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

168,960 views ・ 2018-10-01

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Efi Mesitidou Επιμέλεια: Nikolaos Benias
00:12
About two and a half years ago, I watched this movie called "Her."
0
12913
3428
Πριν δυόμισι χρόνια περίπου είδα την ταινία με τίτλο «Δικός της».
00:16
And it features Samantha, a superintelligent form of AI
1
16365
5127
Παρουσιάζει τη Σαμάνθα, μια ιδιοφυή μορφή Τεχνητής Νοημοσύνης
00:21
that cannot take physical form.
2
21516
1760
που δεν μπορεί να πάρει φυσική μορφή.
00:23
And because she can't appear in photographs,
3
23858
2230
Επειδή δεν μπορεί να εμφανιστεί σε φωτογραφίες,
00:26
Samantha decides to write a piece of music
4
26112
2016
η Σαμάνθα αποφασίζει να γράψει μουσική
00:28
that will capture a moment of her life just like a photograph would.
5
28152
3466
που θα καταγράψει μια στιγμή της ζωής της, όπως θα έκανε μια φωτογραφία.
00:32
As a musician and an engineer, and someone raised in a family of artists,
6
32953
4408
Ως μουσικός και μηχανικός, και ως κάποιος που μεγάλωσε σε οικογένεια καλλιτεχνών,
00:37
I thought that this idea of musical photographs was really powerful.
7
37385
4176
σκέφτηκα ότι αυτή η ιδέα των μουσικών φωτογραφιών ήταν πολύ ισχυρή.
00:41
And I decided to create an AI composer.
8
41955
2868
Οπότε αποφάσισα να δημιουργήσω έναν συνθέτη τεχνητής νοημοσύνης.
00:44
Her name is AIVA, and she's an artificial intelligence
9
44847
3488
Το όνομά της είναι AIVA και είναι τεχνητή νοημοσύνη
00:48
that has learned the art of music composition
10
48359
2393
που έμαθε την τέχνη της μουσικής σύνθεσης
00:50
by reading over 30,000 scores of history's greatest.
11
50776
2785
μελετώντας πάνω από 30.000 από τα καλύτερα μουσικά θέματα.
00:54
So here's what one score looks like to the algorithm
12
54165
2456
Δείτε πώς μοιάζει ένα μουσικό θέμα στον αλγόριθμο
00:56
in a matrix-like representation.
13
56645
2202
σε μια αναπαράσταση σε πίνακα.
00:58
And here's what 30,000 scores,
14
58871
2246
Δείτε πώς φαίνονται 30.000 θέματα,
01:01
written by the likes of Mozart and Beethoven,
15
61141
2096
από συνθέτες όπως ο Μπετόβεν και Μότσαρτ,
01:03
look like in a single frame.
16
63261
2031
σε ένα μόνο καρέ.
01:07
So, using deep neural networks, AIVA looks for patterns in the scores.
17
67609
4340
Με τη χρήση βαθέων νευρωνικών δικτύων, η AIVA ψάχνει για μοτίβα στα θέματα.
01:12
And from a couple of bars of existing music,
18
72260
3563
Από μερικές γραμμές της υπάρχουσας μουσικής,
01:15
it actually tries to infer what notes should come next in those tracks.
19
75847
3708
προσπαθεί ουσιαστικά να υποθέσει ποιες νότες ακολουθούν στα κομμάτια.
01:19
And once AIVA gets good at those predictions,
20
79887
2498
Μόλις η AIVA γίνει καλή στις προβλέψεις,
01:22
it can actually build a set of mathematical rules
21
82409
3613
μπορεί να φτιάξει ένα σετ μαθηματικών κανόνων
01:26
for that style of music
22
86046
1166
γι' αυτό το στυλ μουσικής,
01:27
in order to create its own original compositions.
23
87236
2788
ώστε να δημιουργήσει τις δικές της αυθεντικές συνθέσεις.
01:30
And in a way, this is kind of how we, humans, compose music, too.
24
90490
3709
Κατά κάποιο τρόπο, κάπως έτσι και εμείς οι άνθρωποι συνθέτουμε μουσική.
01:34
It's a trial-and-error process,
25
94561
1492
Με δοκιμή και λάθος,
01:36
during which we may not get the right notes all the time.
