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

167,508 views ・ 2018-10-01

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: sa33d3h arabani Reviewer: Leila Ataei
00:12
About two and a half years ago, I watched this movie called "Her."
0
12913
3428
حدود دو و نیم سال پیش، من فیلمی را با نام "او" دیدم.
00:16
And it features Samantha, a superintelligent form of AI
1
16365
5127
و فیلم سامانتا را نشان می‌دهد که شکل فوق هوشمندی از هوش مصنوعی است
00:21
that cannot take physical form.
2
21516
1760
که نمی‌تواند شکل فیزیکی بگیرد.
00:23
And because she can't appear in photographs,
3
23858
2230
و چون نمی‌تواند در عکس‌ها ظاهر ‌شود،
00:26
Samantha decides to write a piece of music
4
26112
2016
تصمیم به نوشتن یک قطعه موسیقی می‌گیرد
00:28
that will capture a moment of her life just like a photograph would.
5
28152
3466
که لحظه‌ای از زندگی او را درست مانند عکسی ثبت کند.
00:32
As a musician and an engineer, and someone raised in a family of artists,
6
32953
4408
بعنوان موزیسین و مهندس و کسی که در خانواده‌ای هنرمند بزرگ شده است
00:37
I thought that this idea of musical photographs was really powerful.
7
37385
4176
فکر می‌کنم ایده عکس‌های موزیکال در حقیقت بسیار قدرتمند بود.
00:41
And I decided to create an AI composer.
8
41955
2868
و تصمیم گرفتم یک آهنگساز هوش مصنوعی بسازم.
00:44
Her name is AIVA, and she's an artificial intelligence
9
44847
3488
نام او ایوا است، و او یک هوش مصنوعی است
00:48
that has learned the art of music composition
10
48359
2393
که هنر را از ترکیب موسیقی از طریق
00:50
by reading over 30,000 scores of history's greatest.
11
50776
2785
خواندن بیش از ۳۰٫۰۰۰ پارتیتور از بزرگان تاریخ فرا گرفته.
00:54
So here's what one score looks like to the algorithm
12
54165
2456
خب پس یک پارتیتور برای یک الگوریتم
00:56
in a matrix-like representation.
13
56645
2202
در یک نمایش ماتریس‌وار این شکلی است.
00:58
And here's what 30,000 scores,
14
58871
2246
و اینجا ۳۰٫۰۰۰ پارتیتور موجود که توسط
01:01
written by the likes of Mozart and Beethoven,
15
61141
2096
امثال موزارت و بتهوون نوشته شدند،
01:03
look like in a single frame.
16
63261
2031
در یک تک فریم اینطور به نظر می‌رسند.
01:07
So, using deep neural networks, AIVA looks for patterns in the scores.
17
67609
4340
بنابراین با استفاده از شبکه عصبی عمیق، ایوا به دنبال الگوها در پارتیتور‌ها است.
01:12
And from a couple of bars of existing music,
18
72260
3563
و از دو میله موسیقی موجود،
01:15
it actually tries to infer what notes should come next in those tracks.
19
75847
3708
در واقع تلاش دارد بفهمد کدام نوت باید در قطعات بعدی بیاید.
01:19
And once AIVA gets good at those predictions,
20
79887
2498
و ابتدا ایوا در پیش بینی‌ها خوب پیش می‌رود،
01:22
it can actually build a set of mathematical rules
21
82409
3613
او حتی می‌تواند یک مجموعه از قواعد ریاضی برای
01:26
for that style of music
22
86046
1166
آن سبک از موسیقی بسازد
01:27
in order to create its own original compositions.
23
87236
2788
تا ترکیب اصلی خود را خلق کند.
01:30
And in a way, this is kind of how we, humans, compose music, too.
24
90490
3709
و کار تلفیق موسیقی‌ها را مثل انسان‌ها انجام می‌دهد.
