ಒಬ್ಬ ಡೆವಲಪರ್ ಹ್ಯಾಕರ್ ನ್ಯೂಸ್‌ನಲ್ಲಿ (Hacker News) 125 ಮಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್ ಹೊಂದಿರುವ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಮಾಡೆಲ್ ಅನ್ನು ಪೋಸ್ಟ್ ಮಾಡಿದ್ದಾರೆ. ಇದು ಯಾವುದೇ ಕ್ಲೌಡ್ ಸಂಪರ್ಕವಿಲ್ಲದೆ ಸಂಪೂರ್ಣವಾಗಿ ಲ್ಯಾಪ್‌ಟಾಪ್ ಅಥವಾ ಫೋನ್‌ನಲ್ಲಿ ಪಿಯಾನೋ ಮೆಲೋಡಿಗಳನ್ನು ಆಟೋಕಂಪ್ಲೀಟ್ ಮಾಡಬಲ್ಲದು. ಸಂಗೀತಗಾರರು ಈಗ ತಮ್ಮ ಪ್ರತಿಯೊಂದು ಕಲ್ಪನೆಯನ್ನು ಗೌಪ್ಯವಾಗಿಡುತ್ತಲೇ, ನೈಜ ಸಮಯದಲ್ಲಿ (real time) ಪ್ರತಿ ನೋಟ್‌ನ ಸಲಹೆಗಳನ್ನು ಪಡೆಯಬಹುದು.

ಸಾಧನದ ಮೇಲಿನ (on-device) ಮ್ಯೂಸಿಕ್ AI ಏಕೆ ಮುಖ್ಯ

ವಿಳಂಬವು (Latency) ಸೃಜನಶೀಲ ಪ್ರವಾಹವನ್ನು ಕುಂಠಿತಗೊಳಿಸುತ್ತದೆ. ಒಂದು ಮಿಲಿಸೆಕೆಂಡ್ ವಿಳಂಬವಾದರೂ ಲಯವನ್ನು (groove) ತಪ್ಪಿಸಬಹುದು. ಮಾಡೆಲ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ (locally) ಚಲಾಯಿಸುವುದರಿಂದ ಕೇವಲ ಕೆಲವು ಮಿಲಿಸೆಕೆಂಡುಗಳಲ್ಲಿ ಸಲಹೆಗಳು ದೊರೆಯುತ್ತವೆ, ಇದರಿಂದ ಯಾವುದೇ ವಿಳಂಬದ ಅನುಭವವಾಗುವುದಿಲ್ಲ.

ಗೌಪ್ಯತೆಯೂ ಅಷ್ಟೇ ಮುಖ್ಯವಾಗುತ್ತದೆ. ಮಾಡೆಲ್ ಸಾಧನದ ಮೇಲೆಯೇ ಇರುವುದರಿಂದ, ಕಲಾವಿದನ ಕಲ್ಪನೆಗಳು ಅಥವಾ ಸ್ಕೆಚ್‌ಗಳು ಅವರು ಹೊಂದಿರುವ ಹಾರ್ಡ್‌ವೇರ್‌ನಿಂದ ಹೊರಗೆ ಹೋಗುವುದಿಲ್ಲ.

ಆಫ್‌ಲೈನ್ ಸಾಮರ್ಥ್ಯವು ವೈ-ಫೈ (Wi-Fi) ಸೌಲಭ್ಯವಿಲ್ಲದ ಅಥವಾ ಅಸ್ಥಿರವಾಗಿರುವ ಯಾವುದೇ ರಿಹರ್ಸಲ್ ಸ್ಪೇಸ್, ಗಿಗ್ ವೇನು ಅಥವಾ ದೂರದ ಸ್ಟುಡಿಯೋಗಳಲ್ಲಿ ಈ ಸಾಧನವು ಕೆಲಸ ಮಾಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಒಂದು ಸಣ್ಣ ಲ್ಯಾಪ್‌ಟಾಪ್ ಅಥವಾ ಆಧುನಿಕ ಟ್ಯಾಬ್ಲೆಟ್ ಸ್ವತಂತ್ರ ಸೃಜನಶೀಲ ಸಹಾಯಕನಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ಮಾಡೆಲ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ

