如果AlphaGo涉足到中国象棋，它有多大把握击败我们的象棋高手？？
110回复/16亮 50794浏览
【环球网综合报道】智能手机的功能日益强大，但也衍生出很多的作弊问题。据香港《文汇报》3月23日报道，英国排名13位的国际象棋大师戈尔马利近日受访时透露，很多选手在比赛中借口去洗手间，然后偷偷利用手机协助思考下一步棋。
　　戈尔马利表示，“作弊”的行为虽然在顶级棋赛少见，但在低级别赛事却很难防范。
　　现年38岁的戈尔马利表示，现在的计算机功能太过强大，手机应用程序(app)如Droidfish和Shredder令分析和思考每一步棋变得非常容易。他说，自己已经注意到有几位棋手的棋艺“离奇大进步”，但他拒绝透露他们的身份。
　　戈尔马利称，虽然英国大部分锦标赛禁止携带手机，但无法阻止选手把它藏在身上。不过他也强调，顶级赛事的棋手无法借手机作弊，因为他们在赛后需解释走每一步棋的原因。
　　据报道，国际棋坛过去也出现过不少作弊事件，2013年保加利亚棋手伊万诺夫被发现比赛中，多步棋均与著名计算机分析软件的模拟结果吻合，被下令停赛4个月。2010年国际象棋奥林匹克比赛中，法国包括国家队队长在内的3名棋手，被发现利用手机短信、计算机程序和暗号击败对手，遭法国国际象棋协会勒令停赛。(实习编辑：郑慧婷 审核：谭利娅)
引用13楼 @ 发表的:
电脑和人工智能是两码事。电脑是接大数据网络的，人工智能是靠写好的程序去学习人类的战术和走法。本身其实是单机玩s
当它能力足够穷举时，你却反过来要求它降低计算能力，合适吗？如果今天运算速度重大突破，后天比赛狗就会改穷举，这有什么丢脸的呢？发自手机虎扑
引用18楼 @ 发表的:
一个职业棋手应该至少很难战胜阿法狗了！那么比如中国派出古力，柯杰，常昊，孔杰，俞斌这样五人组，为防止谷歌用黑科技让阿法狗能听懂中文从而了解他们讨论的棋路采取五人在隔壁房间商量探讨 然后通过耳机告诉棋盘边的人怎么走
集五人之力可否完爆阿法狗
alpha go 一天要和自己对战150万次，他现在已经是李世石的水平之上了。 和李世石对战150万次会有多大提升就不用多说了吧
100%还有疑问？
路数上不能比，goalpha完胜
阿法狗让你匹马象棋高手也不一定能赢吧。。。。。。。
黑科不黑湖，黑骑不黑詹
你放的图片红方先走的话，是出右边的车将军，然后对方被迫吃掉；然后跳马用右边的炮将军就赢了。如果黑子先走黑子挪兵直接赢。闲着无聊了，对不住LZ
讲道理的话alphago除了围棋啥也不会
在飞行棋上，我表示可以和阿尔法狗五五开，巅峰状态可以做到八二开。
梨花院落溶溶月，柳絮池塘淡淡风。
引用2楼 @ 发表的:你牵只阿尔法狗穿越去天龙，就没虚竹什么事了
电源插鼻孔上，网线接菊花里。发自手机虎扑
引用33楼 @ 发表的:
麻将比象棋简单多了
主要是麻将靠运气，再牛逼的人工智能也不能稳赢啊
引用49楼 @ 发表的:
讲道理的话alphago除了围棋啥也不会
输入象棋程序，再调试一下分分钟虐象棋高手
你打个单机最高难度的，去试试呗
引用53楼 @ 发表的:
输入象棋程序，再调试一下分分钟虐象棋高手
至少几周几个月时间
引用50楼 @ 发表的:在飞行棋上，我表示可以和阿尔法狗五五开，巅峰状态可以做到八二开。
。。。狗次次强开六怎么办
没有得你的允许 我都会爱下去
象棋比围棋更容易算后面每一步的可能。围棋都赢不了，象棋更难，我觉得只有中国的国粹，麻将，靠手气还有机会赢几把。
引用16楼 @ 发表的:
象棋洗洗睡吧。我们还有最后的堡垒
麻将？那是麻将太简单，真麻将程序能输掉你底裤。发自手机虎扑
柳大华则认为，以电脑的计算能力，战胜中国最好的象棋特级大师绝没问题，“去年我和电脑下了两盘，输得没脾气”。