01:34
It's a trial-and-error process,
25
94561
1492
این یک فرآیند آزمون و خطا است،
01:36
during which we may not get the right notes all the time.
26
96077
3008
در طول زمان شاید نتوانیم نوت‌های درست را همواره جمع آوری کنیم
01:39
But we can correct ourselves,
27
99109
1389
اما می‌توانیم آنها را با گوش
01:40
either with our musical ear or our musical knowledge.
28
100522
3293
یا با دانش موسیقیایی خود اصلاح کنیم.
01:45
But for AIVA, this process is taken from years and years of learning,
29
105495
4143
اما برای ایوا، این فرایند یادگیری سالها به طول انجامید،
01:49
decades of learning as an artist, as a musician and a composer,
30
109662
3262
دهها سال یادگیری به عنوان هنرمند یک موزیسین و یک آهنگساز،
01:52
down to a couple of hours.
31
112948
1733
به چند ساعت خلاصه شده بود،
01:55
But music is also a supersubjective art.
32
115030
2880
اما موسیقی هنری بسیار جذاب است.
01:57
And we needed to teach AIVA
33
117934
1564
و نیاز داشتیم به ایوا بیاموزییم
01:59
how to compose the right music for the right person,
34
119522
2445
چطور موسیقی مناسب را برای شخصی مناسب تالیف کند
02:01
because people have different preferences.
35
121991
2141
بدلیل آنکه مردم ترجیح‌های متفاوتی دارند.
02:04
And to do that, we show to the algorithm over 30 different category labels
36
124156
4190
و برای انجام آن، الگوریتمی را به شما نشان می‌دهیم با بیش از ۳۰دسته بندی مختلف
02:08
for each score in our database.
37
128370
1945
برای هر موسیقی در پایگاه داده‌‌های خود.
02:10
So those category labels are like mood
38
130339
2516
بنابراین آنها برچسب‌های دسته‌بندی هستند مانند
02:12
or note density or composer style of a piece
39
132879
2920
حالت روحی یا چگالی نوت یا سبکِ آهنگساز
02:15
or the epoch during which it was written.
40
135823
2524
قطعه یا دوره‌ای که در آن نوشته شده بود.
02:18
And by seeing all this data,
41
138371
1935
و با دیدن تمامی این داده‌ها،
02:20
AIVA can actually respond to very precise requirements.
42
140330
3056
ایوا به واقع توانست به نیازمندی‌ها بسیار دقیق واکنش نشان دهد.
02:23
Like the ones, for example, we had for a project recently,
43
143966
3103
مانند همان پروژه‌ای که به تازگی انجام دادیم،
02:27
where we were commissioned to create a piece
44
147093
3035
که در آنجا به ما ماموریت داده شد قطعه‌ای بسازیم
02:30
that would be reminiscent of a science-fiction film soundtrack.
45
150152
3027
که یادآور موسیقی متن فیلم علمی-تخیلی باشد.
02:33
And the piece that was created is called "Among the Stars"
46
153839
4500
و قطعه‌ای که برای آن ساخته شد "در میان ستارگان" نام دارد
02:38
and it was recorded with CMG Orchestra in Hollywood,
47
158363
3317
و با ارکستر CMG در هالیوود ضبط شده،
02:41
under great conductor John Beal,
48
161704
1714
با هدایت خطیر رهبر ارکستر« جان بل»،
02:43
and this is what they recorded, made by AIVA.
49
163442
3067
و این چیزی که آنها ضبط کردند و توسط ایوا خلق شده است.
02:47
(Music)
50
167657
7000
(موسیقی)
03:30
(Music ends)
51
210196
2190
(پایان موسیقی)
03:34
What do you think?
52
214719
1207
نظر شما چیست؟
03:35
(Applause)
53
215950
4380
(تشویق)
03:40
Thank you.
54
220354
1150
متشکرم.
