人工智能（AI）的發(fā)展歷程經(jīng)歷過幾次熱潮，最新一輪即是由DALL-E、ChatGPT等生成式AI引起的熱潮。在這一輪，科技巨頭們似乎因?qū)惱硐嚓P(guān)問題的謹慎，而在與初創(chuàng)公司的競爭中暫落下風。

當?shù)貢r間1月27日，谷歌公司發(fā)布了對AI模型MusicLM的研究，該系統(tǒng)可以從文本描述中生成任何類型的高保真音樂。但因擔心風險，谷歌沒有立即發(fā)布它的計劃。“我們強調(diào)，需要在未來開展更多工作來應對這些與音樂生成相關(guān)的風險——我們目前沒有發(fā)布模型的計劃。”谷歌發(fā)布的論文寫道。

(相關(guān)資料圖)

AI生成作曲復雜、保真度高的歌曲

這不是第一個文本生成歌曲的AI系統(tǒng)，此前有愛好者基于Stable Diffusion模型制作的Riffusion，谷歌自己的AudioML和人工智能研究機構(gòu)OpenAI的Jukebox等項目也都可以從文字生成音樂。然而，MusicLM的模型和龐大的訓練數(shù)據(jù)庫（280000小時的音樂）使其能制作出作曲特別復雜或保真度特別高的歌曲。

MusicLM不僅可以結(jié)合流派和樂器，還可以使用計算機通常難以掌握的抽象概念來編寫曲目。比如“一種舞曲和雷鬼音樂的混合體，其曲調(diào)空曠、超凡脫俗，能喚起驚奇和敬畏之感”，MusicLM就可以實現(xiàn)。

谷歌研究人員表明，該系統(tǒng)可以建立在現(xiàn)有旋律的基礎(chǔ)上，無論是哼唱、演唱、吹口哨還是在樂器基礎(chǔ)上演奏。此外，MusicLM有一個“故事模式”來編程特定時間的風格、氛圍和節(jié)奏的轉(zhuǎn)變，比如可以采用幾個按順序編寫的描述“冥想時間”、“醒來時間”、“跑步時間”來創(chuàng)建一種“故事”敘事旋律。

MusicLM 也可以通過圖片和標題的組合來指導、生成相應風格的音樂。

與許多AI生成器一樣，MusicLM也有它的問題，有些作品聽起來很奇怪，或者人聲往往難以理解。這是因為，MusicLM雖然在技術(shù)上可以生成人聲，包括合唱和聲，但大多數(shù)“歌詞”內(nèi)容能勉強聽出是英語或聽不出是什么語言，由合成聲音演唱，聽起來像是幾位藝術(shù)家聲音的融合。

AI生成音樂或侵犯版權(quán)法

研究人員發(fā)布了MusicCaps數(shù)據(jù)集，包含超過5500個成對組成的音樂文本數(shù)據(jù)集，其中有由人類專家提供的豐富文本描述。該數(shù)據(jù)集已公開發(fā)布，以“支持進一步研究”。同時，研究人員在論文中承認了與音樂生成相關(guān)的風險，即創(chuàng)意內(nèi)容的盜用。

谷歌的研究員在一次實驗中發(fā)現(xiàn)，該系統(tǒng)生成的音樂中約有1%是直接復制自其訓練的歌曲。假設(shè)有一天MusicLM或類似的系統(tǒng)可用，似乎不可避免地會出現(xiàn)重大法律問題，即使這些系統(tǒng)被定位為輔助藝術(shù)家創(chuàng)作而不是取代他們的工具。

實際上目前已經(jīng)有了相關(guān)案例。2020年，美國說唱歌手Jay-Z的唱片公司對YouTube頻道Vocal Synthesis提出版權(quán)警告，理由是它使用AI創(chuàng)作了Jay-Z翻唱比利·喬爾（Billy Joel）的“We Didn"t Start the Fire”等歌曲。

美國音樂出版商協(xié)會的埃里克·桑雷 (Eric Sunray) 撰寫的一份白皮書認為，像MusicLM這樣的AI音樂生成器通過“從訓練數(shù)據(jù)庫中吸收作品中連貫的音頻，侵犯了美國版權(quán)法的復制權(quán)”。

隨著OpenAI的Jukebox發(fā)布，批評者也質(zhì)疑在受版權(quán)保護的音樂材料上訓練AI模型是否合理。圖像、代碼和文本生成AI系統(tǒng)都已經(jīng)讓人產(chǎn)生了類似的擔憂，它們的訓練數(shù)據(jù)通常是在創(chuàng)作者不知情的情況下從網(wǎng)絡上收集的。

目前，幾個有關(guān)生成式AI的訴訟案正在進行中。微軟、GitHub和OpenAI在一項集體訴訟中被指控允許Copilot違反版權(quán)法，Copilot是GitHub推出“AI程序員”插件，可以根據(jù)輸入的部分代碼或注釋自動生成完整的代碼。

流行的AI繪畫工具背后的兩家公司Midjourne和Stability AI也正處于一起法律案件審理中，被指控通過在網(wǎng)絡抓取的圖像上訓練其工具，侵犯了數(shù)百萬藝術(shù)家的權(quán)利。

科技巨頭落于下風，初創(chuàng)公司成領(lǐng)導者

對于生成式AI系統(tǒng)，一些人工智能倫理學家擔心，在信任和安全專家進行研究之前，大型科技公司急于進入市場可能會使數(shù)十億人面臨潛在危害，如分享不準確的信息、生成假照片或讓學生有能力在學校考試中作弊。

“我們相信人工智能是基礎(chǔ)性的變革性技術(shù)，對個人、企業(yè)和社會都非常有用，我們需要考慮這些創(chuàng)新可能產(chǎn)生的更廣泛的社會影響。我們繼續(xù)在內(nèi)部測試我們的AI技術(shù)，以確保它有用且安全。”谷歌發(fā)言人林莉莉（Lily Lin）說。

科技巨頭們在面對風險時的謹慎，似乎已使其在與初創(chuàng)公司的競爭中落于下風。

美國佐治亞理工學院（Georgia Institute of Technology ）計算機教授和機器學習專家馬克里·德爾（Mark Riedl）在接受《華盛頓郵報》采訪時表示，“ChatGPT的底層技術(shù)不一定比谷歌和Meta開發(fā)的技術(shù)更好，但OpenAI發(fā)布其語言模型供公眾使用的做法給了它一個真正的優(yōu)勢。”

在過去約一年里，谷歌的頂級AI研究人員紛紛離職，圍繞大型語言模型創(chuàng)辦了初創(chuàng)公司，包括Character.AI、Cohere、Adept、Inflection.AI和Inworld AI。此外，使用類似模型的搜索初創(chuàng)公司正在開發(fā)聊天界面，例如由前谷歌高管斯里達爾·拉馬斯瓦米（Sridhar Ramaswamy）運營的Neeva。

在“谷歌大腦（Google Brain）”工作了三年的尼克·弗羅斯特（Nick Frosst）說，像谷歌和微軟這樣的大公司通常專注于使用人工智能來改進他們龐大的現(xiàn)有商業(yè)模式。“這個領(lǐng)域發(fā)展得如此之快，對我來說，領(lǐng)先者是較小的公司并不奇怪。”