――这是07年的老新闻了，柳大华是中国象棋特级大师。那个时候的软件就是这个水平，现在你就想吧……
引用19楼 @ 发表的:
这是国际象棋
我希望你不是认真的
中国象棋很早电脑就已经完爆人脑了，在电脑眼里中国象棋太简单了，直接用穷举法，算好所有能走的可能，它每一步都算到十几二十步后的所有可能，然后选出最优然而这是好几年前了现在电脑的运算速度，估计每次都能算到几十步以后了围棋不能用这种穷举法，围棋的每一步影响后面的可能性太多了，最多可能性高达10的171次方，而宇宙原子数只有10的80几次方，如果用穷举法电脑的水平根本连业余选手都能吊打，所以谷歌用让阿发狗学习人类思维方式，记棋谱，排除掉每一步中不可能出现的下法，可以大幅度降低能走的步数的可能性，也就是让机器有了“大局观”这种东西，就算是围棋程序这么难设计，现在依然赢了两次顶尖选手了从数据运算量上考虑，象棋的程序比围棋程序大概简单几千到几千万倍吧。[ 此帖被咆哮的路人甲在 23:50修改 ]
您需要登录后才可以回复，请
& 允许多选
116人参加识货团购289.00元133人参加识货团购45.00元92人参加识货团购459.00元178人参加识货团购499.00元174人参加识货团购149.00元20人参加识货团购195.00元144人参加识货团购559.00元103人参加识货团购155.00元77人参加识货团购288.00元342人参加识货团购699.00元204人参加识货团购138.00元277人参加识货团购449.00元声明：网友言论仅代表当事人观点，与本站立场或意愿无关，本站对其内容不负法律责任；未经本站及原作者授权，请勿转载或建立镜像，违者依法必究
移动客户端
大阪本社 （广告）
地址：大阪市浪速区難波中1-9-6宮守ビル2F
東京事務所 （全媒体）
地址：東京都新宿区新宿1-10-5 岡田ビル7階
手机客户端
小春株式会社 & & 法律顾问 高桥史记 顾问 陈亮 & &
, 鲁公网安备50号人工智能可以作曲吗？
人工智能可以作曲吗？
【知乎用户的回答(240票)】:
冯诺伊曼在某次演讲中说到：到底什么是干不了的？只要你把被认为是计算机无法解决的问题描述清楚，计算机就能总能找到一种方法解决它。也就是说，如果题主能把什么是和好定义清楚，计算机就可能实现你所想要的。
关于AI目前有多利害各位的回答已经比较详细了。但是，我要补充的正是创作好音乐这一过程中无法描述的谜题：和人类审美的关系。
关于人工智能有两种常见的误解：
1 认为机器是理性的无法生产出美的有意义的有感情作品；
2 认为机器不具有创造力，只能尽量模仿人类；
对于第一种误解，我想指出一段有限长度的旋律也是音符组合的一种。有限长度的音乐其组合也是有限的。即便一段听起来充满情感的乐句，只要有足够长的时间，计算机也能枚举出来。只不过计算机并不认为这条乐句有何特别，无非就是音符所有可能组合中的一个特例。机器也能制造被人类认为有情感的作品。
第二种误解常常源自于人们对历史上天才的感叹。这些所谓天才的作品如此震撼人心，使得人们相信他们身上有某种神秘的力量与智慧，因此认为机器只能模仿天才。但是，一首数百个音符的《月光》也是也是音符组合的一种。同上，只要给机器足够长的时间，我们都可以在其胡乱枚举出来的“作品”中找到天才一般的作品。（博尔赫斯的图书馆）
综上，AI能不能作曲这一问题就变成：计算机是否有某种算法，在自己生成的大量“垃圾”中，筛选出符合人类审美的作品。所以，“AI能不能作曲”不是一个计算机能干什么的问题，这个问题本质上是“人类能不能把审美品味抽象成计算机能理解的规则”
人类审美（什么是好音乐）是一个历史产物，也是一个不断流变的过程。固然我们的审美有一些通用的准则。但这些准则无法穷尽所有人类复杂的品味（ 好听么）。大部分情况下，我们都不知道自己喜欢什么。所以一些音乐推荐服务就产生了，如Pandora，Spotify。人工智能先驱Minsky曾经说过：“AI进展缓慢不是因为我们对计算机了解还不够，而是对我们自己了解不够。”