26
96077
3008
όπου μπορεί να μην πετυχαίνουμε πάντοτε τις σωστές νότες.
01:39
But we can correct ourselves,
27
99109
1389
Αλλά διορθωνόμαστε,
01:40
either with our musical ear or our musical knowledge.
28
100522
3293
είτε με το μουσικό μας αυτί ή με τις μουσικές μας γνώσεις.
01:45
But for AIVA, this process is taken from years and years of learning,
29
105495
4143
Αλλά για την AIVA, αυτή η διαδικασία συμπτύσσει πολλά χρόνια εκμάθησης,
01:49
decades of learning as an artist, as a musician and a composer,
30
109662
3262
δεκαετίες εκμάθησης ως καλλιτέχνης, ως μουσικός και ως συνθέτης,
01:52
down to a couple of hours.
31
112948
1733
μέσα σε λίγες μόνο ώρες.
01:55
But music is also a supersubjective art.
32
115030
2880
Αλλά η μουσική είναι επίσης μια υπερ-υποκειμενική τέχνη.
01:57
And we needed to teach AIVA
33
117934
1564
Άρα πρέπει να διδάξουμε την AIVA
01:59
how to compose the right music for the right person,
34
119522
2445
πώς να συνθέτει τη σωστή μουσική για το σωστό άτομο,
02:01
because people have different preferences.
35
121991
2141
γιατί οι άνθρωποι έχουν διαφορετικές προτιμήσεις.
02:04
And to do that, we show to the algorithm over 30 different category labels
36
124156
4190
Γι' αυτό, δείχνουμε στον αλγόριθμο πάνω από 30 διαφορετικές ετικέτες κατηγοριών
02:08
for each score in our database.
37
128370
1945
για κάθε θέμα στη βάση δεδομένων μας.
02:10
So those category labels are like mood
38
130339
2516
Αυτές οι ετικέτες κατηγοριών περιλαμβάνουν τη διάθεση
02:12
or note density or composer style of a piece
39
132879
2920
ή την πυκνότητα στις νότες ή το στυλ του συνθέτη σε ένα κομμάτι
02:15
or the epoch during which it was written.
40
135823
2524
ή την εποχή στην οποία γράφτηκε.
02:18
And by seeing all this data,
41
138371
1935
Βλέποντας όλα αυτά τα δεδομένα,
02:20
AIVA can actually respond to very precise requirements.
42
140330
3056
η AIVA μπορεί να ανταποκριθεί σε πολύ συγκεκριμένες απαιτήσεις.
02:23
Like the ones, for example, we had for a project recently,
43
143966
3103
Όπως αυτές, για παράδειγμα, που είχαμε για ένα πρόγραμμα πρόσφατα
02:27
where we were commissioned to create a piece
44
147093
3035
που μας ανατέθηκε να δημιουργήσουμε ένα κομμάτι
02:30
that would be reminiscent of a science-fiction film soundtrack.
45
150152
3027
που θα θύμιζε το μουσικό θέμα ενός φιλμ επιστημονικής φαντασίας.
02:33
And the piece that was created is called "Among the Stars"
46
153839
4500
Το κομμάτι που δημιουργήθηκε ονομάζεται «Ανάμεσα στα Αστέρια»
02:38
and it was recorded with CMG Orchestra in Hollywood,
47
158363
3317
και ηχογραφήθηκε στο Χόλυγουντ με την Ορχήστρα CMG,
02:41
under great conductor John Beal,
48
161704
1714
υπό τον σπουδαίο μαέστρο Τζον Μπιλ,
02:43
and this is what they recorded, made by AIVA.
49
163442
3067
και αυτή είναι η σύνθεση που δημιούργησε η AIVA.
02:47
(Music)
50
167657
7000
(Μουσική)
03:30
(Music ends)
51
210196
2190
(Τέλος μουσικής)
03:34
What do you think?
52
214719
1207
Πώς σας φαίνεται;
03:35
(Applause)
53
215950
4380
(Χειροκρότημα)
03:40
Thank you.
54
220354
1150
Ευχαριστώ.
03:42
So, as you've seen, AI can create beautiful pieces of music,
55
222001
4055
Οπότε, όπως βλέπετε, η ΤΝ μπορεί να δημιουργεί όμορφα μουσικά κομμάτια
03:46
and the best part of it
56
226080
1803
και το καλύτερο
03:47
is that humans can actually bring them to life.