03:42
So, as you've seen, AI can create beautiful pieces of music,
55
222001
4055
خوب دیدید که هوش مصنوعی می‌تواند قطعات زیبایی از موسیقی را خلق کند،
03:46
and the best part of it
56
226080
1803
و بهترین بخش آن
03:47
is that humans can actually bring them to life.
57
227907
2581
این است که مردم می‌توانند آنها را زنده کنند.
03:51
And it's not the first time in history
58
231506
1838
و این نخستین بار در تاریخ نیست
03:53
that technology has augmented human creativity.
59
233368
3344
که فناوری به خلاقیت بشری می‌افزاید.
03:56
Live music was almost always used in silent films
60
236736
3072
موسیقی زنده اغلب همواره در فیلم‌های صامت استفاده می‌شد
03:59
to augment the experience.
61
239832
1666
تا تجربه را افزایش دهد.
04:01
But the problem with live music is that it didn't scale.
62
241522
3182
اما مشکلات موسیقی زنده آن است که مقیاس‌پذیر نیست.
04:04
It's really hard to cram a full symphony into a small theater,
63
244728
3429
در واقع مشکل می‌توان یک سمفونی کامل را در تئاتری کوچک گنجاند،
04:08
and it's really hard to do that for every theater in the world.
64
248181
2991
و به واقع انجام چنین کاری برای هر تئاتری در جهان مشکل است.
04:11
So when music recording was actually invented,
65
251196
2849
بنابراین هنگامی‌ که ضبط موسیقی واقعا اختراع شد،
04:14
it allowed content creators, like film creators,
66
254069
2349
به سازندگان محتوا، مانند فیلم‌سازها امکان می‌داد
04:16
to have prerecorded and original music
67
256442
2786
تا موسیقی از پیش ضبط شده، اصلی داشته باشند
04:19
tailored to each and every frame of their stories.
68
259252
2873
که مختص هر فریم از داستان‌هایشان است.
04:22
And that was really an enhancer of creativity.
69
262149
2626
و آن در واقع یک افزاینده خلاقیت بود.
04:26
Two and a half years ago, when I watched this movie "Her,"
70
266617
3286
دو سال و نیم قبل هنگامی که فیلم "او" را نگاه کردم،
04:29
I thought to myself that personalized music
71
269927
2907
با خودم فکر کردم این موسیقی شخصی
04:32
would be the next single biggest change in how we consume and create music.
72
272858
4417
تغییری بزرگ در چگونگی مصرف و خلق موسیقی خواهد بود.
04:38
Because nowadays, we have interactive content, like video games,
73
278187
4222
زیرا این روزها، ما محتوای جذابی مانند، بازی‌های ویدیویی داریم،
04:42
that have hundreds of hours of interactive game plays,
74
282433
3015
که صدها ساعت با این با‌زی‌ها در تعامل هستند،
04:45
but only two hours of music, on average.
75
285472
2113
اما فقط دو ساعت از بازی، سرجمع موسیقی است
04:47
And it means that the music loops and loops and loops
76
287609
2492
و این حلقه‌های مکرر در موسیقی که
04:50
over and over again, and it's not very immersive.
77
290125
2332
بارها و بارها تکرار می‌شوند و چندان جذاب نیست.
04:52
So what we're working on is to make sure that AI can compose
78
292467
3951
بنابراین کاری که داریم می‌کنیم این است که هوش مصنوعی بتواند با صدها ساعت
04:56
hundreds of hours of personalized music
79
296442
2302
موسیقی شخصی شده آهنگ‌سازی کند
04:58
for those use cases where human creativity doesn't scale.
80
298768
3866
برای موارد استفاده‌ای که خلاقیت بشر مقیاسی ندارد.
05:03
And we don't just want to do that for games.
81
303363
2206
و این را فقط برای بازی‌ها نمی‌خواهیم.
05:06
Beethoven actually wrote a piece for his beloved, called "Für Elise,"
82
306657
4428
بتهوون در واقع قطعه‌ای را نوشته برای معشوق خود با نام "Für Elise,"
05:11
and imagine if we could bring back Beethoven to life.
