AI音乐学院 中央音乐学院首招音乐人工智能博士！研究 AI + 音乐，他们是认真的

AI科技评论:作为全国最高的音乐学习机构之一，中央音乐学院今天发布了音乐人工智能博士招生通知。专业全称是“音乐人工智能与音乐信息技术”，最早由中央音乐学院开设。导师阵容包括清华和北大的人工智能教授。与中央音乐学院院长共同组成双导师培养体系(音乐导师+技术导师)，重点培养“音乐与理工科交叉融合的复合型拔尖创新人才”。

根据官网数据，“音乐人工智能与音乐信息技术”专业学制共三年，报考人员要求是计算机、智能、电子信息类考生。

在推荐阅读书目方面，除了一本与乐理相关的《乐理基础》，其他四本推荐书目都与人工智能理论相关，分别是《数据结构与算法》、《信号与系统导论》、《人工智能:一种现代方法》和《神经网络与机器学习》

目前，该专业已确定的三名联合培训讲师是:

俞峰

中央音乐学院院长，教授，博士生导师，“万人计划”带头人，“四批”人才。中国指挥学会会长、全国艺术专业学位研究生教学委员会副主任、中国文联第十届全国委员会委员，享受国务院政府特殊津贴。

孙茂松

清华大学教授，博士生导师，清华大学人工智能研究所常务副院长，原计算机系系主任、党委书记，教育部教学信息化与教学方法创新指导委员会副主席，中国科协第九届全国委员会委员。他的主要研究领域是自然语言处理、人工智能、机器学习和计算教育学。国家973计划项目首席科学家、国家社会科学基金重大项目首席专家。2017年，他领导开发了“九歌”人工智能古诗词写作系统。

吴玺宏

北京大学教授，博士生导师，教育部新世纪优秀人才。Eecs副总裁、智能科学部主任、语音听觉研究中心主任，致力于机器听觉计算理论、语音信息处理、自然语言理解、音乐智能等领域的研究。主持国家、省部级项目40余项，获得国家授权发明专利10余项，发表学术论文200余篇。他在智能音乐创作和编曲领域取得了巨大成就。

有兴趣报名该专业的考生须于2019年3月1日至15日完成网上报名(网址:http://yz.chsi.com.cn/)，考试将于今年5月在中央音乐学院举行。

详情请点击:

http://www . ccom . edu . cn/xwhd/xsjd/2019s/201903/t 20190301 _ 53856 . html

了解一下。

专业创业早就有预兆了？

如果一直关注中央音乐学院的动态，就不会对这个专业的开设感到惊讶。

早在去年5月，中央音乐学院就与以创新性跨学科研究著称的印第安纳大学信息计算与工程学院签订合同，共建“信息学爱乐乐团”实验室，即所谓的“信息爱乐乐团”，是指印第安纳大学音乐信息学实验室主任教授克里斯托弗·拉斐尔(Christopher Raphael)发明的音乐人工智能伴奏系统。

这个系统最大的特点就是会运用数学方法对音乐本身和音乐人的感受进行综合解读和计算。通过不断的主动学习，会形成更贴近音乐人个性化演奏需求的管弦乐伴奏和协奏曲模板，为音乐人提供更加灵活的演奏机会。

签约后，经过半年多的紧张筹备，双方于去年11月26日联合举办了国内首个人工智能伴奏的专场演唱会——“AI之夜演唱会”。来自中央音乐学院不同专业的12位优秀独奏家，与“信息爱乐”一起演绎了12首不同流派、不同风格的中外作品。

值得一提的是，音乐会中加入了人工智能来表演中国音乐《长城随想曲》，这是音乐人工智能技术首次与中国民乐发生碰撞。

图片来自中央音乐学院官网

中央音乐学院院长俞峰教授在音乐会上的讲话中说:“这是一场意义深远的音乐会，中国整个音乐产业将进入一个“人工智能”的时代，这将极大地提升整个音乐产业尤其是音乐教育产业的信息化水平。人工智能技术与音乐艺术专业的结合，将实现整个行业的跨越式发展，必将成为音乐产业产业化的典范。」

“AI之夜演唱会”演唱会完整表演视频:

http://video.ccom.edu.cn/index.php?期权=weixin，dianbodetail & ampid=3514

国内研究热情日益高涨

除了中央音乐学院，还有星海音乐学院和中央民族大学在人工智能+音乐方面努力做出成绩。

去年5月16日，由星海音乐学院管弦乐系和美国印第安纳大学信息计算与工程学院音乐信息学实验室联合成立的“音乐人工智能辅助管弦乐教学联合实验室”正式启动。双方将合作将“音乐人工智能辅助管弦乐教学”系统引入日常教学。