ಈ ವ್ಯವಸ್ಥೆಯು ಪಿಯಾನೋ ಪ್ರದರ್ಶನವನ್ನು ಒಂದು ಭಾಷೆಯಂತೆ ಪರಿಗಣಿಸುತ್ತದೆ. ಇದು MIDI ಇವೆಂಟ್‌ಗಳನ್ನು—note-on, note-off, velocity—ಟೋಕನ್ ಸರಣಿಯಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ ಮತ್ತು ಆ ಸರಣಿಯನ್ನು ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್‌ಗೆ ನೀಡುತ್ತದೆ. ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್‌ಗಳು ಮುಂದಿನ ಅಂಶವನ್ನು ಊಹಿಸುವಲ್ಲಿ ಅತ್ಯುತ್ತಮವಾಗಿವೆ, ಇದು ಸಂಗೀತದಲ್ಲಿ "ಮುಂದಿನ ನೋಟ್ ಯಾವುದು?" ಎಂಬುದಕ್ಕೆ ನೇರವಾಗಿ ಅನ್ವಯಿಸುತ್ತದೆ.

ಡೆವಲಪರ್ ಕ್ವಾಂಟೈಸೇಶನ್ (quantization) ತಂತ್ರವನ್ನು ಅನ್ವಯಿಸಿ, ಪ್ರತಿಯೊಂದು ವೇಯ್ಟ್ ಅನ್ನು ಕಡಿಮೆ ನಿಖರತೆಯ ಫಾರ್ಮ್ಯಾಟ್‌ಗೆ ಇಳಿಸಿದ್ದಾರೆ. ಇದು ಫೈಲ್ ಗಾತ್ರವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅಗತ್ಯವಿರುವ ಕಂಪ್ಯೂಟೇಶನ್ ಅನ್ನು ಗಣನೀಯವಾಗಿ ತಗ್ಗಿಸುತ್ತದೆ.

ಈ ಸಾಧನವು ವಾಸ್ತವವಾಗಿ ಏನು ಮಾಡಬಲ್ಲದು

  • ಮುಂದುವರಿಕೆಯನ್ನು ಸೂಚಿಸುವುದು: ಸಣ್ಣ ಮೆಲೋಡಿಕ್ ತುಣುಕುಗಳಿಗೆ ಮುಂದುವರಿಕೆಯನ್ನು ಸೂಚಿಸುವುದು, ಸಂಗೀತದ ಲಯವನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತಲೇ ಒಂದು ವಾಕ್ಯವನ್ನು ವಿಸ್ತರಿಸುವುದು.
  • ಕೀ ಸಿದ್ಧಾಂತಗಳನ್ನು (key signatures) ಗೌರವಿಸುವುದು: ಸ್ಕೇಲ್ ಮಿತಿಗಳನ್ನು ಪಾಲಿಸುವುದು ಮತ್ತು ಕೇಳಲು ಅಸಹ್ಯವೆನಿಸುವ ಕೀ ಹೊರಗಿನ ನೋಟ್‌ಗಳನ್ನು ತಪ್ಪಿಸುವುದು.
  • ಸುತ್ತಲಿನ ಶೈಲಿಯನ್ನು ಅನುಕರಿಸುವುದು: ಇನ್‌ಪುಟ್ ಜಾಝ್ (jazz), ಕ್ಲಾಸಿಕಲ್ ಅಥವಾ ಪಾಪ್ ಶೈಲಿಯಲ್ಲಿದ್ದರೂ ಅದರ ಶೈಲಿಯನ್ನು ಅನುಕರಿಸುವುದು.
  • ಸೃಜನಶೀಲ ಅಡೆತಡೆಗಳನ್ನು ನಿವಾರಿಸಲು ಸಹಾಯ ಮಾಡುವುದು: ಸಂಯೋಜಕರು ಕಷ್ಟಪಡುತ್ತಿರುವಾಗ ಹೊಸ ಕಲ್ಪನೆಗಳನ್ನು ನೀಡುವ ಮೂಲಕ ಸಹಾಯ ಮಾಡುವುದು.

