La BigMusic empieza a sonar

Científicos del SONY CSL ("Computer Science Laboratories") fueron los desarrolladores de las primeras canciones completas compuestas por Inteligencia Artificial: "Daddy's Car" y "Mister Shadow". Pero ¿Quién es el verdadero creador de estas canciones? ¿Un grupo de científicos o una Inteligencia Artificial? ¿O es un ejemplo de co creación?

El personal encargado del laboratorio desarrolló "Flow Machines", un sistema que aprendió estilos musicales a partir de una enorme base de datos de canciones. Valiéndose de combinaciones de técnicas de transferencia, optimización e interacción de estilos musicales, Flow Machines fue capaz de componer canciones inéditas y en diferentes estilos. Por ejemplo, "Daddy's Car" fue compuesta al estilo de The Beatles. El compositor francés Benoît Carré, sin embargo, arregló y produjo las canciones y escribió la letra. Las dos canciones son extractos de álbumes compuestos por Inteligencia Artificial que se lanzaron en 2017.

OpenAI, compañia especializada en desarrollos múltiples de IA, también experimentó con el poder de las máquinas, el Aprendizaje Automático y la música. A finales de abril de 2020 subía a su cuenta de SoundCloud una gran cantidad de producciones creadas por sus sistemas. Algunos de ellos es música pop, con el estilo de Elvis Presley o “Early January” en estilo Shakira:

Para lograr esto se valieron de “MuseNet”, una Red Neuronal Artificial ( y “profunda” según ellos) que puede generar composiciones musicales de hasta 4 minutos con 10 instrumentos diferentes, y pudiendo combinar estilos como el country, Mozart y The Beatles. Sin embargo MuseNet no se programó explícitamente con nuestra de música, sino que descubrió patrones de armonía, ritmo y estilo al aprender a predecir el siguiente token en cientos de miles de archivos MIDI. En este sentido, MuseNet utiliza la misma tecnología no supervisada de propósito general que GPT-2 (o la más actual GPT-3), un tipo de tecnología propietaria de OpenAI que se vale de su modelo de transcripción a gran escala entrenado para predecir el siguiente token en una secuencia, ya sea de audio o texto.