据了解，该系统允许学生在日常专业实践中随时听到专业管弦乐队的完整音乐伴奏，同时将他们与管弦乐队的合成演奏音频转换成高度结构化、可视化、可检索和可比较的音乐数据。带到教室和专业老师讨论；对于专业教师来说，系统可以纵向和横向比较学生的专业学习情况，获得关于学生的第一手信息，从而改进教学内容和方法。

图片来自“星海音乐学院”微信微信官方账号

去年12月7日，由中央民族大学与平安科技联合举办的“人工智能音乐联合实验室”签约揭牌仪式在中央民族大学之星堂举行。此次合作的目的是充分发挥各自优势，通过联合研发，实现人工智能音乐创作从欣赏阶段到专业阶段再到专家阶段的愿景。

中央民族大学党委常委、副校长宋敏在揭牌仪式上表示，人工智能已经纳入国家计划，进入逐步实施阶段，正在不断与各领域结合，无疑将引领未来各行各业的发展。她希望双方通过实验室平台充分发挥各自优势，提高民族大学的学科建设水平和音乐创作水平，推动北京“四个中心”，特别是文化中心的建设，积极帮助中国优秀音乐文化的涌现。

图片来自中央民族大学官网

此外，由复旦大学和清华大学共同创办的csmt(声音与音乐技术会议)，现在是第六届中国声音与音乐技术会议。2013年以来，不断向中国输出声音与音乐技术交叉领域的学术观点，丰富了中国人工智能+音乐领域的研究成果。

以2018年大会为例，论文题目包括:

音乐声学

乐器声学/声音声学/心理声学和电声之间的音乐声学/空

声音与音乐的信号处理

工业、农业、畜牧业、水产养殖、地理、环境等领域的声音信号处理/音乐信号处理

计算机听觉

内容分析、声音与音乐的理解与建模/音频与音乐信息检索/声音与音乐分类、标注、情感计算、推荐等。/人工智能在娱乐、教育、海洋、医药、装备、军事、信息安全等领域的声音和音乐计算中的应用

音频信息安全

鲁棒的音频水印/音频认证/音频取证

计算机音乐与录音

计算机辅助音乐创作/计算机辅助音乐教学系统/计算机音乐制作技术/计算机音乐软件开发/音频与多声道音响系统/音响设备及相关多媒体技术/音效与音响设计/音频人机交互

·听觉心理学 ·听觉与视觉相结合的多媒体应用

值得一提的是，去年的CSMT会议专门开了两个专场:一个是用来讨论一般Audio的计算机听觉，试图拓展Audio+AI人工智能而不是Music在各行各业的应用，比如船舶识别。、设备诊断、AI医疗、语音声学、音频监控、动物识别、农业保护、工业自动化等。；另一个是讨论中国民族音乐与计算机科学技术的交叉融合，可见国内会议的前瞻性。

目前流行的AI+音乐算法

对于目前音乐人工智能算法的研究，中国音乐学院音乐系傅晓东教授在《艺术探索》2018年发表的《音乐人工智能的伦理思考——算法构成的自律与他律》一文中，按照“自律”与“他律”进行了划分。

其中，“自律”是指机器严格或非严格遵循预先指定的内部结构原理，生成与音频素材相对应的音乐作品，最终的音频呈现受到内部结构原理自律的限制；“他律”是指机器严格或非严格遵循根据人类经验规定的外部结构原理，映射成声音产生作品，最终的声音呈现受到外部结构原理的他律限制。

最终梳理结果如下:

「自律」类音乐人工智能算法

用数学算法和随机事件组成的数学模型作曲。算法相当于作曲规则，随机事件相当于音乐元素——音乐中的各种元素可以分解为一系列随机事件，比如声音的四个属性，音乐的三个元素等。作曲家(程序员)给他们不同的权重，用特定的随机算法计算处理，得到声音序列，结果是不确定的。常用的随机算法有马尔科夫链和高斯分布。目前，基于数学模型的音乐人工智能作品在伴奏速度、乐句强弱、终止的拉伸节奏等方面都有相当的“智能”感，但作品整体可听性仍存在明显不足。

进化算法源于达尔文揭示的生物进化理论，模拟物种进化的过程来构造音乐作品。将随机或人为的音频事件收集到一个种群中，通过种子选择、遗传和变异的迭代算法选择种群中已有的个体进行优胜劣汰，并通过自适应函数组成的审核程序对结果进行修正，以保证其美学意义的质量。最常见的进化计算方法是遗传算法和遗传编程。进化算法试图将物种进化的过程与音乐生成的过程进行匹配的逻辑并不完善，所以对作品的审美认可度不高，现在常用于和声配置和伴奏任务。

