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

167,508 views ・ 2018-10-01

TED


아래 영문자막을 더블클릭하시면 영상이 재생됩니다.

번역: Chan-Hong Park 검토: Jihyeon J. Kim
00:12
About two and a half years ago, I watched this movie called "Her."
0
12913
3428
한 2년 반 전에, 저는 "그녀"라는 영화를 보게 되었습니다.
00:16
And it features Samantha, a superintelligent form of AI
1
16365
5127
그 영화에 사만사가 등장하는데 그녀는 물리적 형태를 띠지 않는
00:21
that cannot take physical form.
2
21516
1760
뛰어난 형태의 인공지능이었죠.
00:23
And because she can't appear in photographs,
3
23858
2230
영화에서 그녀는 사진에 나타날 수 없었기 때문에
00:26
Samantha decides to write a piece of music
4
26112
2016
사만사는 자신의 인생의 한 순간을 마치 사진처럼 표현할 수 있도록
00:28
that will capture a moment of her life just like a photograph would.
5
28152
3466
음악 한 곡을 작곡하기로 합니다.
00:32
As a musician and an engineer, and someone raised in a family of artists,
6
32953
4408
음악가이자 공학자 그리고 예술가 집안에서 자라온 저로서는
00:37
I thought that this idea of musical photographs was really powerful.
7
37385
4176
음악으로 표현된 사진이라는 아이디어가 매우 인상이 깊었습니다.
00:41
And I decided to create an AI composer.
8
41955
2868
그리고 저는 인공지능 작곡가를 만들기로 하였습니다.
00:44
Her name is AIVA, and she's an artificial intelligence
9
44847
3488
그녀의 이름은 AIVA이고, 여태까지 가장 위대했던
00:48
that has learned the art of music composition
10
48359
2393
3만 개의 명곡들을 들으면서 음악 작곡의 예술을 배운
00:50
by reading over 30,000 scores of history's greatest.
11
50776
2785
인공지능입니다.
00:54
So here's what one score looks like to the algorithm
12
54165
2456
그래서 이것은 매트릭스 형태로 나타낸
00:56
in a matrix-like representation.
13
56645
2202
알고리즘 관점에서 보이는 하나의 곡입니다.
00:58
And here's what 30,000 scores,
14
58871
2246
여기 3만 개의 악보가 있는데
모짜르트와 베토벤 풍의 곡들이 단일 프레임에 있는 것처럼 보이죠.
01:01
written by the likes of Mozart and Beethoven,
15
61141
2096
01:03
look like in a single frame.
16
63261
2031
01:07
So, using deep neural networks, AIVA looks for patterns in the scores.
17
67609
4340
AIVA는 심층신경망을 이용하여 곡들에서의 패턴들을 분석합니다.
01:12
And from a couple of bars of existing music,
18
72260
3563
그리고 현존하는 곡들에서 몇개의 바를 원천으로 하여
01:15
it actually tries to infer what notes should come next in those tracks.
19
75847
3708
트랙 뒤에 어떠한 음들이 나오는 것이 적절할지를 추론합니다.
01:19
And once AIVA gets good at those predictions,
20
79887
2498
그리고 AIVA가 그러한 추론능력에 뛰어나게 되면
01:22
it can actually build a set of mathematical rules
21
82409
3613
특정 음악의 스타일에 따라서 수학적인 규칙들,
01:26
for that style of music
22
86046
1166
수학적인 규칙들의 집합을 구성하어 자신 고유의 곡들을 만들어냅니다.
01:27
in order to create its own original compositions.
23
87236
2788
01:30
And in a way, this is kind of how we, humans, compose music, too.
24
90490
3709
그런데 이러한 방법은 실제 우리 인간도 사용하는 방법이죠.
01:34
It's a trial-and-error process,
25
94561
1492
시행착오의 과정인 거죠.
01:36
during which we may not get the right notes all the time.
26
96077
3008
과정 속에서 우리는 모두 옳은 음만 낼 수는 없습니다.
01:39
But we can correct ourselves,
27
99109
1389
하지만 우리는 수정할 수 있습니다.
01:40
either with our musical ear or our musical knowledge.
28
100522
3293
음악적 귀를 통해서, 또는 음악적 지식을 통해서요.
01:45
But for AIVA, this process is taken from years and years of learning,
29
105495
4143
하지만 AIVA에게는 이러한 다년의 학습의 과정을
01:49
decades of learning as an artist, as a musician and a composer,
30
109662
3262
예술가로서, 음악가이자 작곡가로서의 세월을
01:52
down to a couple of hours.
31
112948
1733
단 몇시간으로 줄일 수 있습니다.
01:55
But music is also a supersubjective art.
32
115030
2880
하지만 음악은 매우 주관적인 예술이죠.
01:57
And we needed to teach AIVA
33
117934
1564
그래서 저희는 AIVA에게
01:59
how to compose the right music for the right person,
34
119522
2445
어떻게 하면 특정 사람에게 맞는 곡을 작곡할지 가르쳐줘야 했습니다.
