về điều nó muốn làm. Nó không biết rằng mọi sự cần một kết thúc, một mở đầu, và một khoảng ở giữa.” Ông cho rằng mình có thể làm tốt hơn thế. Ông muốn dùng trí tuệ nhân tạo để khám phá xem việc đùa giỡn với những kỳ vọng của thính giả ảnh hưởng đến cảm nhận về âm nhạc của họ như thế nào, và sau đó sử dụng kiến thức này để tạo ra một phần mềm có thể sản xuất ra thứ âm thanh gần với Beethoven hơn là “Baa Baa Black Sheep”. Điều đó có nghĩa là cung cấp cho máy tính khả năng nhận biết những sắc thái tinh tế mà hiện giờ nó chưa thể phát hiện, nhưng có thể học được với sự hỗ trợ của các kỹ thuật mới nhất. Để đạt được mục tiêu này, Tiến sĩ Widmer đang thực hiện dự án “Whither music?” – tựa đề được mượn từ chuỗi bài giảng tại Đại học Harvard năm 1973 của Leonard Bernstein, một nhà soạn nhạc nổi tiếng thế kỷ 20.
 
Khi con người nghe một bản nhạc, tiềm thức của họ dự đoán nốt nhạc kế tiếp là gì. Một thủ thuật các nhà soạn nhạc sử dụng là đùa giỡn với những kỳ vọng này – đôi khi đáp ứng những gì được mong đợi và đôi khi cố tình rẽ ngoặt bất ngờ. Nhạc công nâng sự thao túng cảm xúc lên mức cao hơn bằng cách thêm vào biểu cảm – chẳng hạn, bằng cách nhấn âm vào một câu hát cụ thể hoặc chuyển sang nhịp staccato, khiến nó khác biệt so với câu hát trước đó. Do vậy, một điều mà tiến sĩ Widmer đang làm là hướng dẫn máy tính sao chép họ.
 
Để làm được điều này, ông và đồng nghiệp đã thu thập một số lượng bản thu khổng lồ được ghi âm trên các nhạc cụ thiết kế riêng, điển hình là Bösendorfer 290 SE, một mẫu đàn piano hòa tấu sản xuất vào thập niên 1980, được lắp đặt cảm biến nhằm đo lực và thời điểm nhấn phím đàn của nghệ sĩ với độ chính xác cao. Tâm điểm của bộ sưu tập là tổng hợp các buổi biểu diễn hầu như toàn bộ các tác phẩm piano độc tấu của Chopin trên cây đàn 290 SE do Nikita Magaloff, nghệ sĩ piano hòa tấu huyền thoại và chuyên gia về Chopin, biểu diễn. Các buổi biểu diễn này được ghi lại từ chuỗi sáu buổi hòa nhạc mà Magaloff tham gia ở Vienna, ngay trước khi ông qua đời vào năm 1992.
 
Phần mềm của nhóm nghiên cứu lấy dữ liệu từ các bản thu âm này và các bản thu âm khiêm nhường hơn, và so sánh chúng với bản nhạc gốc của nhà soạn nhạc. Nó tìm kiếm những điểm không trùng khớp giữa cả hai – ví dụ như những chỗ nhạc công thả chậm nhịp điệu vài mili giây hay nhấn mạnh vào một nốt nhạc hơn so với bản nhạc yêu cầu. Bằng cách phân tích hàng nghìn diễn tấu và so sánh chúng với phiên bản số hóa của bản nhạc gốc do các nhà soạn nhạc sáng tác, phần mềm học cách nhận biết những gì mà nhạc công lựa chọn nhấn mạnh, và do đó, những gì họ cho là đặc biệt thú vị đối với thính giả.
 
Các thuật toán khác cũng đang được hướng dẫn về quy tắc soạn nhạc. “[Các mô hình phần mềm hiện có] dùng tất cả các nốt nhạc từng được chơi trước đây để dự báo nốt nhạc kế tiếp, một quá trình chẳng có chút gì liên quan đến cách con người viết nhạc,” tiến sĩ Widmer giải thích. “Soạn nhạc là một quá trình lên kế hoạch mang tính cấu trúc. Chúng tôi muốn tạo ra các mô hình dự đoán đồng thời ở nhiều cấp độ.” Nhóm nghiên cứu đang thiết kế và đào tạo các mô-đun riêng lẻ về các cấu phần khác nhau của âm nhạc: giai điệu, nhịp điệu, vòng hòa thanh,… – với ý định kết hợp chúng thành một chương trình có thể học từ dữ liệu tổng thể về bản nhạc và diễn tấu.
 
Sau khi hoàn tất, phần mềm soạn nhạc đại tài từ dữ liệu lớn này sẽ quyết định không chỉ đâu là nốt nhạc kế tiếp, mà còn tại sao lại như vậy và nên chơi nốt đó như thế nào. “Thay vì nói rằng, ‘theo suy luận thống kê, nốt tiếp theo có khả năng là C’, phần mềm sẽ nói, “tôi tin rằng bốn ô nhịp tiếp theo sẽ mang hơi hướm của vòng hòa thanh IV-I-V [vòng hợp âm phổ biến trong âm nhạc phương Tây], bởi chúng ta đã bắt gặp vòng hòa thanh kiểu này trong ngữ cảnh tương tự ở phần trước của nhạc phẩm’.”
 
Phần mềm kiểu này có thể được ứng dụng để giải quyết các vấn đề khác bên ngoài sáng tác nhạc. Các thuật toán “gợi ý” hiện nay gặp khó khăn trong việc tạo ra các playlist nhạc khớp với sở thích cụ thể của người nghe. Một bài báo mới đây cho thấy chúng khá rành việc gợi ý các bản nhạc pop cho người nghe có gu đa dạng, nhưng không giỏi đề xuất âm nhạc cho người thích một thể loại cụ thể, chẳng hạn như heavy metal hay rap. Một phần mềm hiểu về kỳ vọng của thính giả sẽ hoàn thành công việc này tốt hơn. Một chương trình nắm được sở thích nghe nhạc của người dùng có thể khám phá ra những điều kỳ thú ẩn giấu trong âm nhạc của Skepta hay Slayer, từ đó đề xuất các bản nhạc mới mang phong cách tương tự.
 
Liệu phần mềm máy tính có thể sáng tác những bản nhạc xứng tầm Chopin hoặc Cream hay không còn là một ẩn số. Tiến sĩ Widmer tỏ ra nghi hoặc, nhưng thật khó để hiểu được tại sao. Nghệ thuật vĩ đại thường là sản phẩm của việc biết khi nào nên tuân thủ quy tắc và khi nào nên phá vỡ chúng. Đó chính xác là những gì ông đang dạy cho những cỗ máy của mình.
 
Anh Thư dịch

Tác giả

(Visited 12 times, 1 visits today)