मशीन रचनात्मकता में सहयोगात्मक दृष्टिकोण

परिचय

मानव रचनात्मकता की प्रकृति का अध्ययन बुद्धि की प्रकृति से भी कम किया गया है। फिर भी, मशीन रचनात्मकता, कृत्रिम बुद्धि में एक दिशा के रूप में मौजूद है। यहां कंप्यूटर लेखन संगीत, साहित्यिक और चित्रात्मक कार्यों की समस्याएं हैं, और यथार्थवादी छवियों का निर्माण पहले से ही सिनेमा और खेल उद्योग में व्यापक रूप से उपयोग किया जाता है। निर्मित प्रणालियां विशिष्ट छवियों का उत्पादन करना संभव बनाती हैं जो आसानी से मनुष्य द्वारा माना जाता है, जो कि सहज ज्ञान के लिए विशेष रूप से उपयोगी है, जिनमें से एक औपचारिक रूप में सत्यापन के लिए काफी मानसिक प्रयास की आवश्यकता होती है [ 1 ]।
कट के तहत आपको विषय क्षेत्र का एक संक्षिप्त अवलोकन, कंप्यूटर के साथ संगीत लिखने का मेरा प्रस्तावित दृष्टिकोण और गणित का एक सा मिलेगा।

कैसा था

प्रारंभिक चरणों में पहले से ही इलेक्ट्रॉनिक कंप्यूटिंग प्रौद्योगिकी के विकास ने संगीत के "आक्रमण" का नेतृत्व किया। पहले से ही 50 के दशक में, बहुत पहले कंप्यूटरों का उपयोग करते हुए, वैज्ञानिकों ने संगीत को संश्लेषित करने के प्रयास किए: एक राग की रचना या इसे कृत्रिम टाइमब्रिज के साथ व्यवस्थित करना। इसलिए एल्गोरिथम संगीत दिखाई दिया, जिसके सिद्धांत को 1206 में गुइडो मारज़ानो द्वारा वापस सुझाया गया था, और बाद में वीए मोजार्ट द्वारा उपयोग किया गया कि वे मिनुसेट के लेखन को स्वचालित करने के लिए - यादृच्छिक संख्याओं के अनुसार संगीत लिखते हैं। सी। शैनन, आर। ज़रीपोव, जे। ज़नाकिस और अन्य मशीन रचनात्मकता में लगे हुए थे।
2005 के पतन में, कैलिफोर्निया विश्वविद्यालय (बर्कले, यूएसए) में, एक छात्र ऑर्केस्ट्रा ने मोजार्ट की चालीस सेकंड सिम्फनी का प्रदर्शन किया। बेशक, श्रोताओं को पता था कि मोजार्ट ने इकतालीस सिम्फनी लिखी थी, लेकिन इस तथ्य ने उन्हें प्यारा संगीत सुनने से नहीं रोका, जो, हालांकि, कई आलोचकों के अनुसार, कुछ मायावी चीज़ों की कमी थी, जो आमतौर पर महान संगीतकार की धुनों में निहित थी। और आश्चर्य की बात नहीं है: 42 वें सिम्फनी को कंप्यूटर प्रोग्राम EMI ("म्यूजिकल इंटेलिजेंस में प्रयोग" - म्यूजिकल इंटेलिजेंस में प्रयोग) द्वारा रचा गया था। कार्यक्रम संगीतकार और एक साथ प्रोग्रामर डेविड कोप द्वारा बनाया गया था। पिछले कुछ वर्षों में, ईएमआई ने बाख, बीथोवेन, ब्रह्म, चोपिन और स्कॉट जोप्लिन [ 2 ] द्वारा "नए कार्यों" का निर्माण किया है।
फिलहाल, एल्गोरिथम संगीत में दो मुख्य दिशाओं को प्रतिष्ठित किया जा सकता है:

• एक अर्थ में सक्षम नए कार्यों के कंप्यूटर द्वारा निर्माण, मनुष्य द्वारा बनाई गई कला के कार्यों के साथ प्रतिस्पर्धा करना;
• संगीत की प्रसिद्ध शैलियों का मॉडलिंग इन कार्यों, उनके रूपों, संरचनाओं के निर्माण के कानूनों और सिद्धांतों का अध्ययन करने के साथ-साथ साइकोफिजियोलॉजिकल अध्ययनों में उनकी धारणा पर प्रयोगों के लिए भी काम करता है।