当然，如果真有人把人类审美规则抽象成计算机语言，让计算机在枚举出的“作品”中去搜索“伟大的作品”还涉及计算复杂度的问题。但良好的审美规则能大大减少搜索空间。天才之所以能创作脍炙人口的巨作，是因为他们在人类社会中长大，谙熟人类文化，精巧的把握了时代品味。天才怎么作曲的？其实他们也是试错试出来的。正因为他们对人性的了解，大大减少了试错次数。
关于题主问的计算机创作音乐是否经济上可行，值得推广，能否成为偶像，答案就很简单了：
不 对于流行乐，其创作过程相比于三体问题要简单多了。让人来干就好，根本不用动用每年电费上千万美元的“神机”。至于要创作“伟大的传世之作”，更不需要AI这么高级的技术。所谓莫扎特肖邦舒伯特，无非也是当时的流行音乐，或作者死后才流行起来的音乐。人类随着心情淘汰掉一些听烦了的流行乐，留给后世的就是“”。
AI作曲？大材小用。
===============================回复评论=================================
考虑到目前中文互联网已经被表演欲过剩的人占领了这一现状，我本来尽量想把答案写短，因此选择了比较通俗的表达方式，造成了一些误解。在此澄清。
1. 关于“流行”
我们常遇到一些言谈举止比较“老派”的人，在他们眼里伟大的艺术家和“流行”没有半点关系。在上文我把莫扎特等古典大师称作“当时的流行作家”，本意在于强调这些作品必须曾经有一定流行度，才得以被保存留给后世。 当然是不一样的。但他们的作品都在受到过一定数量人的追捧。
伟大的作品被一定数量的人追捧传播难道不是好事吗？为何“流行”就成了贬义词？如果这样，听陈奕迅的会觉得凤凰传奇是流行，听莫扎特会觉得陈奕迅是流行，听巴赫的觉得莫扎特是流行，听勋伯格凯奇觉得巴赫是流行。最后在高度文明的外星人眼里，除了核电驱动播放的正弦波，其他地球音乐都是流行。
固然，有一些作品在我们心中的意义是超越审美的，是抚慰心灵的，是救赎灵魂的。但是艺术作品从开始传播直到呈现在你面前，就已经经历了一个被神化的过程。Alan Bloom是一名著名的古典学者。他曾经引述柏拉图把摇滚乐批得一文不值。结果被当时叱咤风云的摇滚了乐人。Bloom是一个我挺喜欢的大学者，但是关于音乐他犯了一些错误。他把社会对某些作品的神化当作了作品本身超越时代的内隐特质。伟大作品取得伟大的历史地位，是和当时社会文化有关的。流行的音乐也可能成为伟大的音乐。
我刻意淡化古典作品复杂深邃的特征，而强调他们曾经流行过的事实，目的就是提醒大家不要犯和Bloom一样的错误。成就一个作品的“伟大”，不光是作品本身，还有社会对其评价讨论。人只有经过社会化，才能欣赏艺术作品。每个人都是带着他人为我们创造出的成见去听去看的。这种社会历史的二次加工是一个掺杂了审美，权力与支配，阶级的复杂过程。
2. 关于“枚举”
我在回答中说计算机可以把伟大的作品“枚举出来”，想强调再伟大的音乐作品也只是所有音符组合的一个特例。这些所有音符组合构成的集合是的。但我的意思不是说“因为《月光奏鸣曲》是递归可枚举集合中的一个元素，所以计算机作曲枚举音符组合就ok了”。这只是AI有可能创作好音乐的前提。接下来AI的作用就是做两件事：1尽可能缩小搜索空间，2判断自己枚举出来的作品是否符合审美。这个题目下的回答大多集中讨论前者。因此，我的回答只讨论计算机是否可能具有“审美品味”。