音乐的作曲规则可以和人类语言的语法规则相比较。人类语言是由单词、短语和句子按照一定的语法规则组成的。音乐中的动机、节日和短语也有相似的结构特征。首先创建一个特定音乐作品的语法规则，结合和声、节奏、音高等各种音乐素材，最终生成一个音乐作品。诚然，音乐和语言在某种程度上是同构的，但相比之下，音乐规则表现出更大的灵活性和可变性。由固定的语法规则和一些可变规则的语言算法产生的音乐作品有些僵硬和不灵活。

「他律」类音乐人工智能算法

将非音乐媒体信号源中的信息映射迁移为音乐音频信息。最常见的方式是转换视觉信息，比如把线条转换成旋律，把颜色转换成和声，把色度转换成强度。把运动物体的空之间的位移转换成旋律，速度转换成节拍节奏等。也可用于传递非视觉信息，如通过自动情感分析系统将文学作品中的正面/负面描述传递到初级/小调和弦。人类的感官其实在一定程度上确实有联觉效应，比如空之间的线条与旋律走向的对应关系，但如果严格映射的话，并没有心理学的有力证据。因此，利用迁移模型算法生成的音乐作品经常出现在互动新媒体艺术表演中，以现场事件的关联性和互动性作为审美趣味。而音乐作品一旦脱离其映射对象单独呈现，这类作品的可听性就会大大降低。

基于某一音乐风格的知识库，提取并编码该音乐风格的审美特征，即归纳推理；用编码程序作为算法创造出风格类似的新作，即演绎推理。比如基于对位法原理的巴洛克音乐风格编码、基于和声系统的古典浪漫音乐风格编码、和声功能减弱的印象派音乐风格编码以及相应风格作品的生成都属于知识推理系统算法。该算法在一定程度上接近于音乐学院作曲技术理论的学习过程，生成的音乐作品与它们所基于的特定风格知识库非常相似，具有较高的可听度。其缺点在于归纳和演绎相对分离，即风格编码必须由操作者提供，程序本身只是编码的执行操作，因此工作的结果会受到操作者对创作规则抽象理解的严重影响，会存在僵化和雷同的缺陷。

操作者向计算机输入大量的音乐声音，计算机有效地“听”和“学”，即运用统计的方法学习音乐创作的规律。过程类似于知识推理系统，只是操作人员没有严格指定音乐类型，也没有为节目提供风格代码。这个过程由算法程序自动完成，强调其自主性和无监督学习。当然，本质上机器学习的“无监督”只能在一定的程度和范围内，仍然受到操作者提供的知识素材库的限制。机器学习与数学优化、数据挖掘等计算科学的研究成果有关，也与认知科学、神经网络的研究成果密切相关。其中最引人注目的方法是决策树、人工神经网络和深度学习，这是目前为止对生物学习过程模仿程度最高的算法。机器学习仍然属于仿生学，但它超越了结构和力学的仿生学，是人脑思维过程的仿生学。机器学习不仅可以用于一般意义上的音乐创作，还可以用于即兴创作和比赛。虽然可以生成各种指定风格或混合风格的音乐作品，但还是要看运营商提供的音乐数据类型，是随机事件概率统计得到的有规律的声音预测。

根据傅教授的分类标准，我们将能够有效地对大多数流行的人工智能+音乐研究工作进行分类。

值得一提的是，在中国科学技术大学、微软人工智能研究所和苏州大学的合作下，讲述歌曲生成的端到端旋律和编曲生成框架的《小冰乐队:流行音乐旋律和编曲生成框架》一文获得了KDD 2018年度最佳学生论文。雷锋的《人工智能科技评论》对此做了相应的解读，感兴趣的读者可以点击https://www.leiphone.com/news/201808/NkobLRDHxZsyadg5.html进行评论。

总的来说，未来人工智能将在音乐领域发挥更重要的作用。它可以帮助人们分析和创作作品，分享大量重复的工作，进一步激发创造力，探索音乐形式和内容上的各种可行性。希望这种跨学科、一体化的合作，能够总结和完善各种音乐创作逻辑，在感知和情感上有所突破，让人工智能在音乐的诸多领域创造创新，对教学和社会服务产生影响。

点看原文看到AI也有音乐细胞，流行音乐和古典音乐都打不过