संगीत पीढ़ी के एल्गोरिदम नियतात्मक या स्टोकेस्टिक प्रक्रियाओं के उपयोग के आधार पर दो ध्रुवीय दृष्टिकोण का उपयोग करते हैं। नियतात्मक प्रक्रियाएं संगीतमय घटनाओं (उदाहरण के लिए, नोट्स) को उत्पन्न करती हैं, जो निश्चित रचना कार्य करती हैं जो यादृच्छिक चयन से जुड़ी नहीं होती हैं। स्टोकेस्टिक प्रक्रिया संभावना तालिकाओं के अनुसार संगीत की घटनाओं को उत्पन्न करती है जो इन घटनाओं की घटना की संभावना को स्थापित करती है [ 3 ]।

हमें किसी प्रकार के सहयोग की आवश्यकता क्यों है?

प्रत्येक दृष्टिकोण के भीतर संगीत पीढ़ी के एल्गोरिदम के अपने फायदे और नुकसान हैं। उदाहरण के लिए, मार्कोव श्रृंखला पर आधारित एक राग पीढ़ी एल्गोरिथ्म सांख्यिकीय जानकारी का उपयोग करता है और पिच को दर्शाता है, लेकिन यह एक राग उत्पन्न नहीं कर सकता है जो लय के संदर्भ में पर्याप्त है।
उनकी संरचना के माध्यम से कई एल्गोरिदम के उपयोग पर आधारित एक सहयोगी दृष्टिकोण प्रस्तावित है। एक एल्गोरिथम रचना के निर्माण का विचार नया नहीं है। यह पहली बार पैटर्न मान्यता की समस्या को हल करने के ढांचे में दिखाई दिया और इस एल्गोरिथम की त्रुटियों के लिए पारस्परिक रूप से मुआवजे के रूप में इस धारणा के तहत कई एल्गोरिदम को एक संयोजन में शामिल किया गया।

कौन है कौन

एल्गोरिदमिक रचना की समस्या का सूत्रीकरण यू.आई. ज़ुरावलेव इस प्रकार है। एक एल्गोरिथ्म का निर्माण करना आवश्यक है : एक्स → वाई , जहां एक्स वस्तुओं का स्थान है; वाई - कई जवाब। सेट X और Y के साथ, एक सहायक सेट R , जिसे अनुमान स्थान कहा जाता है, पेश किया गया है। हम एल्गोरिदम को एक सुपरपोज़िशन (x) = C (b (x)) का रूप मानते हैं, जहाँ फ़ंक्शन b: X → R को एल्गोरिथम ऑपरेटर कहा जाता है, और फ़ंक्शन C: R → Y निर्णय नियम है। एल्गोरिथ्म ऑपरेटरों की एक एल्गोरिथ्म रचना बी _टी : एक्स → आर, सही संचालन एफ: आर ^टी → आर और निर्णय नियम सी: आर → वाई एल्गोरिथ्म ए: एक्स → वाई के रूप है [ 4 ]:

और पीढ़ी के बारे में क्या?

जैसा कि आप देख सकते हैं, यह दृष्टिकोण इनपुट मान्यता के लिए लागू है, लेकिन संगीत पीढ़ी के एल्गोरिदम कुछ भी नहीं पहचानते हैं, लेकिन नई चीजों को संश्लेषित करते हैं। इसलिए, हम संगीत की घटनाओं (नोट्स) के वर्गीकरण या मान्यता के कार्य को कम करने का प्रयास करेंगे।
मौजूदा एल्गोरिदम में से प्रत्येक का उद्देश्य एक निश्चित अवधि और पिच के नोटों की एक श्रृंखला बनाना है। लेकिन यह एल्गोरिदम के आंतरिक तर्क को बदलने के लिए पर्याप्त है ताकि उत्पन्न नोट बाहर से आए (उदाहरण के लिए, यादृच्छिक नोट जनरेटर से), और एल्गोरिथ्म एक अनुमान देता है, अगर यह वर्तमान स्थिति में इनपुट पर प्राप्त नोट को संश्लेषित कर सकता है। इस प्रकार, मान्यता समस्या के लिए पीढ़ी की समस्या कम हो जाती है।