02:01
because people have different preferences.
35
121991
2141
왜냐하면 사람들을 각자 선호하는 것이 다르기 때문이지요.
02:04
And to do that, we show to the algorithm over 30 different category labels
36
124156
4190
그것을 실현하기 위하여 저희는 알고리즘에서
데이터베이스의 모든 곡들에 30개가 넘는 카테고리 라벨을 정하였습니다.
02:08
for each score in our database.
37
128370
1945
02:10
So those category labels are like mood
38
130339
2516
이러한 라벨들을 사람의 기분이나,
02:12
or note density or composer style of a piece
39
132879
2920
음 밀도, 또는 작곡가의 성향
02:15
or the epoch during which it was written.
40
135823
2524
아니면 작곡 시기가 될 수 있는 거죠.
02:18
And by seeing all this data,
41
138371
1935
이러한 모든 데이터를 보고
02:20
AIVA can actually respond to very precise requirements.
42
140330
3056
AIVA는 매우 자세한 요구사항에 대응할 수 있습니다.
02:23
Like the ones, for example, we had for a project recently,
43
143966
3103
최근 저희가 했던 프로젝트에서도 이러한 특징을 볼 수 있었는데
02:27
where we were commissioned to create a piece
44
147093
3035
SF영화 느낌의 OST곡을 만드는 과제를 받았죠.
02:30
that would be reminiscent of a science-fiction film soundtrack.
45
150152
3027
02:33
And the piece that was created is called "Among the Stars"
46
153839
4500
만들어진 그 작품은 "별들 곁에서"라고 불립니다.
02:38
and it was recorded with CMG Orchestra in Hollywood,
47
158363
3317
그 곡은 할리우드의 CMG 오케스트라와 함께 녹음되었죠.
02:41
under great conductor John Beal,
48
161704
1714
훌륭한 지휘자 존 빌 아래에서 말이죠.
02:43
and this is what they recorded, made by AIVA.
49
163442
3067
이것이 AIVA가 만든 곡입니다.
02:47
(Music)
50
167657
7000
(음악)
03:30
(Music ends)
51
210196
2190
(음악 끝)
03:34
What do you think?
52
214719
1207
어떻게 생각하십니까?
03:35
(Applause)
53
215950
4380
(박수)
03:40
Thank you.
54
220354
1150
감사합니다.
03:42
So, as you've seen, AI can create beautiful pieces of music,
55
222001
4055
보시다시피 인공지능은 아름다운 곡을 만들 수 있고
03:46
and the best part of it
56
226080
1803
여기서 가장 좋은 점은
03:47
is that humans can actually bring them to life.
57
227907
2581
인간이 이 음악을 실제로 연주할 수 있다는 거죠.
03:51
And it's not the first time in history
58
231506
1838
이것은 기술이 인간의 창의성을 증진시킨 첫 번째 경우가 아닙니다.
03:53
that technology has augmented human creativity.
59
233368
3344
03:56
Live music was almost always used in silent films
60
236736
3072
실황 음악은 무성 영화에서
03:59
to augment the experience.
61
239832
1666
경험을 확대시키려고 사용됐습니다.
04:01
But the problem with live music is that it didn't scale.
62
241522
3182
하지만 실황 음악은 규모 조정이 어렵습니다.
04:04
It's really hard to cram a full symphony into a small theater,
63
244728
3429
교향악단을 작은 극장에 넣는 것이란 어려운 일이죠.
04:08
and it's really hard to do that for every theater in the world.
64
248181
2991
전 세계의 모든 극장에서 그렇게 하는 것도 매우 어렵죠.
04:11
So when music recording was actually invented,
65
251196
2849
그래서 음악 녹음이 실제로 발명되었을 때,
04:14
it allowed content creators, like film creators,
66
254069
2349
그것은 영화와 같은 콘텐츠 제작자들이
04:16
to have prerecorded and original music
67
256442
2786
자신들의 스토리의 각각의 프레임에
04:19
tailored to each and every frame of their stories.
68
259252
2873
미리 녹음된 고유의 음악이 나올 수 있게끔 해주었습니다.
04:22
And that was really an enhancer of creativity.
69
262149
2626
그것이 실제로 창의성을 향상시켰죠.
04:26
Two and a half years ago, when I watched this movie "Her,"
70
266617
3286
2년 반 전, 제가 "그녀"라는 영화를 보았을 때,
04:29
I thought to myself that personalized music
71
269927
2907
저는 맞춤형 음악이 앞으로의 음악 소비와 창작에서
04:32
would be the next single biggest change in how we consume and create music.
72
272858
4417
가장 큰 변화가 될 것이라고 생각했습니다.
04:38
Because nowadays, we have interactive content, like video games,
73
278187
4222
왜냐하면 요즘은, 몇 백 시간의 상호작용의 내용으로 구성된
04:42
that have hundreds of hours of interactive game plays,