ಈ ವೈಶಿಷ್ಟ್ಯಗಳು ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಟೆಕ್ಸ್ಟ್ ಎಡಿಟರ್‌ನಲ್ಲಿರುವ ಆಟೋಕಂಪ್ಲೀಟ್ ವೈಶಿಷ್ಟ್ಯದಂತೆ ಕೆಲಸ ಮಾಡುವಂತೆ ಮಾಡುತ್ತವೆ—ಕೇವಲ ಸಂಗೀತಕ್ಕಾಗಿ. ಇದು ಮಾನವ ನಿರ್ಧಾರಕ್ಕೆ ಪರ್ಯಾಯವಾಗಿರದೆ, ಒಂದು ಸಹಾಯಕ ಪಾಲುದಾರನಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ಮಾಡೆಲ್ ಎಲ್ಲಿ ಮಿತಿಗಳನ್ನು ಹೊಂದಿದೆ

  • ಮಾನವ ಮಾರ್ಗದರ್ಶನವಿಲ್ಲದೆ ಇದು 64-ಬಾರ್‌ನಂತಹ ಪೂರ್ಣ ಪ್ರಮಾಣದ ಸಂಯೋಜನೆಯನ್ನು ರಚಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
  • ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಪ್ರಕಾರಗಳನ್ನು (genres) ಕಂಡುಹಿಡಿಯುವುದಿಲ್ಲ; ಇದರ ಔಟ್‌ಪುಟ್ ತರಬೇತಿ ಡೇಟಾದ (training data) ಅಂಕಿಅಂಶಗಳ ಮಿತಿಯಲ್ಲೇ ಇರುತ್ತದೆ.

ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಒಬ್ಬ ಲೇಖಕ ಸ್ಪೆಲ್-ಚೆಕ್ಕರ್‌ನಿಂದ ಬಂದ ವಾಕ್ಯಗಳನ್ನು ತಿದ್ದುವಂತೆ, ಸಂಗೀತಗಾರರು ಇನ್ನೂ ಸಲಹೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತಾರೆ, ತಿದ್ದುತ್ತಾರೆ ಮತ್ತು ರೂಪಿಸುತ್ತಾರೆ.

ವಿಶಾಲವಾದ ಪರಿಣಾಮಗಳು

ಸೃಜನಶೀಲ ಕಾರ್ಯಗಳಿಗಾಗಿ ಉಪಯುಕ್ತವಾದ AI ಈಗ ಬೃಹತ್ ಕ್ಲೌಡ್ ಆಧಾರಿತ ಮಾಡೆಲ್‌ಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿಲ್ಲ ಎಂಬುದನ್ನು ಈ ಯೋಜನೆಯು ತೋರಿಸುತ್ತದೆ. ಸಾಧಾರಣ ಗಾತ್ರದ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಸಾಮಾನ್ಯ ಹಾರ್ಡ್‌ವೇರ್‌ನಲ್ಲೂ ನೈಜ ಸಮಯದಲ್ಲಿ ಸಹಾಯವನ್ನು ನೀಡಬಲ್ಲದು.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • ಸಮುದಾಯದ ವಿಸ್ತರಣೆಗಳು: ಮೂಲ ಪೋಸ್ಟ್ ಒಂದು ಕಲಿಕಾ ಸಮುದಾಯಕ್ಕೆ ಲಿಂಕ್ ಮಾಡುತ್ತದೆ, ಅಲ್ಲಿ ಡೆವಲಪರ್‌ಗಳು ಸುಧಾರಣೆಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಬಹುದು.

ಇದರ ಮುಖ್ಯ ಸಾರಾಂಶ ಸರಳವಾಗಿದೆ: ಸಾಧಾರಣ ಗಾತ್ರದ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಈಗಾಗಲೇ ಪಿಯಾನೋ ವಾದಕರಿಗೆ ಉಪಯುಕ್ತವಾದ, ತಕ್ಷಣದ ಮತ್ತು ಗೌಪ್ಯವಾದ ಸಹಾಯವನ್ನು ನೀಡಬಲ್ಲದು. ನಿಮ್ಮ ಲ್ಯಾಪ್‌ಟಾಪ್‌ನಿಂದ ಹೊರಬರದೆ ಮುಂದಿನ ನೋಟ್ ಅನ್ನು ಪಿಸುಗುಟ್ಟುವ "ಕೋ-ಪೈಲಟ್" (co-pilot) ನಿಮಗೆ ಬೇಕಾಗಿದ್ದರೆ, ಆ ಭವಿಷ್ಯ ಈಗಾಗಲೇ ಬಂದಿದೆ.