تخيل عالماً لا يكتفي فيه حاسوبك بتشغيل أغنية قمت بتحميلها فحسب، بل يتعلم فعلياً كيف يعزف معك (Jamming). هذا هو مجال الابتكار الموسيقي الميتافيزيقي (musical metacreation)، وهو مصطلح منمق لاستخدام الحواسيب لمحاكاة الإبداع البشري. وفي قلب هذا المجال تكمن الوكلاء الموسيقيون (musical agents): وهي برامج حاسوبية صُممت لتعمل كشركاء موسيقيين. يمكنهم الاستماع لما تعزفه، وتعلّم أسلوبك، ثم ارتجال مقاطعهم الخاصة في الوقت الفعلي. فكر فيهم كزملاء فرقة رقميين لا يتعبون أبداً، ولا يخطئون الإيقاع، ويمكنهم التكيف فوراً مع حالتك المزاجية.

لفترة طويلة، تم تدريب هؤلاء الزملاء الرقميين على جبال هائلة من البيانات—آلاف الأغاني من كل نوع موسيقي يمكن تخيله. ورغم قوة هذا النهج، إلا أنه يشبه محاولة تعلم عزف الجاز عبر الاستماع إلى كل تسجيل صُنع على الإطلاق؛ قد تدرك الجو العام، لكنك لن تبدو أبداً مثل نفسك حقاً. السؤال الكبير الذي يطرحه الباحثون هو: هل يمكننا بناء ذكاء اصطناعي يتعلم من مجموعة شخصية صغيرة من الأصوات، ليصبح انعكاساً حقيقياً لصوت فنان معين؟ تغوص هذه الورقة البحثية في هذا السؤال، مستكشفة كيفية بناء موسيقيين يعملون بالذكاء الاصطناعي يتسمون بالأخلاق والشفافية واللمسة الشخصية العميقة، بدلاً من كونهم مجرد آلات نمطية عامة.

تعرف على جلسة العزف الرقمية: MACAT و MACataRT

في هذه الورقة البحثية، يقدم الباحثان "كيون جو إم لي" و"فيليب باسكويير" وكيلين موسيقيين جديدين، MACAT و MACataRT. يمكنك اعتبارهما نوعين مختلفين من المساعدين الرقميين المصممين لمساعدة الموسيقيين البشر على ابتكار الموسيقى بشكل فوري. وبدلاً من التدريب على كامل شبكة الإنترنت، بُني هذان الوكيلان على فلسفة "البيانات الصغيرة". تخيل أنك تُعلم كلباً حركة معينة ليس عبر عرض ملايين الفيديوهات لكلاب أخرى، بل عبر التدرب معه باستخدام بضع قطع من الحلوى وصوتك الخاص فقط. هذا ما تفعله هذه الأنظمة: فهي تتعلم من مجموعة مختارة ومنسقة من المقاطع الصوتية التي يوفرها الفنان، مما يسمح لها بمحاكاة أسلوب ذلك الفنان الفريد بدقة تامة.

الشخصيتان المختلفتان لزميل الفرقة الرقمي

تقدم الورقة البحثية هذين النظامين باعتبارهما يمتلكان "شخصيات" وطرق عمل مختلفة، تماماً مثل نوعين مختلفين من الموسيقيين في فرقة واحدة.

1. MACAT: العازف المنفرد الذي يستمع لنفسه
صُمم MACAT للحالات التي يحتاج فيها الذكاء الاصطناعي إلى أخذ زمام المبادرة أو قيادة الأداء. إنه يعمل مثل موسيقي يستمع باستمرار إلى نفسه أثناء العزف.

