شکست هوش مصنوعی از انسان در ساخت موسیقی

رویداد۲۴ به گزارش ثریا- محققان دانشگاه یورک دریافته اند که موسیقی فعلی تولید شده توسط هوش مصنوعی نسبت به موسیقی ساخته شده توسط انسان در سطح پایین‌تری است. آن‌ها همچنین نشان داده‌اند که اشکالاتی در الگوریتم‌های مورد استفاده در تولید موسیقی هوش مصنوعی وجود دارد که می‌تواند حق چاپ را نقض کند، ولی از طرفی دستورالعمل‌هایی را برای کمک به دیگران در ارزیابی سیستم‌هایی که استفاده می‌کنند توسعه داده‌اند. در این مطالعه، برای ۵۰ شرکت‌کننده با سطح دانش بالای موسیقی، گزیده‌هایی از موسیقی را پخش کردند. برخی از آثار واقعی ساخته شده توسط انسان و برخی دیگر توسط یادگیری عمیق (DL)، نوعی شبکه عصبی مصنوعی، و الگوریتم‌های غیر DL تولید شده بودند. این مطالعه شرکت‌کنندگانی را انتخاب کرد که در تجزیه و تحلیل محتوای نت و موفقیت سبکی در موسیقی تجربه داشتند، به طوری که نتایج فقط بر بیان در موسیقی متمرکز نبود.

معیار‌های موسیقی

از شنوندگان خواسته شد تا گزیده‌ها را بر اساس شش معیار موسیقی یعنی موفقیت سبک‌شناختی، لذت زیبایی‌شناختی، تکرار یا ارجاع به خود، ملودی، هارمونی و ریتم رتبه‌بندی کنند، اما به آن‌ها هویت سازنده این موسیقی‌ها که توسط انسان یا تولید شده توسط هوش مصنوعی است داده نشد. در تجزیه، تحلیل و رتبه‌بندی گزیده‌های ساخته شده توسط انسان به طور قابل‌توجهی بالاتر و از نظر سبکی موفق‌تر از هر یک از سیستم‌های گزیده‌های تولید شده توسط کامپیوتر است. این مطالعه همچنین یافته‌هایی ارائه کرد که نگرانی‌هایی را در مورد نقض‌های اخلاقی احتمالی کپی‌برداری مستقیم با روش‌های یادگیری عمیق ایجاد کرد. یک نوع محبوب معماری DL به نام ترانسفورماتور (همان نوع معماری پشت ChatGPT OpenAI) نشان داد که هوش مصنوعی تکه‌های بزرگی از داده‌های آموزشی را در خروجی خود کپی می‌کند.

قانونی و اخلاقی

اگر هنرمند X از گزیده‌ای استفاده کند که توسط هوش مصنوعی تولید شده است، الگوریتمی که گزیده را تولید می‌کند ممکن است قطعه‌ای از یک آهنگ را در داده‌های آموزشی (ورودی) توسط هنرمند Y کپی کند. اگر هنرمند X آهنگ خود را منتشر کند ناخواسته، حق نسخه برداری هنرمند Y را نقض می‌کنند. این یک یافته نگران‌کننده است و شاید نشان دهد که سازمان‌هایی که الگوریتم‌ها را توسعه می‌دهند باید به نحوی تحت نظارت پلیس قرار بگیرند یا باید خودشان را کنترل کنند. آن‌ها می‌دانند که مشکلاتی در این الگوریتم‌ها وجود دارد، بنابراین تمرکز باید بر اصلاح آن باشد تا هوش مصنوعی تولید شود. تولید محتوا می‌تواند ادامه یابد، اما به روشی اخلاقی و قانونی. محققان در این مطالعه هفت دستورالعمل برای انجام ارزیابی مقایسه‌ای سیستم‌های یادگیری ماشینی ارائه کرده اند. این یافته‌ها می‌تواند به بهبود توسعه موسیقی تولیدشده با هوش مصنوعی، رسیدگی به مسائل اخلاقی فعلی و جلوگیری از معضلات قانونی آینده در مورد نقض حق نسخه‌برداری کمک کند.