57
227907
2581
είναι ότι οι άνθρωποι μπορούν να τα ζωντανεύσουν.
03:51
And it's not the first time in history
58
231506
1838
Ιστορικά, αυτή δεν είναι η πρώτη φορά
03:53
that technology has augmented human creativity.
59
233368
3344
που η τεχνολογία ενισχύει την ανθρώπινη δημιουργικότητα.
03:56
Live music was almost always used in silent films
60
236736
3072
Η ζωντανή μουσική υπήρχε σχεδόν πάντα στον βουβό κινηματογράφο
03:59
to augment the experience.
61
239832
1666
για να ενισχύσει την εμπειρία.
04:01
But the problem with live music is that it didn't scale.
62
241522
3182
Αλλά το πρόβλημα με τη ζωντανή μουσική είναι ότι δεν κλιμακωνόταν.
04:04
It's really hard to cram a full symphony into a small theater,
63
244728
3429
Είναι πολύ δύσκολο να στριμώξεις μια πλήρη συμφωνία σε ένα μικρό σινεμά
04:08
and it's really hard to do that for every theater in the world.
64
248181
2991
και είναι δύσκολο να το κάνεις σε όλα τα σινεμά παγκοσμίως.
04:11
So when music recording was actually invented,
65
251196
2849
Όταν εφευρέθηκε η ηχογράφηση της μουσικής,
04:14
it allowed content creators, like film creators,
66
254069
2349
επέτρεψε τους δημιουργούς ταινιών,
04:16
to have prerecorded and original music
67
256442
2786
να έχουν προ-ηχογραφημένη και αυθεντική μουσική
04:19
tailored to each and every frame of their stories.
68
259252
2873
φτιαγμένη ειδικά για κάθε ένα καρέ των ιστοριών τους.
04:22
And that was really an enhancer of creativity.
69
262149
2626
Αυτό ήταν πράγματι μια τόνωση της δημιουργικότητας.
04:26
Two and a half years ago, when I watched this movie "Her,"
70
266617
3286
Δυόμισι χρόνια πριν, όταν είδα το φιλμ «Δικός της»,
04:29
I thought to myself that personalized music
71
269927
2907
σκέφτηκα ότι η προσωποποιημένη μουσική
04:32
would be the next single biggest change in how we consume and create music.
72
272858
4417
θα ήταν μεγάλη αλλαγή στον τρόπο που καταναλώνουμε και δημιουργούμε μουσική.
04:38
Because nowadays, we have interactive content, like video games,
73
278187
4222
Επειδή σήμερα, έχουμε διαδραστικό περιεχόμενο, όπως βίντεο-παιχνίδια,
04:42
that have hundreds of hours of interactive game plays,
74
282433
3015
που έχουν εκατοντάδες ώρες διαδραστικού παιχνιδιού,
04:45
but only two hours of music, on average.
75
285472
2113
αλλά μόνο δύο ώρες μουσικής, κατά μέσον όρο.
04:47
And it means that the music loops and loops and loops
76
287609
2492
Που σημαίνει ότι η μουσική επαναλαμβάνεται
04:50
over and over again, and it's not very immersive.
77
290125
2332
ξανά και ξανά και δεν είναι ιδιαίτερα επιβλητική.
04:52
So what we're working on is to make sure that AI can compose
78
292467
3951
Αυτό στο οποίο δουλεύουμε είναι να διασφαλίσουμε ότι η ΤΝ μπορεί να συνθέσει
04:56
hundreds of hours of personalized music
79
296442
2302
εκατοντάδες ώρες προσωποποιημένης μουσικής
04:58
for those use cases where human creativity doesn't scale.
80
298768
3866
για περιπτώσεις χρήσης όπου η ανθρώπινη δημιουργικότητα δεν κλιμακώνεται.
05:03
And we don't just want to do that for games.
81
303363
2206
Αυτό δεν το θέλουμε μόνο στα παιχνίδια.
05:06
Beethoven actually wrote a piece for his beloved, called "Für Elise,"
82
306657
4428
Ο Μπετόβεν έγραψε για την αγαπημένη του το κομμάτι «Για την Ελίζ»,
05:11
and imagine if we could bring back Beethoven to life.
