How AI could compose a personalized soundtrack to your life | Pierre Barreau

167,508 views ・ 2018-10-01

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

المترجم: Mohamed Emad المدقّق: Hani Eldalees
00:12
About two and a half years ago, I watched this movie called "Her."
0
12913
3428
منذ حوالي عامين ونصف، شاهدتُ فيلمًا يُسمّى (هي).
00:16
And it features Samantha, a superintelligent form of AI
1
16365
5127
يُظهر هذا الفيلم سامانثا، شكل من أشكال الذكاء الاصطناعي فائق الذكاء
00:21
that cannot take physical form.
2
21516
1760
لا يستطيع أنْ يأخذ شكلًا ماديًا.
00:23
And because she can't appear in photographs,
3
23858
2230
ولأنّها لا تستطيع أنْ تَظهر في الصور،
00:26
Samantha decides to write a piece of music
4
26112
2016
قرّرت سامانثا أنْ تكتب قطعة موسيقية
00:28
that will capture a moment of her life just like a photograph would.
5
28152
3466
ستصوّر لحظة من حياتها، كما تفعل الصور الفوتوغرافية.
00:32
As a musician and an engineer, and someone raised in a family of artists,
6
32953
4408
كموسيقي، وكمهندس، وكشخص ترعرع وسط عائلة من الفنّانين،
00:37
I thought that this idea of musical photographs was really powerful.
7
37385
4176
اعتقدتُ بأنّ فكرة الصور الموسيقية قوية للغاية.
00:41
And I decided to create an AI composer.
8
41955
2868
وقرّرتُ أنْ أصنع ذكاءً اصطناعيًا قادرًا على تأليف الموسيقى.
00:44
Her name is AIVA, and she's an artificial intelligence
9
44847
3488
اسمها (أيفا)، وهي عبارة عن ذكاء اصطناعي
00:48
that has learned the art of music composition
10
48359
2393
قدّ تعلّم فن تأليف الموسيقى
00:50
by reading over 30,000 scores of history's greatest.
11
50776
2785
عن طريق قراءة أكثر من 30,000 قطعة موسيقية من أعظم القطع في التاريخ.
00:54
So here's what one score looks like to the algorithm
12
54165
2456
ها هو مثال لكيفية رؤية الخوارزمية لقطعةٍ موسيقية
00:56
in a matrix-like representation.
13
56645
2202
حيث تَظهر في صورة تُشبه المصفوفات الرياضية.
00:58
And here's what 30,000 scores,
14
58871
2246
وها هو مثال لكيفية رؤية الخوارزمية لعدد 30,000 قطعة موسيقية،
01:01
written by the likes of Mozart and Beethoven,
15
61141
2096
مكتوبة بواسطة أشخاص مثل موزارت وبيتهوڤن،
01:03
look like in a single frame.
16
63261
2031
ظاهرة في إطارٍ واحد أمامكم.
01:07
So, using deep neural networks, AIVA looks for patterns in the scores.
17
67609
4340
عن طريق استعمال شبكات عصبية عميقة، أيفا تبحث عن أنماط بداخل القطع الموسيقية.
01:12
And from a couple of bars of existing music,
18
72260
3563
وبواسطة بضع موازين موسيقية موجودة،
01:15
it actually tries to infer what notes should come next in those tracks.
19
75847
3708
تُحاول أيفا أنْ تُخمّن الدرجة الموسيقية القادمة في القطعة الموسيقية.
01:19
And once AIVA gets good at those predictions,
20
79887
2498
وعندما تُصبح أيفا جيدة في هذه التخمينات،
01:22
it can actually build a set of mathematical rules
21
82409
3613
تُصبح قادرةً على وَضْع مجموعة من القواعد الرياضية
01:26
for that style of music
22
86046
1166
لهذا النوع من الموسيقى
01:27
in order to create its own original compositions.
23
87236
2788
من أجل تأليف الموسيقى المُبتَكرة خاصتها.
01:30
And in a way, this is kind of how we, humans, compose music, too.
24
90490
3709
من نحوٍ آخر، هذه هي نوعًا ما نفس الطريقة التي يؤلّف بها الإنسان الموسيقى.
