Trí tuệ nhân tạo đã có những bước tiến đáng kinh ngạc trong việc sáng tác âm nhạc, lĩnh vực sáng tạo mà trước đây con người độc quyền. Bạn có thể sẽ không phân biệt được âm nhạc viết bởi Bach với âm nhạc viết bởi DeepBach.
Các nhà nghiên cứu dùng thuật toán Deep learning để phân tích âm nhạc của Bach.
Công nghệ Deep learning (Học nhiều tầng) giúp trí tuệ nhân tạo sáng tác nhạc phong cách Bach như thế nào?
J.S. Bach đặc biệt là bậc thầy về một hình thức thánh ca phức điệu được gọi là chorale cantata. Những bài thánh ca này dựa vào ca từ của kinh thánh Giáo hội Luther và được viết cho bốn giọng. Luôn sử dụng một giai điệu thánh ca quen thuộc làm giai điệu chính cho giọng soprano (nữ cao), J.S. Bach sáng tác ba bè hoà âm cho ba giọng alto (nữ trầm), tenor (nam cao) và bass (nam trầm). Ông đã sáng tác hơn 300 tác phẩm thánh ca hợp xướng ngắn loại này, mỗi tác phẩm chỉ dài khoảng một phút. Cách sáng tác hoà âm hợp xướng này thực sự là một hình thức lô-gic mà các hệ thống máy móc như trí tuệ nhân tạo có thể hiểu được.
Những tác phẩm này đã thu hút các nhà khoa học máy tính bởi quá trình sáng tác các bản thánh ca này của Bach về bản chất là mang tính thuật toán. Tất nhiên để sáng tác được một tác phẩm hay không hề đơn giản bởi nó còn phụ thuộc vào sự tương tác cực kỳ tinh vi giữa hoà âm và giai điệu. Chính vì vậy, một câu hỏi thú vị được đặt ra là: liệu một cỗ máy có thể sáng tác được những bản thánh ca hợp xướng theo phong cách của J.S. Bach không?
Hai nhà khoa học Gaetan Hadjeres và Francois Pachet thuộc Phòng Thí Nghiệm Khoa học Máy tính Sony (Sony Computer Science Laboratories) tại Paris đã giúp chúng ta trả lời câu hỏi này. Họ đã phát triển một mạng lưới thần kinh (neuralnetwork) có thể học để sản xuất ra những bản chorale cantata theo phong cách của Bach. Họ đặt tên cỗ máy đó là DeepBach. Hadjeres và Pachet cho biết, sau khi được đào tạo cách hoà âm hợp xướng theo phong cách của Bach thì mô hình DeepBach của họ đã có thể tạo ra các bài hợp xướng nghe rất thuyết phục. Đã có khoảng một nửa số chuyên gia nghe những tác phẩm này cho rằng chúng thực sự được viết bởi Bach.
Công nghệ Machine learning (Học máy) mà các nhà khoa học sử dụng ở đây khá đơn giản. Trước tiên, Hadjeres và Pachet tạo ra một bộ dữ liệu để huấn luyện mạng lưới thần kinh của DeepBach. Họ bắt đầu với 352 bài thánh ca hợp xướng của Bach, sau đó dịch giọng các bài nhạc này sang những tông giọng nằm trong một phạm vi cao độ đã định sẵn để cho ra một bộ dữ liệu gồm 2503 bài hợp xướng. Họ dùng 80% số tác phẩm này để huấn luyện cho mạng lưới thần kinh của mình có thể nhận ra những hoà âm kiểu Bach và 20% còn lại để xác nhận nó. Sau đó, máy DeepBach sẽ có thể sản xuất ra những hoà âm của riêng mình theo phong cách của Bach.
Nhóm nghiên cứu thử thiết bị bằng cách đưa cho máy một giai điệu mà máy sẽ phải dùng để sáng tác ra hoà âm cho ba giọng còn lại là alto, tenor và bass. Máy sẽ viết từng hoà âm riêng biệt với mục tiêu là đoán xem Bach sẽ viết tiếp nốt nhạc nào dựa theo các yếu tố: nốt trước nó, các nốt liền kề trong giai điệu và hoà âm, và nốt đó sẽ rơi vào phách thứ mấy trong ô nhạc. Dự đoán của máy được hình thành dựa vào việc phân tích xem Bach đã lựa chọn nốt và hoà âm như thế nào trong những trường hợp tương tự mà bộ dữ liệu 2503 bài hợp xướng cung cấp.
Tuy rằng các cách tiếp cận thuật toán khác cũng có thể tạo ra được âm nhạc như vậy, một câu hỏi quan trọng là kết quả của chúng có sánh được với các tác phẩm của Bach không? Để kiểm nghiệm điều này, nhóm nghiên cứu đã thử cho 1600 người nghe hai cách hoà âm khác nhau cho cùng một giai điệu. Trong số đó, hơn 400 người là nhạc sĩ chuyên nghiệp hoặc sinh viên âm nhạc. Mỗi người nghe phải xác định xem hoà âm nào nghe giống của Bach hơn. Nhóm nghiên cứu có lồng ghép cả những hoà âm được tạo ra từ những thuật toán khác nữa.