83
311109
3651
και φανταστείτε αν μπορούσαμε να φέρουμε τον Μπετόβεν πίσω στη ζωή.
05:14
And if he was sitting next to you, composing a music for your personality
84
314784
5230
Αν καθόταν δίπλα σας και συνέθετε μουσική για την προσωπικότητά σας
05:20
and your life story.
85
320038
1333
και την ιστορία της ζωής σας.
05:22
Or imagine if someone like Martin Luther King, for example,
86
322632
2779
Ή φανταστείτε κάποιον όπως ο Μάρτιν Λούθερ Κινγκ,
05:25
had a personalized AI composer.
87
325435
2039
να είχε έναν προσωπικό συνθέτη ΤΝ.
05:27
Maybe then we would remember
88
327498
1373
Ίσως τότε θα θυμόμασταν
05:28
"I Have a Dream" not only as a great speech,
89
328895
2056
το «Είχα ένα όνειρο» όχι μόνο ως ομιλία,
05:30
but also as a great piece of music, part of our history,
90
330975
2626
αλλά και ως σπουδαία μουσική, μέρος της ιστορίας μας,
05:33
and capturing Dr. King's ideals.
91
333625
2133
που καταγράφει τα ιδεώδη του Δρ. Κινγκ.
05:36
And this is our vision at AIVA:
92
336069
1889
Αυτό είναι το όραμά μας στην AIVA:
05:37
to personalize music so that each and every one of you
93
337982
2578
να προσωποποιήσουμε τη μουσική, ώστε ο καθένας από εσάς,
05:40
and every individual in the world
94
340584
1649
και καθένας στον κόσμο,
05:42
can have access to a personalized live soundtrack,
95
342257
3074
να μπορεί να έχει πρόσβαση σε ένα προσωποποιημένο μουσικό θέμα,
05:45
based on their story and their personality.
96
345355
2505
με βάση την ιστορία του και την προσωπικότητά του.
05:49
So this moment here together at TED is now part of our life story.
97
349915
4079
Αυτή η στιγμή που είμαστε μαζί εδώ στο TED είναι μέρος της ιστορίας της ζωής μας.
05:54
So it only felt fitting that AIVA would compose music for this moment.
98
354018
4169
Οπότε έμοιαζε πολύ ταιριαστό να συνθέσει η AIVA μουσική για αυτή τη στιγμή.
05:58
And that's exactly what we did.
99
358674
2444
Κάναμε αυτό ακριβώς.
06:01
So my team and I worked on biasing AIVA on the style of the TED jingle,
100
361436
5022
Με την ομάδα μου επηρεάσαμε την AIVA στο στυλ του μουσικού σήματος του TED,
06:06
and on music that makes us feel a sense of awe and wonder.
101
366482
3444
και με μουσική που μας κάνει να αισθανόμαστε θαυμασμό και έκπληξη.
06:09
And the result is called "The Age of Amazement."
102
369950
3913
Το αποτέλεσμα ονομάζεται «Η Εποχή της Έκπληξης».
06:13
Didn't take an AI to figure that one out.
103
373887
2396
Δεν χρειάστηκε ΤΝ για να το βρούμε.
06:16
(Laughter)
104
376307
1150
(Γέλια)
06:18
And I couldn't be more proud to show it to you,
105
378152
2402
Είμαι πολύ περήφανος που σας το παρουσιάζω,
06:20
so if you can, close your eyes and enjoy the music.
106
380578
2428
οπότε κλείστε τα μάτια σας και απολαύστε τη μουσική.
06:23
Thank you very much.
107
383030
1333
Σας ευχαριστώ πολύ.
06:25
(Music)
108
385537
4195
(Μουσική)
06:35
[The Age of Amazement Composed by AIVA]
109
395176
2667
[Η Εποχή της Έκπληξης μια Σύνθεση της AIVA]
08:19
(Music ends)
110
499649
1151
(Η μουσική σταματάει)
08:20
This was for all of you.
111
500824
1373
Αυτό ήταν για όλους εσάς.
08:22
Thank you.
112
502221
1166
Σας ευχαριστώ.
08:23
(Applause)
113
503411
4573
(Χειροκροτήματα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7