• كيف يعمل: يستخدم "خريطة ذاتية التنظيم"، وهي تشبه خريطة ذهنية يقوم فيها بتجميع الأصوات المتشابهة معاً. عندما يعزف صوتاً ما، فإنه يستمع للنتيجة، ويتحقق من خريطته الذهنية، ويقرر ما سيعزفه تالياً بناءً على الأنماط التي وجدها في تسجيلات الفنان الخاصة.
• السحر: يستخدم أداة تسمى "أوراكل العامل" (Factor Oracle) لرصد الأنماط في تسلسل الأصوات. إذا عزف الفنان تقاسيم طبول سريعة متبوعة بدندنة هادئة، يتعلم MACAT هذا التسلسل. وخلال العرض الحي، يمكنه النظر إلى "أفكاره" الأخيرة (الأصوات التي عزفها للتو) ويقرر إما المضي قدماً نحو فكرة جديدة أو العودة لتكرار لحظة رائعة، وكل ذلك في الوقت الفعلي.
• الأجواء: هو رائع للعروض المنفردة أو عندما يريد الموسيقي البشري من الذكاء الاصطناعي أن يكون المحرك الرئيسي للموسيقى، مما يخلق مشهداً صوتياً ديناميكياً ومتطوراً يبدو نابضاً بالحياة.

2. MACataRT: فنان الموزاييك التعاوني
إن MACataRT هو الشريك الأكثر مرونة، المصمم للارتجال التعاوني حيث يتبادل الإنسان والذكاء الاصطناعي الأفكار ذهاباً وإياباً. وهو مبني على مفهوم "الموزاييك الصوتي" (audio mosaicing).

• تشبيه الموزاييك: تخيل أن لديك صندوقاً يحتوي على الآلاف من البلاطات الصغيرة المختلفة الألوان (مقاطع صوتية). يمكن لـ MACataRT التقاط البلاطة المثالية لتناسب اللوحة التي ترسمها فوراً. إذا عزفت نغمة حادة، سيختار بلاطة ذات صوت حاد. إذا أصدرت صوتاً خشناً ومخدوشاً، سيختار بلاطة خشنة.
• كيف يعمل: يقوم بتنظيم هذه البلاطات في مساحة ثنائية الأبعاد بناءً على سماتها الصوتية (مثل حدة الصوت أو سطوعه). يمكن للموسيقي البشري الإشارة إلى نقطة في هذه المساحة، وسيقوم الذكاء الاصطناعي بسحب صوت من تلك المنطقة.
• اللمسة المبتكرة: على عكس سلفه (نظام CataRT الأصلي)، يضيف MACataRT عنصر "آلة الزمن". يمكنه تعلم الترتيب الذي يعزف به الفنان عادةً. لذا، لا يقتصر الأمر على اختيار الصوت المناسب فح فقط، بل يمكنه أيضاً التنبؤ بالصوت التالي المناسب للحفاظ على الإيقاع والانسيابية. لديه وضعان: تفاعلي (يستجيب فوراً لما تعزفه) واستباقي (يتنبأ بما يجب أن يأتي تالياً بناءً على الأنماط المتعلمة).

لماذا تغير "البيانات الصغيرة" كل شيء؟

الجزء الأهم في هذا البحث ليس فقط أن الموسيقى تبدو جيدة، بل كيف وصلت إلى هذا المستوى. يرى المؤلفون أن تدريب الذكاء الاصطناعي على مجموعات بيانات ضخمة ومجهولة الهوية (مثل الإنترنت بأكه) أمر محفوف بالمخاطر. الأمر يشبه رساماً ينسخ قليلاً من فان جوخ، وقليلاً من بيكاسو، وقليلاً من لافتة شارع عشوائية، مما ينتج عنه فوضى غير أصيلة. بالإضافة إلى ذلك، فإن هذا يثير تساؤلات أخلاقية: هل سرق الذكاء الاصطناعي أسلوب موسيقي لم يوافق أبداً على أن يكون ضمن بيانات التدريب؟

باستخدام مجموعات بيانات صغيرة وشخصية، يحل هذان الوكيلان كلا المشكلتين:

1. الأخلاق والشفافية: بما أن الذكاء الاصطناعي مدرب فقط على تسجيلات الفنان الخاصة، فلا يوجد غموض حول مصدر الموسيقى. إنه تعاون واضح وصادق؛ فالفنان يعرف تماماً ما الذي تعلمه الذكال الاصطناعي منه.
2. التخصيص الحقيقي: يصبح الذكاء الاصطناعي مرآة للفنان. فهو لا يبدو فقط "مثل الموسيقى"؛ بل يبدو مثل ذلك الموسيقي تحديداً. تشير الورقة إلى أن هذا يخلق اتصالاً أعمق وأكثر معنى بين الإنسان والآلة.

