Идея делать музыку с помощью компьютера появилась с появлением самих компьютеров. Первая композиция «в цифре» была написана аж в 1957 году — это короткая зарисовка The Silver Scale, созданная инженером Bell Laboratories Ньюманом Гутманом.
| По цели высказывания |
|---|
| По интонации (по эмоциональной окраске) |
| По количеству грамматических основ |
| По количеству главных членов предложения |
| По наличию второстепенных членов |
| — |
После того как вы нажмете кнопку «Разобрать», вы получите результат синтаксического разбора предложения. Сверху результата будет указано количество символов в тексте и количество слов.
Каждая часть речи подсвечивается отдельным цветом, если вы хотите отображать только определенные части речи в предложении, выберите в панели инструментов нужную вам часть.
Какой вариант разбора выбрать?
Омонимы — это слова одинаковые по написанию, но разные по значению, такие слова могут попасться в предложении и программа не может определить какой смысл несет слово. Здесь нужно выбрать подходящей разбор слова в предложение, смотрите по контексту.
Для этого вам помогут морфологические признаки слова, чтобы их увидеть наведите на слово и в раскрывающемся меню выберите «Все характеристики».
Такой подход может оказаться спорным, но главное, на что стоит обратить внимание: жизнь объекта творчества зарождается в момент его восприятия. С этой точки зрения произведение, созданное ИИ, является творчеством.
Изобразительное искусство
Машина испытала себя в роли живописца, еще когда искусственный интеллект, каким мы его знаем сегодня, существовал разве что в теории.
В 1973 году программист и художник Гарольд Коэн, профессор Калифорнийского университета в Сан-Диего, приступил к работе над проектом AARON — роботом, пишущим картины. Коэн начал с того, что внес в программу набор инструкций, основанных на действиях человека, изображающего те или иные объекты. Машина работала с красками и холстом, а затем и в цифровом формате. В 80-х AARON научился визуализировать предметы в 3D, а в 90-х — использовать разные цвета и оттенки. Его произведения стали покупать коллекционеры. Мастерство робота росло с каждым годом, и, по словам Коэна, AARON даже превзошел творца в работе с цветом.
Но хотя машине по силам создавать изображения без помощи человека и каких-либо заготовок, плоды ее творчества выглядят очень схематично. К тому же AARON умеет изображать лишь объекты нескольких типов либо совсем абстрактную мазню. Такие ограничения обусловлены во многом тем, что робот Коэна почти ничего не знает о своем окружении. Грубо говоря, с таким же успехом можно учить рисовать слепых.
Картины робохудожника AARON. Источник
Однако проблема незрячих компьютеров скоро решится. Люди оцифровали гигантские объемы информации о виртуальном и физическом пространствах, а железо стало достаточно мощным, чтобы все это переварить. Facebook, Microsoft и другие ИТ-гиганты загружают данные сенсоров, камер, текстовый и мультимедийный контент в нейронные сети — электронные подобия мозга. Получая таким образом информацию о мире вокруг, компьютеры, можно сказать, видят и слышат. И даже начинают учиться. Алгоритмы машинного обучения ищут закономерности в полученных данных и интерпретируют их, словно человек, который через новый опыт познает мир.
Эффект от применения таких технологий заставляет по-новому взглянуть на творческий потенциал ИИ. Инженеры Google уже несколько лет используют нейронные сети для того, чтобы подбирать похожие изображения, распознавать местность или отдельные объекты на фото. При этом специалисты признают, что сами не до конца понимают тонкостей работы ИИ. Чтобы разобраться в нюансах, сотрудники Google в прошлом году решили визуализировать скрытые механизмы нейронных сетей. Результат настолько впечатлил инженеров, что они всерьез задумались о креативных возможностях машин.
Вследствие эксперимента ИИ Google научился дополнять готовые и генерировать новые изображения с нуля.
В первом случае в систему нужно загрузить любой графический файл. Она изучит его и сопоставит с миллионами других обработанных ранее изображений. Если нейросеть заметит сходство в некоторых фрагментах, она усилит его деталями из баз данных. Этот процесс напоминает игру, в которой дети сравнивают формы облаков с животными или предметами, а потом мысленно добавляют недостающие черты к облакам. Чтобы поглядеть на отпечаток «фантазии» Google на выбранном изображении, вы можете загрузить его на сайте проекта Deep Dream. Психоделическое зрелище гарантированно. Сами же разработчики назвали этот стиль inceptionism — судя по всему, в честь фильма «Начало» (англ. Inception) о внедрении идей в человеческий мозг.
Фреска Микеланджело «Сотворение Адама» и ее копия, обработанная нейросетью Google
Синтез музыки
Вдохновившись изобразительным творчеством ИИ, Google стала проявлять интерес к музыкальным способностям компьютеров.