最后一句“AI作曲，大材小用”被这句话一些人解读为“懂点计算机就指点江山”的傲慢。如果我没能让读者领会其中的幽默，请见谅。研究AI作曲固然有意义。但很多人以为AI的最终成功就是要奴役机器为我们完美服务。AI一直在应用方面不断取得突破。但是，AI领域最核心的问题“何为智能？”却迟迟没有答案。这个问题不但会颠覆人对机器的看法，最重要的让人类重新思考：”我们是什么？“ 。
把AI现今的发展与其最初为自己制定的理想主义蓝图相比较，我们看到的危机多于希望。最近一次大混战AI方法论
VS 最后也没争出可所以然来。
“AI作曲？大材小用。”是想提醒：当人类沉醉在被一个个天才妆点的历史中的时候，自恋遮蔽了理智，微不足道的成就被歌颂。而一些叛徒，他们敢于拷问那些光芒万丈的神话，他们才发现了机器所蕴含的无穷可能性，他们才有幸瞥见大自然的残酷。
3. 关于“AI作曲形式化”
这个讨论出现在问题的评论中。有人批评，AI作曲注定了只能创作形式化的音乐。而非形式化的音乐，比如中国的古琴。我想他的意思大概是是说AI作曲只能创作严格服从服从律法的音乐。
这是一个好问题。
AI作曲不一定需要律法。AI也可以创作调性自由甚至无调性的音乐。只要一段音乐的元素组合是递归可枚举的，AI就可以找到符合我们要求的音乐。不光是微分音，即便是连续变化的音（滑音），计算机也可以用插值的方法逼近。有人可能说：“我定义一个完美的正弦波，计算机再怎么插值都有误差”。但是，这个误差可以忽略不计。因为人耳辨识音高是有极限的。这个极限大概是3～4音分（100音分=半音），只要误差小于这个数值，人耳是听不出来的。
【诗云的回答(108票)】:
大牙恼怒已极，来回急走几步，总算挤出了一点儿耐性：“好，好，你说，按神说的那些五言七言诗，还有那些常见的词牌，各写一首，总共有多少字？”
“不多，也就两三千字吧，古曲诗词是最精练的艺术。”
“那好，我就让你这个白痴虫子看看它有多么精练！” 大牙说着走到桌前，用爪指着上面的棋盘说：“你们管这种无聊的游戏叫什么，哦，围棋，这上面有多少个交叉点？”
“纵横各19行，共361点。”
“很好，每点上可以放黑子和白子或空着，共三种状态，这样，每一个棋局，就可以看作由三个汉字写成的一首19行361个字的诗。”
“这比喻很妙。”
“那么，穷尽这三个汉字在这种诗上的组合，总共能写出多少首诗呢？让我告诉你：3的361次幂，或者说，嗯，我想想，10的271次幂！”
“这……很多吗？”
“白痴！”大牙第三次骂出这个词，“宇宙中的全部原子只有……啊——”它气恼得说不下去了。
“有多少？”伊依仍然是那副傻样。
“只有10的80次幂个！你个白痴虫子啊——”
-------------------------《诗云》
不要以为音符就那几个，真的排列组合起来，那数量也是大到你无法想象的。
------------------------- 诗云
“那，您总该考虑诗的内容吧？最后的计算结果中肯定有百分之九十九的诗是毫无意义的，存下这些随机的汉字矩阵有什么用？”
“意义？”李白耸耸肩说，“使者，诗的意义并不取决于你的认可，也不取决于我或其他的任何人，它取决于时间。许多在当时无意义的诗后来成了旷世杰作，而现今和今后的许多杰作在遥远的过去肯定也曾是无意义的。我要作出所有的诗，亿亿亿万年之后，谁知道伟大的时间把其中的哪首选为颠峰之作呢？”
“这简直荒唐！”大牙大叫起来，它粗放的嗓音惊奇了远处草丛中的几只鸟，“如果按现有的人类虫子的汉字字库，您的量子计算机写出的第一首诗应该是这样的：
啊啊啊啊啊
啊啊啊啊啊
啊啊啊啊啊
啊啊啊啊唉请问，伟大的时间会把这首选为杰作？”
一直不说话的伊依这时欢叫起来：“哇！还用什么伟大的时间来选？它现在就是一首颠峰之作耶！前三行和第四行的前四个字都是表达生命对宏伟宇宙的惊叹，最后一个字是诗眼，它是诗人在领略了宇宙之浩渺后，对生命在无限时空中的渺小发出的一声无奈的叹息。”
-------------------------《诗云》