सहयोग दृष्टिकोण

एल्गोरिदम बी ₁ (एक्स) और बी ₂ (एक्स) के इनपुट के लिए हम सेट एक्स = {(नोट ₁ , अवधि ₁ ) से मूल्यों के जोड़े प्रस्तुत करेंगे ... (नोट ₁₂ , अवधि ₁ ), (नोट ₁ , अवधि _एन ) ... (नोट ₁₎ , अवधि _N )} बेतरतीब ढंग से प्राप्त की।
अनुमान स्थान R = {0, 1} है , जहां 1 उपयुक्त इनपुट डेटा का संकेत है, 0 अनुचित डेटा का संकेत है। कोई भी एल्गोरिथ्म b _i (x) अनुमानों की एक जोड़ी बनाता है (R , R ) , जहां R का नोट स्कोर है, R ^D अवधि का अनुमान है।
सुधारात्मक ऑपरेशन के रूप में, हम एक साधारण वोट मानते हैं [ 4 ], अर्थात

शुरू किए गए अनुमान अंतरिक्ष आर और एल्गोरिदम बी ₁ (एक्स) और बी ₂ (एक्स) के लिए, सही संचालन एफ में निम्नलिखित हैं:

हम निर्णय नियम को निम्नानुसार परिभाषित करते हैं

नियम उत्तर Y के सेट में रेटिंग स्पेस R का अनुवाद करता है । उत्तर का सेट Y = {M ₁ , M ₂ } इनपुट को दो वर्गों में विभाजित करता है: M ₁ - माधुर्य जोड़ी (नोट, अवधि) और M ₂ - अनुपयुक्त जोड़ी के लिए उपयुक्त है।
इस प्रकार, निम्नलिखित एल्गोरिथम रचना प्राप्त की जाती है:

विशेषज्ञता का क्षेत्र

हम एल्गोरिदम बी ₁ (x) की क्षमता के क्षेत्र को उच्च-ऊंचाई के रूप में परिभाषित करते हैं, और एल्गोरिथ्म b ₂ (x) को लयबद्ध रूप में। बी ₁ (x) एल्गोरिथ्म लयबद्ध पक्ष से एक जोड़ी (नोट, अवधि) का मूल्यांकन नहीं कर सकता है, साथ ही एक ऑडियो पिच से बी ₂ (एक्स) एल्गोरिदम भी। हम निम्नलिखित धारणा को स्वीकार करते हैं: कोई भी एल्गोरिथम b _i (x) जो एक निश्चित क्षेत्र में अक्षम है, हमेशा इस क्षेत्र के डेटा का उपयुक्त रूप से मूल्यांकन करता है। दूसरे शब्दों में, एल्गोरिथम b ₁ (x) के लिए R ₁ का एक अनुमान (R ^H , 1) के बराबर है, एल्गोरिथम b ₂ (x) के लिए R ₂ का एक अनुमान (1, R ^D ) के बराबर है।

एक निष्कर्ष के बजाय

सामान्य स्थिति में, प्रस्तावित सहयोग दृष्टिकोण को कई प्रकार के एल्गोरिदम तक बढ़ाया जा सकता है। इसके अलावा, एल्गोरिदम न केवल 0 या 1 अनुमान उत्पन्न कर सकते हैं, बल्कि पूरे अंतराल का उपयोग भी कर सकते हैं [0; 1] , एक इनपुट जोड़ी की घटना की संभावना के रूप में। इसके अलावा, प्रत्येक एल्गोरिदम को भारित किया जा सकता है, जो सबसे महत्वपूर्ण अनुमानों को उजागर करेगा। उदाहरण के लिए, जब एक निश्चित संगीतकार की शैली को मॉडलिंग करते हैं, तो इस संगीतकार द्वारा काम के एक निश्चित सेट पर प्रशिक्षित तंत्रिका नेटवर्क से प्राप्त अनुमान अधिक प्राथमिकता है।

संदर्भ

1. रोडज़िन, एस.आई. कृत्रिम बुद्धि। - टैगान्रोग: पब्लिशिंग हाउस ऑफ टीटीआई एसएफयू, 2009. - 200 पी।
2. Sharov, K. S. मशीन-संगीतकार और संगीत रचनात्मकता की संवेदी धारणा / K. S. Sharov // अंतर्राष्ट्रीय वैज्ञानिक सम्मेलन की सामग्री (6-7 नवंबर, 2009) - एम।: आधुनिक नोटबुक। - 2009 ।-- 240 एस।
3. asmir.info/lib/compmus.htm
4. ज़ुरावलेव, यू। आई। मान्यता या वर्गीकरण समस्याओं को हल करने के लिए बीजीय दृष्टिकोण पर / यू.आई. ज़ुरावलेव // साइबरनेटिक्स की समस्याएं। - 1978. - टी। 33. - एस। 5–68।