|
|
发表于
2022-9-14 18:45:57
|
显示全部楼层
IP:北京
贡布里希的《艺术的故事》以这样一句话开篇——没有艺术，只有艺术家。
艺术因艺术家而伟大，不因生产工具而伟大。
AI的本质是从现有的作品中寻找规律进行相似的产出。
它们旨在提高效率、解放生产力，而不是替代创作者本身。
在创作的过程中，一些高度同质化、可重复的工作被AI替代，而解放了创作者的时间和精力，能够使他们更专注于艺术层面的思考。
成型的作品总是有迹可循，AI可以模仿；
但想法和创意是无穷无尽的，AI无法创造。
“深度巴赫”就是如此。
早在2016年，研究人员就开发出一个名为“DeepBach” 即“深度巴赫”的神经网络。
他们使用了巴赫创作的352部曲目进行变调。
最终，“深度巴赫”能够创作出与巴赫风格高度相近的作品。
在对包括了400多位音乐家和音乐系的学生的1600多人的测试中，超过一半的人认为这些作品就是巴赫本人的作品。
而巴赫本人的作品也仅被75%的人正确识别。
这已经是AI应用在音乐领域之中堪称傲人的战绩。
然而，为什么是“深度巴赫”？
而不是“深度贝多芬”或者“深度柴可夫斯基”呢？
因为巴赫创作了许多大合唱形式的作品，其中每一首作品结构都较为简单。
巴赫在创作中常常采用单一的旋律，同时又伴随着三和弦四声部合唱。
因此，对于AI来说，巴赫的作品更容易学习和模仿。
简而言之，AI作曲和AI作画一样，只是在数据中寻找可循的规律，本质上是无法理解音乐的，更别谈创作。
像巴赫、贝多芬这样的音乐大师，他们的作品背后，不仅仅是几个音符的堆砌，更加倾注了他当下的人生体验。
AI能够仿形，却不能仿神。
在旋律之外的故事，才是更为重要的，艺术的意义。
AI之所以能作曲，是基于算法模型的一种模仿。
主要应用的就是统计学中的马尔可夫链，用于选择音调。
通过分析大量的音乐作品，可以发现音调之间的搭配与和谐关系。
例如，如果当前的音调是C，那么下一个音调可能是G（概率70%）、E（概率15%）、F（概率10%）或A（概率5%）。不同的概率由不同的马尔可夫链模型所决定。
所以我们不难看出，目前AI所谓的“创作”过程，其实是计算机程序运行的过程。
而完成的“作品”，其实是计算机程序运行的结果。
那么，这就带来一个最重要的问题——版权。
AI的“创作”是需要学习的，那么AI怎么判断学习的作品是否有侵权危险？
AI学习别人的作品是否侵犯了学习对象的著作权？
AI作品如果侵犯了著作权又是谁来担责？
音乐作品的抄袭侵权本身就是一个热议的话题，至今法律界对于音乐作品侵权的判定，依然没有统一且明确的法律依据。
在相关案件的判决时，少不了经验丰富的专业团队商讨后才能拍板。
由此可见，仅仅是AI学习的原作品的版权问题，就会引发不小的音乐版权危机。
再者，撇开AI学习的原作品的版权问题不谈。
AI完成的“作品”版权归属又如何？
不同的国家其实对此有不同的法律规定。
1988年，英国正式颁布了《版权、设计和专利法案》。
其中对于AI作品进行了明确的规定：“为计算机所生成之作品进行必要程序者，视为该计算机生成之作品的作者，其保护期限是自作品完成创作之年的最后一日起50年后届满。”
《法案》中提到，AI作品的版权属于“进行必要程序者”。
而此处的“进行必要程序者”，即包括程序员、使用者，也可能是人工智能系统或设备的投资者。
2017年，世界知识产权组织（WIPO）杂志针对AI作品版权发布了一篇文章。
文章中提到，如果一部作品的创作过程中“人类的参与有限，或根本没有人类参与”，著作权法可以有两种潜在的生效方式：
①著作权法可以“拒绝”对计算机生成的作品进行版权保护；
②也可以将此类作品的作者归属于程序的创建者。
现在我们国内解决AI作品版权归属的问题，也基本沿袭这个思路。
原文链接：AI作品夺魁，人类即将失业！创作者焦虑如何化解？
<hr/>「版权音乐」商用授权平台-罐头音乐视频配乐素材库-猴子音悦 |
|
喧嚣卡
千斤顶
照妖镜