一首歌，或许你我他都认为它是噪音，但谁又能保证这审美不会随时间而改变，这首噪音不会成为后世的佳作呢？
------------------------- 诗云
“真是伟大的艺术品！”大牙由衷地赞叹道。
“是的，它的美在于其内涵：一片直径一百亿公里的，包含着全部可能的诗词的星云，这太伟大了！”伊依仰望着星云激动地说，“我，也开始崇拜技术了。”
一直情绪低落的李白长叹一声：“看来我们都在走向对方，我看到了技术在艺术上的极限，我……”他抽泣起来，“我是个失败者，呜呜……”
“你怎么能这样讲呢？”伊依指着上空的诗云说，“这里面包含了所有可能的诗，当然也包括那些超越李白的诗！”
“可我却得不到它们！”李白一跺脚，飞起了几米高，又在地壳那十分微小的重力下缓缓下落，“在终极吟诗开始时，我就着手编制诗词识别软件，这时，技术在艺术中再次遇到了那道不可逾越的障碍，到现在，具备古诗鉴赏力的软件也没能编出来。”他在半空中指指诗云，“不错，借助伟大的技术，我写出了诗词的颠峰之作，却不可能把它们从诗云中检索出来，唉……”
-------------------------《诗云》
让人工智能谱曲难的不是谱曲本身，难的是如何告诉人工智能，你的审美观～
------------------------- 诗云
【韩学博的回答(49票)】:
这是EMI（人工智能音乐作曲系统）创作的一个模仿巴赫风格的赞美诗作品，大家先听听看。
人工智能谱曲：EMI创作的巴赫风格赞美诗——bach-1 /programs/view/KyIFFbbCDnQ/
转码成wav格式以后才可以上传到土豆，不过音质损失很严重，大家可以去这里（） 下载，解压以后改成midi格式的就可以播放了。
相关文章：
2、科学松鼠会 - 算出音乐来（）
一、什么是人工智能？
二、人工智能的实现途径。三、我会怎样用人工智能谱曲？
四、人工智能谱曲的前沿。
五、总结六、回答题主的问题。
一、什么是人工智能？
提到人工智能，相信很多人的第一反应是1997年5月击败国际象棋世界冠军的的“深蓝”计算机。
还有电影《机器人总动员》里的WALL·E和Eve。
有人可能会说，“深蓝”和WALL·E简直就是两个时代的产物好吗？别着急，往下看。
Wikipedia：
人工智能（Artificial Intelligence, AI）是指由人工制造出来的系统所表现出来的智能。
从工程学的角度来看，人工智能就是人造的智能。智能和人工智能的关系就像是皮革和人造皮革的关系。不了解皮革的构造和特性，就制造不出相应的人工皮革。所以，首先要明确“智能”的概念。
“智能”是什么？从直觉上讲，智能就是人们认识和改造客观世界的综合能力，是人类区别与其他事物的本质特征。然而，要给“智能”一个科学明确的定义，却非常困难。因为，目前人类还没有把能力揭示人脑及其思维能力的奥秘。于是，对于人工智能的定义就有了两种不同的观点。
一种观点强调智能的外在表现，认为只要机器表现得像人类一样就是具有智能的。这种观点叫做“弱人工智能”，对应的检测实验是“图灵测试”。
另一种观点强调智能的形成过程，认为只有和人类一样思考，具有人类的智慧的机器才叫智能。这种观点叫做“强人工智能”。对应的检测实验是哲学家约翰 塞缪尔设计的“中文屋思想实验”。
为了实现“强人工智能”，需要揭示人类智能的根本机理。在其基础上去模拟、延伸、和扩展人类智能，实现脑力劳动的自动化，这是人工智能研究的根本目标，也叫长期目标。相应的，近期目标是研究如何是计算机更“聪明”，在某一方面、从某种程度模拟人类的智能，如进行推理、决策、规划和学习等。
上面提到的“深蓝”计算机就是弱人工智能，而WALL·E则是强人工智能。
