據(jù)外媒報道，約翰·塞巴斯蒂安·巴赫（Johann SebasTIan Bach）被廣泛視為巴洛克音樂最偉大的作曲家之一。巴赫生活在18世紀的德國，被尊稱為“西方近代音樂之父”。他將西歐不同民族的音樂風格融為一體，其曲調(diào)之美，對和聲與旋律技藝的掌握之嫻熟，都為其贏得巨大聲譽。

巴赫比較擅長的一種音樂形式被稱為復(fù)調(diào)圣歌，適合于合唱團的大合唱。這些曲子基于路德教會的教義譜寫，以四聲部的方法合唱。巴赫以譜寫適合女高音、女低音、男高音以及男低（或中）音合唱的四聲部曲目聞名。巴赫共創(chuàng)作了300多首短樂章。

這些曲目引發(fā)了計算機科學家的興趣，因為其創(chuàng)作過程都是按部就班的，有跡可循。但這種創(chuàng)作同樣很難，因為和聲與旋律之間存在微妙的相互作用。這就產(chǎn)生了一個有趣的問題：機器能夠創(chuàng)造出巴赫風格的曲目嗎？總部位于巴黎的索尼計算機科學實驗室的研究人員蓋唐·哈杰里斯（Gaetan Hadjeres）與弗朗索瓦·帕切特（Francois Pachet）給出了答案。

哈杰里斯與帕切特開發(fā)出一種神經(jīng)網(wǎng)絡(luò)，可以學習如何創(chuàng)作巴赫風格的復(fù)調(diào)圣歌。哈杰里斯與帕切特稱這種深度學習機器為DeepBach，他們說：“在利用巴赫的曲調(diào)對DeepBach進行訓練后，我們的模型可以譜寫出非常類似巴赫風格的曲目。”這些曲目甚至可誤導人類專家，讓他們以為真的是巴赫創(chuàng)作的。

機器學習技術(shù)的簡單易懂，哈杰里斯與帕切特通過創(chuàng)造數(shù)據(jù)集訓練他們的神經(jīng)網(wǎng)絡(luò)。最初，他們利用巴赫創(chuàng)作的352首曲目訓練它，然后將它們與其他預(yù)定義音域中的其他關(guān)鍵因素調(diào)換，并給出2503首復(fù)調(diào)圣歌的數(shù)據(jù)集。哈杰里斯與帕切特利用這些新的數(shù)據(jù)集訓練神經(jīng)網(wǎng)絡(luò)，幫助其識別巴赫的和聲等特征。

此后，深度學習機器就可以自己產(chǎn)生巴赫風格的和聲。哈杰里斯與帕切特測試了能夠演奏旋律的裝置，然后利用其產(chǎn)生另外三種和聲。雖然其他算法也可以做到這種程度，但更重要的問題是它們?nèi)绾文芘c巴赫的作品進行對比。為了找到答案，研究人員要求1600多人傾聽同樣旋律的不同和聲，其中包括400多名音樂家或音樂系的學生。每個人都必須確定2種和聲聽起來更像是巴赫的風格。亞久人員還測試了其他算法產(chǎn)生的和聲。

結(jié)果非常有趣。當播放DeepBach產(chǎn)生的和聲時，半數(shù)人都認為它是巴赫的作品。與其他算法產(chǎn)生的音樂相比，這個比例相當驚人。哈杰里斯與帕切特說：“鑒于巴赫作品的復(fù)雜性，我們認為DeepBach的表現(xiàn)非常棒。”畢竟即使演奏巴赫本人的作品，參與測試人員做出正確判斷的比率也僅為75%。

這個有趣的發(fā)現(xiàn)有重要意義。如果深度學習機器能夠創(chuàng)作出巴特風格的曲目，它是否也能創(chuàng)作其他作曲家風格的曲目，甚至其他風格的音樂？ 這可能為分析譜曲和研究創(chuàng)作性質(zhì)提供有益的啟示。哈杰里斯與帕切特表示：“這種方法不僅可被用于創(chuàng)作巴赫的復(fù)調(diào)圣歌，還可以創(chuàng)作更廣泛的復(fù)調(diào)合唱音樂。”

在很多情況下，都是說起來容易做起來難。巴赫的復(fù)調(diào)圣歌高度結(jié)構(gòu)化，而且遵循特定的規(guī)則。但其他形式的音樂卻并非總是如此有組織性。毫無疑問，對于索尼實驗室和其他機構(gòu)來說，深度學習機器開始創(chuàng)作非常棒的音樂。如果這些機器不久后可創(chuàng)作更多作品，比如交響樂或歌劇，也無需感到過于震驚。當然，巴赫肯定會感到非常驚訝！