01:34
It's a trial-and-error process,
25
94561
1492
إنّه تعلّم عن طريق التجربة والخطأ،
01:36
during which we may not get the right notes all the time.
26
96077
3008
فنحنُ لا ننجح دائمًا أثناء تأليف الألحان الموسيقية.
01:39
But we can correct ourselves,
27
99109
1389
ولكننا نستطيع تصحيح هذه الأخطاء،
01:40
either with our musical ear or our musical knowledge.
28
100522
3293
سواءً بواسطة آذاننا الموسيقية أو معرفتنا الموسيقية.
01:45
But for AIVA, this process is taken from years and years of learning,
29
105495
4143
ولكن بالنسبة لأيفا، هذه العملية مأخوذة من سنوات من التعلّم،
01:49
decades of learning as an artist, as a musician and a composer,
30
109662
3262
بل قرونًا من التعلّم كفنّان، وموسيقار، ومؤلّف،
01:52
down to a couple of hours.
31
112948
1733
تأخذها وتَتعلّمها في بضع ساعات.
01:55
But music is also a supersubjective art.
32
115030
2880
مع ذلك، الموسيقى فن مُتَعلّق جدًا بأراء الناس.
01:57
And we needed to teach AIVA
33
117934
1564
فاحتجنا لتعليم أيفا
01:59
how to compose the right music for the right person,
34
119522
2445
كيفية تأليف الموسيقى المناسبة للشخص المناسب،
02:01
because people have different preferences.
35
121991
2141
لأنّ الناس لديها تفضيلات مختلفة.
02:04
And to do that, we show to the algorithm over 30 different category labels
36
124156
4190
ومن أجل فعل هذا، نُظهر للخوارزمية أكثر من 30 تصنيف مختلف للفئات
02:08
for each score in our database.
37
128370
1945
لكلّ قطعة موسيقية في قاعدتنا البيانية.
02:10
So those category labels are like mood
38
130339
2516
لذلك تصنيفات الفئات هذه تكون مثل المزاج
02:12
or note density or composer style of a piece
39
132879
2920
أو كثافة القطعة الموسيقية أو أُسلوب المؤلّف لقطعةٍ موسيقية ما
02:15
or the epoch during which it was written.
40
135823
2524
أو العَصْر الذي كُتِبَت القطعة الموسيقية فيه.
02:18
And by seeing all this data,
41
138371
1935
وعن طريق رؤية كل هذه البيانات،
02:20
AIVA can actually respond to very precise requirements.
42
140330
3056
أيفا تستطيع الاستجابة لمُتطلّبَات دقيقة للغاية.
02:23
Like the ones, for example, we had for a project recently,
43
143966
3103
مثل المُتطلّبَات التي وضعناها لمشروعٍ ما مؤخرًا،
02:27
where we were commissioned to create a piece
44
147093
3035
أُمِرنا فيه أنْ نؤلّف قطعةً موسيقية
02:30
that would be reminiscent of a science-fiction film soundtrack.
45
150152
3027
ستكون ذكرى لموسيقى تصويرية لفيلم خيالٍ علميّ.
02:33
And the piece that was created is called "Among the Stars"
46
153839
4500
وهذه القطعة التي أُلِّفت اسمها (وسط النجوم)
02:38
and it was recorded with CMG Orchestra in Hollywood,
47
158363
3317
وقد سُجّلت بواسطة أوركسترا (CMG) في هوليوود،
02:41
under great conductor John Beal,
48
161704
1714
تحت قيادة جون بيل،
02:43
and this is what they recorded, made by AIVA.
49
163442
3067
وهذا هو ما قد سجّلوه. هذه الموسيقى من تأليف أيفا.
02:47
(Music)
50
167657
7000
(موسيقى)
03:30
(Music ends)
51
210196
2190
(الموسيقى تنتهي)
03:34
What do you think?
52
214719
1207
ما رأيكم؟
03:35
(Applause)
53
215950
4380
(تصفيق)
03:40
Thank you.
54
220354
1150
شكرًا لكم.