جلسات عزف من العالم الحقيقي

لا تكتفي الورقة البحثية بالبقاء داخل المختبر، بل تعرض هذه الأنظمة في العمل.

• استُخدم MACAT من قبل تجمع K-Phi-A في مهرجان MusicAcoustica في هانغتشو، الصين. هناك، ساعد في خلق عرض إلكتروني محيطي (ambient) حيث ارتجل الذكاء الاصطناعي والبشر معاً، مع اتخاذ الذكاء الاصطناعي زمام المبادرة في تشكيل الصوت.
• استُخدم MACataRT من قبل عازف إيقاع وعازف جيتار (الثنائي KeRa) لابتكار مقطوعة بعنوان Echoes of Synthetic Forest. كانت هذه المقطوعة رائعة لدرجة أنها وصلت إلى قائمة أفضل 10 مرشحين نهائيين في مسابقة أغنية موسيقى الذكاء الاصطناعي لعام 2024 وعُزفت في زيورخ، سويسرا. وهذا يثبت أن وكلاء البيانات الصغيرة يمكنهم ابتكار موسيقى تلقى صدى لدى الجمهور والحكام.

المكافأة البيئية والأخلاقية

هناك قوة خارقة خفية لهذه الأنظمة: فهي صديقة للبيئة. يتطلب تدريب نماذج الذكاء الاصطناعي الضخمة حواسيب فائقة القوة تستهلك الكثير من الكهرباء، مما يترك بصمة كربونية كبيرة. ومع ذلك، يمكن تدريب هؤلاء الوكلاء الموسيقيين على حاسوب محمول عادي (حتى لو كان قديماً مزوداً بمعالج Intel Core i7 أو شريحة Apple M2) دون الحاج بحاجة إلى بطاقات رسوميات خارجية قوية. ولأنهم يستخدمون مجموعات بيانات صغيرة، فهم أسرع، وأرخص، وأكثر رفقاً بالبيئة.

ما الخطوة التالية؟

يؤكد المؤلفون أن هذا العمل لا يزال قيد التطوير. ويقترحون أنه بينما تتفوق الأنظمة الحالية في رصد الأنماط القصيرة، إلا أنها قد تصبح أفضل في فهم القصص الموسيقية طويلة المدى. قد تستخدم النسخ المستقبلية التعلم العميق لتذكر التسلسلات الأطول وإضافة عنصر "القابلية للتفسير"، بحيث يمكن للموسيقيين رؤية السبب وراء اختيار الذكاء الاصطناعي لنوتة معينة بدقة. كما يخططون لإضافة حلقة تغذية راجعة حيث يتعلم الذكاء الاصطناعي من أخطائه في الوقت الفعلي، مما يجعل جلسة العزف أكثر إتقاناً وتناغماً.

باختصار، توضح هذه الورقة البحثية أن مستقبل موسيقى الذكاء الاصطناعي لا يتعلق باستبدال الفنانين البشر بروبوت ضخم وعام. بل يتعلق بمنح كل موسيقي شريكاً رقمياً مخصصاً، أخلاقياً، وصديقاً للبيئة يساعده على استكشاف أصوات جديدة مع البقاء وفياً لصوته الفريد. الأمر لا يتعلق بأن يعزف الذكال الاصطناعي لك؛ بل بأن يعزف الذكاء الاصطناعي معك.