Этой весной поисковый гигант анонсировал проект Magenta, в рамках которого компания попытается развить креативные возможности машин в сфере музыки и визуального искусства. В основу проекта лягут богатые наработки подразделения Google Brain team, которое занимается вопросами машинного интеллекта. Команда уже продемонстрировала первые простейшие мелодии, сгенерированные ИИ. Получив несколько нот от человека в качестве входящих данных, алгоритм экстраполирует их, опираясь на базу музыкальных файлов в своей памяти. Результат звучит примитивно. Но если учесть, что машинное обучение только зарождается, в будущем нас ждут композиции совсем иного уровня.
Презентация проекта Magenta: компьютер генерирует мелодию на основе нот, введенных человеком
Важная особенность Magenta — его открытость. Google намерена привлечь к проекту сторонних программистов, специалистов по машинному обучению, музыкантов, композиторов и всех остальных, кто может сделать свой вклад или желает извлечь пользу из Magenta. Для этого корпорация разрабатывает открытую онлайн-платформу на основе своей библиотеки для машинного обучения — TensorFlow. Ее пользователи получат новые инструменты для работы с музыкой под управлением мощнейшего ИИ.
Вместе с тем на уровне компаний поменьше и в академической среде работа над синтезированной музыкой ведется уже давно. Профессор Калифорнийского университета в Санта-Крузе, композитор Дэвид Коуп учит компьютеры сочинять музыку больше 50 лет. Написанное им ПО успешно генерирует мелодии, копируя стили известных музыкантов. А такие интеллектуальные машины, как Iamus и Melomics109, разработанные учеными из Малагского университета в Испании, прошли путь от простых до сложнейших композиций в собственной уникальной стилистике. Кроме того, программы вроде Liquid Notes, Quartet Generator, Easy Music Composer и Maestro Genesis, как пишет Gizmag, берут на себя рутинную часть работы композиторов, выступая ценными помощниками.
Музыканты играют композицию Hello world, полностью сочиненную компьютером Iamus
Сотрудничество сторонних компаний и специалистов Google наверняка принесет выгоды всем участникам и ускорит развитие ИИ в творческом направлении.
Мы совместно с МФТИ планируем выпустить онлайн-курс, посвященный как раз задачам, связанным с использованием искусственного интеллекта на практике. И какая-то доля информации по Cognitive Toolkit туда тоже войдет.
3. Нейронная оборона, а также почти живые Курт Кобейн и Эми Уайнхаус
В этих примерах разработчики прибегли к читерству. Они понимают, что компьютер, может, и способен сымитировать мелодию, то есть последовательность нот, а также написать текст — но озвучить все это с должной душевностью у него не получится. Да что там, у музыкальных нейросетей до сих пор дикие проблемы с генерированием музыки с вокалом.
Поэтому есть много проектов, в которых нейросети пишут музыкальный и текстовый материал — а живые люди озвучивают это.
Так, сотрудники «Яндекса» Иван Ямщиков и Алексей Тихонов с помощью нейросети записали альбом несуществующих песен Егора Летова. Пел и играл тут сам Иван, так что стопроцентной схожести добиться не получилось.
Аналогичным образом поступила благотворительная организация Over the Bridge, помогающая страдающим от психических расстройств музыкантам. Здесь нейросеть написала песни для проекта «Утерянные записи Клуба 27», попытавшись изобразить стиль Курта Кобейна, Эми Вайнхауc, Джима Моррисона и других рано ушедших от нас звезд. Музыка и тексты сгенерированы на компьютере — а исполняют все это живые люди.
Просто представьте, что Джордж Мартин умрёт, так и не дописав «Игру Престолов», а ему на помощь придет искусственный интеллект. Или вы хотите читать произведения определенного автора, новых работ не предвидится, а искусственный интеллект дарует вам как будто бы произведения этого автора, так похожие по стилистике.
Будет ли польза
Дмитрий Шушкин, генеральный директор филиала ABBYY в России, уверен, что альянс поможет ускорить развитие и внедрение нейросетевых технологий в стране. Этому будет способствовать диалог между государством, компаниями-заказчиками и разработчиками. Но при этом важно не допустить монополизации данных и сфер ответственности, добавляет Шушкин.
Владимир Молодых, директор по разработке и внедрению ПО компании «Инфосистемы Джет», пока не берется прогнозировать результаты деятельности альянса. Сейчас не ясно, какую именно пользу сможет принести стране консорциумы, которые так часто появляются в инфополе в последнее время.
«Трудно сказать, какие из этих организаций принесут пользу рынку и развитию технологий, а чья деятельность сведется в итоге к бесконечным совещаниям, пиару и GR (government relations — отношения с госструктурами)», – резюмирует Молодых. Появление новых проектов на рынке – вот что способствует развитию технологий машинного обучения, убежден руководитель.