很明显，以目前人类的水平，实现人工智能谱曲只能使用弱人工智能的方式。那么，弱人工智能就只能通过刘慈欣的小说《诗云》里提到的穷举法来谱曲吗？
先放一张人工智能处理的图片。
左边是输入的一个无规则像素点阵，右边是经过自组织特征映射网（SOFM，人工神经网络的一种）聚类的结果，你不觉得这很“抽象派”、“现代派”吗！（我知道这称不上艺术，但这只是一个形象的比喻。）
人工智能有很多实现途径，穷举法只是其中之一。
二、人工智能的实现途径。
人工智能作为一种刚刚建立不久的学科，很多理论和方法还都在探索阶段。在人工智能的发展历史中，不同学科背景、不同研究领域的科学家们从不同的角度出发，对人工智能进行着探索。现有的人工智能的实现途径有以下几种：
符号主义。以“符号处理”为核心，认为知识可以用符号表示，基于符号的推理可以实现人工智能。此类途径研究时间最长、应用最广、影响最大，广泛应用于计算机博弈、自动定理证明等领域。“深蓝”计算机就是此类途径的代表作。连接主义。通过模仿大脑神经元的结构，建立人工神经元，并连接成为人工神经网络，从而实现人工智能。和符号主义的“自上而下”理念恰恰相反，此类途径“自下而上”的关注智能体的结构。学习主义。让机器想婴儿一样学习成长，逐步地增长“智力”，是此类途径的目标。然而，人类对“学习”这一过程的本质知之甚少，因此还处于不断摸索的过程。学习主义可能是实现人工智能的根本途径。行为主义。既然达到人的智力水平很困难，何不先制造昆虫这样地智能水平系统呢？与其他依靠键盘、鼠标、显示器等I/O设备输入输出的无实体智能系统不同，行为主义将智能实体置于环境之中，对环境的变化作出反应。进化主义。通过模仿达尔文的进化论，将问题的解表示成若干个个体或基因，通过随机扰动实现突变，并通过环境的选择挑选优秀个体，从而获得越来越适应环境的个体。群体主义。自然界中群体的智慧往往大于个体智慧的和，例如雁群、蚁群等，群体主义就是模仿这种现象的一种途径。（上面的六种途径并不是泾渭分明的，例如学习主义就用到了人工神经网络来实现。它们只是从不同的角度提出的解决方案。）
有了以上这些途径，人工智能可以解决哪些问题？
推理。搜索。学习。……
三、我会怎样用人工智能谱曲？
启发式搜索。随机输入+SOFM聚类。遗传算法。
1. 启发式搜索。
搜索的目的是在最短的时间内找到最优的解。然而，解的最优性往往伴随着计算的复杂性，因此必须在二者之间进行权衡。
搜索策略大致可以分类如下：
其中，启发式搜索就是在搜索每一个节点时根据启发式信息判断是否有继续向下搜索的必要，如果没有，就结束对这个节点的子节点的搜索，从而减小了计算的复杂性。下面是启发式搜索的示意图：
对于谱曲算法，我的想法是这样：
利用启发式信息，搜索长度为10的一段旋律的部分可能解。
（1）启发式信息：启发式信息可以是这个音和上一个或几个音、这个和弦和上一个或几个和弦的搭配程度，这个可以通过分析大量现有作品，从而获得一个概率表。例如，如果在很多乐曲中，两个和弦一起出现的概率很小，说明这两个和弦的组合是不和谐的，就不需要继续往下搜索了。
（2）长度为10：搜索长度不可以太长，否则计算量会很大。这也是这种方法的一大缺点。
（3）部分可能解。为了简化计算，可以只在中音区搜索，即便如此，全部解仍有21的10次幂之多，不过考虑到启发式信息，我们只需要搜索一小部分解就可以了。
评价：和简单的枚举不一样，这种方法可以减少很多毫无意义的搜索。（刘慈欣的《诗云》里的外星人科技那么发达，他应该会使用这种方法才对啊！^_^|||）不过，这种方法的缺点是乐曲长度短、效率低（不适合穷举法相比，而是和人类的创作相比）、没有创造性。
2. 随机输入+SOFM聚类。
上面的搜索法的缺点之一是没有创造性，缺少变化，我认为很重要的一点是在最优性和可行性之间选择了可行性。那么，有没有一种方法可以提高解的最优性呢？
