世界音乐人工智能大会论坛六：人与音乐人工智能

2021-10-26 0 新闻公告来源：中央音乐学院新闻网

　　10月24日，世界音乐人工智能大会论坛六：人与音乐人工智能，在北京民族文化宫举办。

　　世界音乐人工智能大会（Summit on Music Intelligence）10月22日-24日在北京举办。大会由中央音乐学院（CCoM）与中国人工智能学会（CAAI）联合主办，汇聚全球音乐人工智能顶尖专家、学者、相关领域具有影响力的领军人物以及音乐产业相关企业代表等，集思广益，精骛八极，共同探究未来音乐世界，推动音乐人工智能“产、学、研、用”的发展，服务北京、服务国家战略，与世界携手未来。

　　开幕前夕，国际物理学家、诺贝尔物理学奖获得者李政道先生为大会题词祝贺：科学与艺术的交融，艺术与科学的盛会，祝世界音乐人工智能大会圆满成功！

　　世界音乐人工智能大会人与音乐人工智能论坛由中国科学院院士管晓宏教授主持，管教授与美国罗切斯特大学计算机音乐副教授/ISMMIR程序委员会主席段志尧，美国伊利诺伊大学香槟分校计算机音乐方向研究主席Rick Taube，中央音乐学院音乐人工智能与音乐信息科技系教授、加拿大电信媒体艺术研究主席Kenneth Fields为现场观众做了4场精彩演讲。

　　报告题目：

　　音乐旋律中的定量规律

　　论坛主席

　　管晓宏

　　管晓宏，中国科学院院士IEEE Fellow，分别于1982、1985年获清华大学自动化系学士与硕士学位，1993年获美国康涅狄格大学电气与系统工程系博士学位；1993-1995年任美国PG&E公司高级顾问工程师，1999-2000年任哈佛大学访问科学家，1995年起任西安交通大学教授，1999-2009年任机械制造系统工程国家重点实验室主任，2009-2019年任电子与信息工程学院院长，2019年起任电子与信息学部主任；自2001年先后任清华大学讲席教授组成员、双聘教授，2003-2008年任清华大学自动化系主任；目前兼任中央音乐学院教授和博士生导师。

　　报告摘要：

　　隐藏在音乐旋律中的数学物理规律，竟然同众多自然、工程和社会系统中的规律一致，能够定量分析。报告讨论音乐旋律的三个数学特征，由此建立数学模型，揭示作曲家追求旋律变化的有约束熵最大，从而求解得到音乐旋律变化的幂律。研究结果有助于分析作曲理论中的计算智能，探索人工智能辅助作曲的定量化方法。

　　报告题目：

　　面向人机协作的音乐制作

　　论坛嘉宾：

　　段志尧

　　美国罗切斯特大学计算机音乐副教授/ISMMIR程序委员会主席

　　段志尧是罗彻斯特大学（University of Rochester）电气与计算机工程、计算机科学、和数据科学的副教授，目前在快手西雅图人工智能实验室学术休假。他同时是音乐教育科技公司“一起练琴”的联合创始人。他2004年和2008年于清华大学自动化系获得学士和硕士学位，2013年于西北大学（Northwestern University）获得计算机科学博士学位。他的研究兴趣在计算机听觉及其与计算机视觉、自然语言处理、增强现实和虚拟现实的交叉。他曾获SMC 2017最佳论文奖、ISMIR 2017最佳论文提名、2019 美国国家科学基金CAREER奖。他是ISMIR 2017的出版物主席和ISMIR 2021的程序共主席。

　　报告摘要：

　　音乐表演连接作曲家和听众，处于各种音乐活动的中心。在舞台上，为了使音乐触达人心，音乐家们高度协作来使声音和谐、节奏同步、表现力共鸣。人类能否和机器高度协作来演奏音乐呢？这种协作可以像人类协作一样自然吗？这是很多音乐家和研究者长期以来的梦想。我们认为这个梦想的实现需要赋予机器三个核心音乐能力：感知、演奏和作曲。本报告中，我会首先简要介绍我们近年来在这三个方面的的工作，然后会重点介绍BachDuet系统和其后续工作。该系统可以让人和机器进行角色较为平等的、实时的对位法即兴演奏，为未来人机协同音乐创作奠定基础。

　　报告题目：互动式乐理教学

　　论坛嘉宾：

　　Rick Taube

　　美国伊利诺伊大学香槟分校计算机音乐方向研究主席

　　Rick Taube，伊利诺伊大学音乐系作曲/理论教授，主要教授作曲、音乐理论、音乐技术及计算机音乐课程。Taube教授拥有斯坦福大学音乐系本科与硕士学位（在CCRMA师从John Chowning）及爱荷华大学的作曲博士学位，导师为D. Martin Jenni 和 Richard Hervig。他的作品曾由/在布尔日（Bourge），坦格伍德（Tanglewood），伦敦小交响乐团（London Sinfonietta）以及众多的国际计算机音乐会议和其他一些与计算机音乐相关的音乐会上演。

　　报告摘要：

　　在整个美国，艺术项目几十年来一直被削减或资金不足。在申报的音乐专业中，有40%至63%的中学后教育学生对大学水平的音乐理论教学准备不足，可能需要补习课程；因此，这些学生的成绩较差或不能完成大学学位的风险较大。音乐技术可以发挥主导作用，使音乐理论教学更加有效，负担得起，并提供给所有寻求它的人，无论他们住在哪里，他们的学校可能有什么有限的资源。本讲座介绍了伊利诺伊大学音乐学院采取的方法，软件提供实时、自动的音乐分析和多媒体功能，提供从基础到高级半音阶写作和20世纪理论的音乐理论教学。通过用实时处理取代传统的纸质教学，"评分周期 "从1-7天缩短到几毫秒，这反过来可以支持新的教学模式和作业/评估类型，进一步提高学生的学习体验。

　　报告题目：

　　现场网络音乐表演的同步化

　　论坛嘉宾：

　　Kenneth Fields

　　中央音乐学院音乐人工智能与音乐信息科技系教授、加拿大电信媒体艺术研究主席

　　Kenneth Fields是中国中央音乐学院的计算机音乐教授和美国加州大学圣巴巴拉分校的媒体艺术和技术兼职教授。在此之前，Ken是卡尔加里大学远程媒体艺术的加拿大研究主席（2008-2013）。他创建了Artsmesh（网络音乐软件），是圣巴巴拉全球高级研究中心（Phonosophy）的主任。他也是《有组织的声音》的编委会成员。

　　报告摘要：

　　使分散在全球各地的音乐家们同步进行现场网络音乐会的问题是众所周知的挑战。虽然有专业的软件和策略来促进简单的表演（Artsmesh, Jacktrip），但目前还没有智能插件工具来关联和调整网络延迟设置，并在飞行中创建数字乐谱模板。举个例子，两个音乐家在网络上相隔250ms（ping时间，北京到洛杉矶），可以很容易地在4 bps（每秒节拍）的节拍上进行同步。然而，当第三方在东京加入时，形成一个东京-北京的延迟是50ms（20bps），东京-洛杉矶的延迟是200ms（5bps）的三角形，那么就需要一个更复杂的4/20/5比例的表来实现音乐的一致性。这些都是理想的数字，音乐解决方案（多节奏）的存在使这样的情况下，但作为一个规则，延迟的读数是远远不合理和不对称的。因此，当10个甚至20个更多的音乐家/城市被添加到一个全球合奏中时，很容易看到复杂性是如何迅速建立起来的。这个问题超出了人力管理的范围，需要音乐人工智能介入，在每个节点上自动处理延迟曲线和节拍设置。