03:42
So, as you've seen, AI can create beautiful pieces of music,
55
222001
4055
كما رأيتم، الذكاء الاصطناعي يستطيع أنْ يؤلّف قطعًا موسيقية جميلة،
03:46
and the best part of it
56
226080
1803
وأفضل شيء في هذا
03:47
is that humans can actually bring them to life.
57
227907
2581
هو أنّ البشر يستطيعون أنْ يعطوا الحياة لهذه القطع.
03:51
And it's not the first time in history
58
231506
1838
وهذه ليست أول مرة في التاريخ
03:53
that technology has augmented human creativity.
59
233368
3344
زادت التكنولوجيا فيها من إبداع الإنسان.
03:56
Live music was almost always used in silent films
60
236736
3072
الموسيقى الحيّة كانت تُستخدّم دائمًا تقريبًا في الأفلام الصامتة
03:59
to augment the experience.
61
239832
1666
من أجل تعزيز التجربة.
04:01
But the problem with live music is that it didn't scale.
62
241522
3182
ولكن مشكلة الموسيقى الحية هى أنّها لم تتناسب مع المكان.
04:04
It's really hard to cram a full symphony into a small theater,
63
244728
3429
إنّه شيء صعب للغاية أنْ تَحشر سمفونية كاملة في مَسرح صغير،
04:08
and it's really hard to do that for every theater in the world.
64
248181
2991
وإنّه شيء صعب للغاية أنْ تفعل هذا في كل مسرحٍ بالعالَم.
04:11
So when music recording was actually invented,
65
251196
2849
لذلك عندما اُبتكِر تسجيل الموسيقى،
04:14
it allowed content creators, like film creators,
66
254069
2349
استطاع منشئو المحتوى مثل صُنّاع الأفلام،
04:16
to have prerecorded and original music
67
256442
2786
أنْ يسجّلوا الموسيقى الأصلية مُقدّمًا
04:19
tailored to each and every frame of their stories.
68
259252
2873
ويجعلوها تتناسب مع كل إطار من قصصهم.
04:22
And that was really an enhancer of creativity.
69
262149
2626
وكان هذا مُعزِزًا حقًا للإبداع.
04:26
Two and a half years ago, when I watched this movie "Her,"
70
266617
3286
منذ عامين ونصف، عندما رأيتُ هذا الفيلم المُسمّى (هي)،
04:29
I thought to myself that personalized music
71
269927
2907
أخذتُ أُفكّر بأنّ الموسيقى المُخصّصة
04:32
would be the next single biggest change in how we consume and create music.
72
272858
4417
ستكون أكبر تغييرٍ قادم في كيفية تأليف واستهلاكنا للموسيقى.
04:38
Because nowadays, we have interactive content, like video games,
73
278187
4222
لأنّ في الوقت الحاضر، لدينا مُحتوى تفاعلي، مثل ألعاب الڤيديو،
04:42
that have hundreds of hours of interactive game plays,
74
282433
3015
التي تحتوى على مئات الساعات من أُسلوب اللعب التفاعلي،
04:45
but only two hours of music, on average.
75
285472
2113
ولكن تحتوي على ساعتين فقط من الموسيقى، في المتوسط.
04:47
And it means that the music loops and loops and loops
76
287609
2492
وهذا يعني بأنّ الموسيقى تتكرر وتتكرر وتتكرر
04:50
over and over again, and it's not very immersive.
77
290125
2332
مرارًا وتكرارًا، وهذه ليست تجربة غامرة للغاية.
04:52
So what we're working on is to make sure that AI can compose
78
292467
3951
لذلك نحن نعمل الآن على تأكيد أنّ الذكاء الاصطناعيّ قادرٌ على تأليف
04:56
hundreds of hours of personalized music
79
296442
2302
مئات الساعات من الموسيقى المُخصّصة
04:58
for those use cases where human creativity doesn't scale.
80
298768
3866
من أجل هذه الحالات التي لا تصلح أنْ تستخدم إبداع الإنسان فيها.
05:03
And we don't just want to do that for games.
81
303363
2206
ونحن لا نُريد أنْ نفعل هذا فقط في الألعاب.
