یک توسعه‌دهنده یک مدل ترنسفورمر با ۱۲۵ میلیون پارامتر را در Hacker News منتشر کرد که می‌تواند ملودی‌های پیانو را به‌طور کامل روی لپ‌تاپ یا گوشی، بدون نیاز به اتصال ابری، تکمیل کند. اکنون موسیقی‌دانان می‌توانند در لحظه پیشنهادهای نت‌به‌نت دریافت کنند و در عین حال، تمام ایده‌های خود را خصوصی نگه دارند.

چرا هوش مصنوعی موسیقی روی دستگاه اهمیت دارد

تأخیر (Latency)، جریان خلاقیت را از بین می‌برد. حتی یک میلی‌ثانیه تأخیر می‌تواند ریتم و حال و هوای موسیقی (groove) را خراب کند. اجرای محلی مدل، پیشنهادها را در عرض چند میلی‌ثانیه ارائه می‌دهد و هرگونه تأخیر محسوس را از بین می‌برد.

حریم خصوصی نیز به همان اندازه اهمیت دارد. از آنجایی که مدل روی خودِ دستگاه اجرا می‌شود، طرح‌های اولیه نوازنده هرگز از سخت‌افزاری که در اختیار دارد خارج نمی‌شود.

قابلیت کارکرد آفلاین اجازه می‌دهد این ابزار در هر فضای تمرین، محل اجرا یا استودیوی دوری که وای-فای در آن ضعیف یا قطع است، کار کند. یک لپ‌تاپ کوچک یا یک تبلت مدرن به یک دستیار خلاق مستقل تبدیل می‌شود.

مدل چگونه کار می‌کند

این سیستم با اجرای پیانو مانند یک زبان برخورد می‌کند. این مدل رویدادهای MIDI (شامل note-on ،note-off و velocity) را به یک توالی از توکن‌ها تبدیل کرده و آن توالی را به یک ترنسفورمر می‌دهد. ترنسفورمرها در پیش‌بینی آیتم بعدی مهارت دارند، که در موسیقی مستقیماً به معنای «نت بعدی چیست؟» است.

توسعه‌دهنده از تکنیک کوانتیزاسیون (quantization) استفاده کرده است تا دقت هر وزن (weight) را به فرمتی با دقت پایین‌تر کاهش دهد. این کار حجم فایل را کوچک کرده و محاسبات مورد نیاز را به شدت کاهش می‌دهد.

این ابزار واقعاً چه کارهایی می‌تواند انجام دهد

  • پیشنهاد ادامه ملودی برای قطعات کوتاه ملودیک، به طوری که یک عبارت موسیقیایی را گسترش دهد و در عین حال انسجام موسیقایی خود را حفظ کند.
  • رعایت گام‌ها (key signatures) و محدودیت‌های مقیاس (scale)، برای جلوگیری از نت‌های خارج از گام که گوش‌خراش به نظر می‌رسند.
  • تقلید از سبک موجود، خواه ورودی یک تکه جاز (jazz lick)، یک آرپژ کلاسیک یا یک ملودی جذاب پاپ (pop hook) باشد.
  • کمک به شکستن بن‌بست‌های خلاقانه با ارائه ایده‌های تازه در زمانی که آهنگساز احساس درجا زدن می‌کند.

این ویژگی‌ها باعث می‌شود سیستم مانند قابلیت تکمیل خودکار (autocomplete) در یک ویرایشگر متن عمل کند—فقط برای موسیقی. این ابزار به عنوان یک شریک کمکی عمل می‌کند، نه جایگزینی برای قضاوت انسانی.

نقاط ضعف مدل

  • نمی‌تواند بدون راهنمایی انسان، یک قطعه کامل مانند یک اثر ۶۴ میزان را تولید کند.
  • ژانرهای کاملاً جدیدی ابداع نمی‌کند؛ خروجی آن در محدوده آماری داده‌های آموزشی باقی می‌ماند.

در عمل، موسیقی‌دانان همچنان پیشنهادها را ارزیابی، ویرایش و شکل می‌دهند، درست همان‌طور که یک نویسنده جملات اصلاح‌شده توسط غلط‌یاب املایی را ویرایش می‌کند.

پیامدهای گسترده‌تر

این پروژه نشان می‌دهد که هوش مصنوعی کاربردی برای کارهای خلاقانه دیگر به مدل‌های عظیم مبتنی بر ابر وابسته نیست. یک ترنسفورمر با اندازه متوسط می‌تواند در سخت‌افزارهای معمولی، کمک‌های لحظه‌ای (real-time) ارائه دهد.

آنچه باید در آینده دنبال کرد

  • گسترش توسط جامعه کاربری: پست اصلی به یک انجمن آموزشی لینک می‌دهد که در آن توسعه‌دهندگان می‌توانند بهبودهای خود را به اشتراک بگذارند.

نکته کلیدی ساده است: یک ترنسفورمر با اندازه متوسط هم‌اکنون می‌تواند کمک‌های مفید، فوری و خصوصی به نوازندگان پیانو ارائه دهد. اگر تا به حال خواسته اید که یک «کمک‌خلبان» (co-pilot) داشته باشید که بدون ترک کردن لپ‌تاپ، نت بعدی را در گوش شما زمزمه کند، آن آینده همین حالا فرا رسیده است.