74
282433
3015
비디오게임과 같은 콘텐츠는 존재하는데 반면에
04:45
but only two hours of music, on average.
75
285472
2113
상호작용이 일어나는 음악은 2시간 정도만 존재하기 때문입니다.
04:47
And it means that the music loops and loops and loops
76
287609
2492
그것은 그렇다면 그 음악을 계속 돌려서 반복해서 듣는데
04:50
over and over again, and it's not very immersive.
77
290125
2332
잘 몰입되지 않죠.
04:52
So what we're working on is to make sure that AI can compose
78
292467
3951
그래서 저희는 인공지능이 수백 시간의 맞춤형 음악을
04:56
hundreds of hours of personalized music
79
296442
2302
만들 수 있게 하고 있습니다.
04:58
for those use cases where human creativity doesn't scale.
80
298768
3866
인간의 창의성이 측정되지 않는 케이스들을 위해서 말입니다.
05:03
And we don't just want to do that for games.
81
303363
2206
저희는 게임용으로만 하지 않습니다.
05:06
Beethoven actually wrote a piece for his beloved, called "Für Elise,"
82
306657
4428
베토벤은 실제로 사랑하는 사람을 위해 "엘리제를 위하여"라는 곡을 썼죠
05:11
and imagine if we could bring back Beethoven to life.
83
311109
3651
우리가 베토벤을 부활시켜
05:14
And if he was sitting next to you, composing a music for your personality
84
314784
5230
여러분 옆자리에 앉아 여러분의 개성과
05:20
and your life story.
85
320038
1333
삶을 곡으로 표현한다면 어떨까하고 말입니다.
05:22
Or imagine if someone like Martin Luther King, for example,
86
322632
2779
혹은 예를 들어 마틴 루터 킹 목사 같은 분이
05:25
had a personalized AI composer.
87
325435
2039
맞춤형 인공지능 작곡가가 있다면 어떨까요.
05:27
Maybe then we would remember
88
327498
1373
그렇다면 우리는
05:28
"I Have a Dream" not only as a great speech,
89
328895
2056
그가 했던 "나의 꿈"을 위대한 연설로서뿐 아니라
05:30
but also as a great piece of music, part of our history,
90
330975
2626
위대한 음악으로서 역사를 장식할 수 있을 겁니다.
05:33
and capturing Dr. King's ideals.
91
333625
2133
킹 목사의 이상을 표현하면서요.
05:36
And this is our vision at AIVA:
92
336069
1889
이것은 VIVA에 담은 우리의 미래의 바람입니다.
05:37
to personalize music so that each and every one of you
93
337982
2578
음악을 맞춤화해서 한사람 한사람
05:40
and every individual in the world
94
340584
1649
세상의 모두가
05:42
can have access to a personalized live soundtrack,
95
342257
3074
자기만의 음악을 가질 수 있도록 만드는 꿈입니다.
05:45
based on their story and their personality.
96
345355
2505
자기 이야기와 개성에 기반한 음악이죠.
05:49
So this moment here together at TED is now part of our life story.
97
349915
4079
TED에 함께한 이 순간이 우리 삶의 이야기겠죠.
05:54
So it only felt fitting that AIVA would compose music for this moment.
98
354018
4169
AIVA가 이 순간을 위해 작곡을 하는 것이 썩 괜찮겠죠.
05:58
And that's exactly what we did.
99
358674
2444
그래서 그렇게 했습니다.
06:01
So my team and I worked on biasing AIVA on the style of the TED jingle,
100
361436
5022
저희 팀은 AIVA가
TED 소리 스타일과 경이와 놀라움의 느낌이 나도록 만들게 했습니다.
06:06
and on music that makes us feel a sense of awe and wonder.
101
366482
3444
06:09
And the result is called "The Age of Amazement."
102
369950
3913
이 결과물의 제목은 "경이의 시대"라고 붙였습니다.
06:13
Didn't take an AI to figure that one out.
103
373887
2396
그건 인공지능 없이도 만들 수 있었어요.
06:16
(Laughter)
104
376307
1150
(웃음)
06:18
And I couldn't be more proud to show it to you,
105
378152
2402
여러분께 보여드리게 되어 너무나 자랑스럽습니다.
06:20
so if you can, close your eyes and enjoy the music.
106
380578
2428
그러니 눈을 감고 음악을 감상해주세요.
06:23
Thank you very much.
107
383030
1333
감사합니다.
06:25
(Music)
108
385537
4195
(음악)
06:35
[The Age of Amazement Composed by AIVA]
109
395176
2667
[경이의 시대, AIVA 작곡]
08:19
(Music ends)
110
499649
1151
(음악 끝)
08:20
This was for all of you.
111
500824
1373
준비한 음악은 여기까지 입니다.
08:22
Thank you.
112
502221
1166
감사합니다.
08:23
(Applause)
113
503411
4573
(박수)
이 웹사이트 정보

이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.

https://forms.gle/WvT1wiN1qDtmnspy7