MIT review 机器产生创意？克里斯托弗·斯坦纳（CHRISTOPHER STEINER）

计算机算法已经开始在新闻、谱曲和挑选流行音乐方面展现身手。

（图片来源：Kelly Blair）

 

2004年，新西兰人本•诺华（Ben Novak）只有两把吉他和一个流行歌星的遥远梦想。可是短短一年之后，他的一曲《调转车头》（Turn You Car Around）就攻入欧洲各大电台、成为了十大畅销金曲之一。

 

按理说，诺华出头的机会应该很小。唱片公司靠一个叫做“A&R”（即“艺人和曲目”）的机制来发掘新人，它的标准变化多端、难以捉摸，像诺华这样的无名小辈很少获得垂青。诺华能够入行，走的是一道后门，这道后门的开启者不是人类，而是一个搜集热门歌曲的算法。

 

许多人都认为：人类的创意是无法由机器复制的。这个说法有许多证据，有数以百计的著作和论文试图用人类右脑的神秘过程来解释创意的产生。按照这个思路，创意证明了人类和CPU之间的巨大差别。

 

但我们现在知道，对有的创造性工作而言，这个说法并不正确。复杂的算法已经进入了创意领域，甚至进入了标准模糊的音乐选秀领域；而且它们证明，在有些创意活动中，人类是可以取代的。

 

让诺华走上音乐事业的算法由一家名叫“音乐X光”（Music X-Ray）的公司开发。公司创始人麦克•麦克雷迪（Mike McCready）过去十年一直在研发相应的技术，以找出那些注定登上流行榜单的旋律。诺华通过网络向麦克雷迪的引擎上传了自己的一首歌曲，结果，它获得了和老鹰乐队的《放轻松》（Take It Easy）以及荒原狼乐队的《天生狂野》（Born to Be Wild）一样高的分数。

 

“音乐X光”的算法使用傅立叶变换（一种从复杂数据的“噪音”中分离出信号的方法）来提取音乐中吸引听众耳朵的元素，包括基本旋律、拍子、速度、节奏、音阶、音高、和弦、旋律进行、音色亮度等等。然后，软件再根据这些特征建立歌曲的三维模型，并将它和过去的歌曲比较。经过分析的新歌和过去的畅销曲在屏幕上并列，形成一片云状结构，其中包含大量的点，每个点代表一首歌曲。在这片云雾中，畅销歌曲往往聚成一丛，这说明它们具有相似的基本结构。只要让新歌尽量往这些曲丛的中心地带靠拢，它就可能畅销。

 

现在，麦克雷迪的网站和软件已经汇集了5000多名拥有唱片合约的艺人。在对麦克雷迪的长期回避之后，选秀行业也开始频频使用音乐X光来发掘新人了。“我可算是在唱片业交到朋友了。”麦克雷迪说。

 

音乐可以用算法分析，这是音乐的本性决定的——我们在音乐中听到的每个和弦、每个节拍、每个和声，其中无不渗透着数学。然而，像批改英文试卷这样的主观活动，计算机程序还能够胜任吗？

 

还真的可以。今年初，威廉和弗洛拉•休利特基金会（William and Flora Hewlett Foundation）出资10万美元举办竞赛，邀请程序员们写出最好的评分程序。竞赛的目标是选出最具人性的评分算法，它们评出的分数要和最好的人类评分者评出的分数接近。竞赛结果，有159个算法做到了，它们评出的分数和一群人类的评分几乎完全一样。对一个需要辛辛苦苦批改上百篇作文的教师来说，这些算法不啻是提高工作效率的利器。有了它们，还可以让许多标准化测试重新引入作文题；而在此之前，它们的主要形式都是仅用便宜的机器就能打分的多项选择题。　

 

算法不仅能完成需要评判能力的工作，它们还能创造。伊利诺伊州的埃文斯顿有一家名叫“叙事科技”（Narrative Science）的公司，公司创始人包括几位西北大学的新闻学和计算机科学教授，他们编写了一系列算法，将体育赛事的比分转化成体裁得当、文法正确的体育报道。“十佳网”（Big Ten Network）运用了这项技术，在体育赛事结束后一分钟就贴出报道。在伊利诺伊州和印第安纳州之间的一场橄榄球赛结束之后几秒，算法就写出了这样开头的一篇报道：“周六，纪念球场，内森•施里哈瑟（Nathan Scheelhaase）掷出一枚211码的投球，三次触地得分，随后奔跑95码，一次触地得分，以41-20的比分第16次战胜印第安纳。伊利诺伊在进攻上以6比0大幅领先，砍下大量码数。”

 

算法的文笔还不足以获奖，但是以出版人的眼光来看，在一些重要的方面（比如网页浏览数），算法的经济效益已经超过任何一位记者。算法能在几秒钟内写出文章，甚至可以对没有记者在场的事件进行报道。