Kết quả của thí nghiệm này khá thú vị: khi nghe một hoà âm tạo ra bởi máy DeepBach, khoảng một nửa số người tham gia cho rằng nó được sáng tác bởi Bach. Kết quả này cao hơn đáng kể so với trường hợp âm nhạc được tạo ra bởi bất cứ thuật toán nào khác. Hadjeres và Pachet cho rằng, với sự phức tạp của các tác phẩm của Bach thì kết quả này là khá tốt. Ngay cả khi được cho nghe nhạc thật của Bach thì người tham gia cũng chỉ đánh giá được đúng 75% trên tổng số các lần được nghe.
Hadjeres và Pachet cho rằng, phương pháp này không chỉ có thể tiến hành được với thể loại hợp xướng của Bach mà còn có thể dùng để sáng tác nhiều hình thức hợp xướng phức điệu khác. Tuy vậy, để làm được điều này không phải dễ dàng, bởi hiếm có hình thức âm nhạc nào lại có cấu trúc chặt chẽ, tuân theo những quy tắc cụ thể trong sáng tác như những bản chorale cantata của J.S. Bach.
Trí tuệ nhân tạo liệu có thể sáng tạo nghệ thuật thay con người?
Cuối năm 2016, các nhà nghiên cứu thuộc Đại học Washington đã phát hành một bộ dữ liệu nhạc cổ điển quy mô lớn với tên gọi MusicNet nhằm mục đích giúp máy móc hiểu được cấu trúc cơ bản của nhạc cổ điển, thậm chí còn giúp chúng dự đoán những nốt tiếp theo trong một bài nhạc. Bộ dữ liệu này mở cho công chúng, bao gồm 330 bản ghi âm các tác phẩm cổ điển cùng với hơn một triệu chú giải đã được kiểm duyệt bởi các nhạc sĩ chuyên nghiệp, cho biết thời điểm của từng nốt nhạc, loại nhạc cụ nào chơi nốt đó, và vị trí của nốt đó trong cấu trúc nhịp của tác phẩm.
Sham Kakade, một giáo sư của Đại học Washington cho biết, một trong những thách thức lớn nhất với trí tuệ nhân tạo là thiết kế được những phương pháp Machine learning có khả năng tách rời “phong cách”- phần nghệ thuật thuần tuý, ra khỏi “nội dung” của một tác phẩm- phần tuân theo những quy luật hoà âm dễ dự đoán hơn. Với MusicNet, nhóm nghiên cứu hi vọng có thể bắt đầu quá trình tìm hiểu sâu hơn về những yếu tố liên quan đến phong cách nghệ thuật để từ đó khám phá điều gì khiến âm nhạc lôi cuốn đôi tai, hay điều cốt lõi nào tạo nên phong cách âm nhạc đặc trưng của Bach.
Vào tháng 6 năm 2016, Google cũng tung ra một đoạn giai điệu piano dài 90 giây được viết bởi công nghệ Machine learning. Đây là một phần của Dự án Magenta- một nỗ lực của Google trong tham vọng giúp trí tuệ nhân tạo sáng tác nhạc và nghệ thuật thị giác.
Douglas Eck, trưởng nhóm dự án tại San Francisco, California, cho biết, chìa khoá giúp Magenta có thể sáng tác nhạc là ở quá trình learning (học hỏi). Họ sử dụng rất nhiều những kĩ thuật Machine learning khác nhau, ví dụ như mạng neutral tái phát, mạng neutral tích chập, các phương pháp biến phân, học tăng cường v.v.
Các phương pháp khác nhau này đều có chung mục đích là giúp trí tuệ nhân tạo học thông qua ví dụ, từ đó tự tạo ra một thứ mới.
Những dự án nghiên cứu kể trên đã đưa ra một hướng tiếp cận mới cho việc phân tích các tác phẩm âm nhạc cũng như cho việc nghiên cứu bản chất của tính sáng tạo. Kết quả của những nghiên cứu mới khiến ta tự hỏi, nếu một cỗ máy Deep learning có thể sáng tác ra những bản thánh ca hợp xướng nghe đậm phong cách Bach như vậy thì vai trò sáng tạo của nhà soạn nhạc là gì? Âm nhạc rốt cuộc về bản chất chỉ là một tập hợp các sự kiện mang tính thống kê cộng với một số nguyên tắc về tiết tấu và hoà âm, hay ý thức về cảm xúc của tác giả mới là yếu tố quyết định trong việc tạo ra một tác phẩm gây rung động? Với tốc độ phát triển của công nghệ Machine learning và trí tuệ nhân tạo như hiện nay, chắc hẳn câu trả lời sẽ được tìm thấy một ngày không xa.
Khánh Minh tổng hợp