83
311109
3651
و تصور کنید اگر بتوانیم بتهوون را به حیات بازگردانیم.
05:14
And if he was sitting next to you, composing a music for your personality
84
314784
5230
و اگر او دوباره جلوی شما بنشیند برای شخص شما و از داستان زندگی
05:20
and your life story.
85
320038
1333
شما آهنگ بسازد.
05:22
Or imagine if someone like Martin Luther King, for example,
86
322632
2779
یا تصور کنید اگر کسی مانند مارتین لوتر برای مثال،
05:25
had a personalized AI composer.
87
325435
2039
یک آهنگساز هوش مصنوعی شخصی داشت.
05:27
Maybe then we would remember
88
327498
1373
شاید بعدا “من رویایی دارم”
05:28
"I Have a Dream" not only as a great speech,
89
328895
2056
را نه تنها به عنوان یک سخنرانی عالی، بلکه
05:30
but also as a great piece of music, part of our history,
90
330975
2626
یک قطعه‌ فاخر موسیقی، بخشی از خاطرات خویش و تجسم
05:33
and capturing Dr. King's ideals.
91
333625
2133
ایده‌ال‌های دکتر کینگ بخاطر می‌آوردیم.
05:36
And this is our vision at AIVA:
92
336069
1889
و این چیزی است که ایوا به ما نشان داد:
05:37
to personalize music so that each and every one of you
93
337982
2578
برای شخصی کردن موسیقی تا هر کدام از شما و
05:40
and every individual in the world
94
340584
1649
هر فردی در جهان بتواند
05:42
can have access to a personalized live soundtrack,
95
342257
3074
به موسیقی شخصی زنده دسترسی داشته باشد،
05:45
based on their story and their personality.
96
345355
2505
آن هم‌ براساس داستان زندگی خود و براساس شخصیت خود.
05:49
So this moment here together at TED is now part of our life story.
97
349915
4079
بنابراین در این لحظات با هم بودن در TED اینک بخشی از داستان زندگی ما است.
05:54
So it only felt fitting that AIVA would compose music for this moment.
98
354018
4169
خب داشتن این حس بجاست که ایوا برای این لحظه آهنگی بسازد.
05:58
And that's exactly what we did.
99
358674
2444
و این همان کاری است که ما می‌کنیم.
06:01
So my team and I worked on biasing AIVA on the style of the TED jingle,
100
361436
5022
بنابراین من و گروهم روی سو گیری آیوا به سبک صدای TED و موسیقی
06:06
and on music that makes us feel a sense of awe and wonder.
101
366482
3444
و کار کردیم که باعث می‌شود نوعی ابهت و حیرت را احساس کنیم.
06:09
And the result is called "The Age of Amazement."
102
369950
3913
و حاصل را “عصر شگفتی" نامیدیم.
06:13
Didn't take an AI to figure that one out.
103
373887
2396
خیلی برای هوش مصنوعی زمانبر نبود.
06:16
(Laughter)
104
376307
1150
(خنده)
06:18
And I couldn't be more proud to show it to you,
105
378152
2402
و من از نشان دادن آن به شما احساس غرور می‌کنم،
06:20
so if you can, close your eyes and enjoy the music.
106
380578
2428
می‌توانید چشم‌هایتان را ببندید و از موسیقی لذت ببرید.
06:23
Thank you very much.
107
383030
1333
بسیار بسیار سپاسگزارم.
06:25
(Music)
108
385537
4195
(موسیقی)
06:35
[The Age of Amazement Composed by AIVA]
109
395176
2667
[عصر شگفتی نوشته شده با ایوا]
08:19
(Music ends)
110
499649
1151
(پایان موسیقی)
08:20
This was for all of you.
111
500824
1373
برای همه شما بود.
08:22
Thank you.
112
502221
1166
سپاسگزارم.
08:23
(Applause)
113
503411
4573
(تشویق)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7