05:06
Beethoven actually wrote a piece for his beloved, called "Für Elise,"
82
306657
4428
بيتهوڤن كَتَب قطعة موسيقية من أجل حبيبته، اسم القطعة (من أجل إليزه)،
05:11
and imagine if we could bring back Beethoven to life.
83
311109
3651
فتخيّل لو استطعنا إعادة بيتهوڤن للحياة.
05:14
And if he was sitting next to you, composing a music for your personality
84
314784
5230
وكان بيتهوڤن جالسًا بجوارك، يؤلّف قطعة موسيقية مُخصّصة لشخصيتك
05:20
and your life story.
85
320038
1333
وقصة حياتك.
05:22
Or imagine if someone like Martin Luther King, for example,
86
322632
2779
أو تخيّل لو أن هناك شخص مثل مارتن لوثر كينغ
05:25
had a personalized AI composer.
87
325435
2039
كان لديه ذكاء اصطناعيّ مؤلّف للموسيقى.
05:27
Maybe then we would remember
88
327498
1373
في هذه الحالة ربما كُنّا سنتذكّر
05:28
"I Have a Dream" not only as a great speech,
89
328895
2056
"لدي حلم" ليس فقط كخطابٍ رائع،
05:30
but also as a great piece of music, part of our history,
90
330975
2626
بل أيضًا كقطعةٍ موسيقية رائعة، جزء من تاريخنا،
05:33
and capturing Dr. King's ideals.
91
333625
2133
وتوضيح أهداف الدكتور كينغ.
05:36
And this is our vision at AIVA:
92
336069
1889
وهذه هي نظرتنا لأيفا:
05:37
to personalize music so that each and every one of you
93
337982
2578
تخصيص الموسيقى حتى يستطيع كل واحدٍ منكم
05:40
and every individual in the world
94
340584
1649
وكل فرد في العالم
05:42
can have access to a personalized live soundtrack,
95
342257
3074
أنْ يتمكن من سماع موسيقى تصويرية حيّة،
05:45
based on their story and their personality.
96
345355
2505
مبنيّة على قصته وشخصيته.
05:49
So this moment here together at TED is now part of our life story.
97
349915
4079
لذلك هذه اللحظة هنا معًا في TED الآن جزء من قصة حياتنا.
05:54
So it only felt fitting that AIVA would compose music for this moment.
98
354018
4169
لذلك سيكون ملائمًا أنْ تؤلّف أيفا قطعةً موسيقية لهذه اللحظة.
05:58
And that's exactly what we did.
99
358674
2444
وهذا هو بالضبط ما فعلناه.
06:01
So my team and I worked on biasing AIVA on the style of the TED jingle,
100
361436
5022
أنا وفريقي عملنا على جعل أيفا تنحاز إلى أسلوب جلجلة TED
06:06
and on music that makes us feel a sense of awe and wonder.
101
366482
3444
وإلى موسيقى تجعلنا نحسّ بشعور من الروعة والاندهاش
06:09
And the result is called "The Age of Amazement."
102
369950
3913
والنتيجة قطعة موسيقية تُسمّى (عصر الاندهاش).
06:13
Didn't take an AI to figure that one out.
103
373887
2396
نحن من سمّيناها، ليس الذكاء الاصطناعي.
06:16
(Laughter)
104
376307
1150
(ضحك)
06:18
And I couldn't be more proud to show it to you,
105
378152
2402
وأنا أشعر بإحساس شديد بالفخر لأُريكم هذه،
06:20
so if you can, close your eyes and enjoy the music.
106
380578
2428
لذلك إذا أردتم، اغلقوا عيونكم واستمتعوا بالموسيقى.
06:23
Thank you very much.
107
383030
1333
شكرًا جزيلًا لكم.
06:25
(Music)
108
385537
4195
(موسيقى)
06:35
[The Age of Amazement Composed by AIVA]
109
395176
2667
[عصر الاندهاش، من تأليف أيفا]
08:19
(Music ends)
110
499649
1151
(الموسيقى تنتهي)
08:20
This was for all of you.
111
500824
1373
كان هذا من أجلكم جميعًا.
08:22
Thank you.
112
502221
1166
شكرًا لكم.
08:23
(Applause)
113
503411
4573
(تصفيق)
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7