为了提高乐曲的长度，聚类是一种不错的方法。
Wikipedia：
聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集，这样让在同一个子集中的成员对象都有相似的一些属性。
我们再看一下这一张图片。
这是利用自组织特征映射网（SOFM，人工神经网络的一种）实现的颜色聚类。输入一个无规则像素点阵，把有着相似属性的点移动到一起，就可以输出一张“像模像样”的图片。
同样的，输入一串很长的无规则的音，通过对相似的音的聚类，就可以的到一段听起来富有变化但又不突兀的旋律。
（1）无规则的音可以随机产生。
（2）“相似”的定义可以是频率的接近，也可以是通过对大量乐曲的分析得到的一张相似性表。
评价：和上面提到的搜索不一样，这种方法由于输入具有随机性，所以输出也富有变化，避免了单调，而且单次计算复杂性很低。不足的是，这种方法聚类的结果不一定和人类的口味，所以同样需要大量计算，从中选择我们喜欢的解。
3. 遗传算法。
上面提到的两种算法，都是在给定了输入以后才可以谱曲，真正的谱曲可不是这样的。那么怎样才能使机器看起来像人一样谱曲呢？
举一个例子，我们假设外星人和人类的审美观一样，假如你是一个外星人，你完全不了解人类的思维方式，在你看来，人类作曲的过程就是一个随机的搜索过程，而人类的大脑却总能挑选出动听的旋律出来，你是不是觉得人类很“智能”呢？
遗传算法是学习大自然中生物的进化，过程是这样的：将音符的排列组合编码成一组基因群体，从群体中选择父代，父代通过随机扰动产生随机变化，通过适应性函数选择优秀的个体，加入群体并下一次进化，直到找到可行解为止。
（1）编码：把音符的顺序映射为生物的基因。
（2）随机扰动：每一代进化以后，随机产生扰动，随机对音符进行交叉（重组）、变异（改变某一位的音符），实现解的多样化，从而尽量实现整体最优。
（3）选择：进化以后通过适应度函数选择，找出最适应环境的个体，进行下一次进化。
（4）适应性函数：评价解的优劣性，在这里就是曲子的“悦耳度”，体现在数学上可以使不同音符、和弦相连的概率，也可以是和名作片段的相似性等。
评价：随机扰动增加量解的多样性，从而保证了解的最优性；选择操作保证了搜索的效率，从而保证了搜索的可行性。
四、人工智能谱曲的前沿。
Experiments in Musical Intelligence （音乐智能实验，EMI）是美国加州大学圣克鲁斯分校的音乐教授兼作曲家David Cope开发的一款软件，被认为是目前最先进的人工智能音乐作曲系统。开头的巴赫风格的赞美诗就是他的杰作。下面是EMI的官网。
1987年，当Emmy谱写的巴赫风格作品首次演出时，坐在伊利诺伊大学音乐厅的所有听众惊讶得目瞪口呆。两年以后，在圣克鲁斯巴洛克艺术节上，科普先生要求听众告诉他，哪首曲子是巴赫的原创，大多数人都无法给出正确的答案。
MI 中最深层次的原理是被 Cope 称作“重组音乐 (recombinant music)”的原理 — 从一名作曲家的作品中识别出不同类型的重现结构，然后以新的排列来复用这些结构，依此产生一份“同样风格下的”新作品。你可以想象 EMI 在学习了贝多芬的九首交响曲后，自行谱出《贝多芬第十交响曲》的情景。
给定几个输入作品的情况下，EMI 的核心手法是这样的：
(1) 分解；(2) 重组。
当然，有许多重要的原理会限制什么段落可以跟在什么后面，这些原理都被公式化确定下来以保证乐曲的连贯。
EMI谱曲的基本单位不是音符，而是已有作品的重现结构。也就是说，EMI的实现原理可以这样理解：买过来一批同一品牌的不同型号的汽车，拆开以后把零件重新组装乘一辆“新车”。
五、总结。
EMI的实现原理相对简单，他只会模仿，不会创作，但优势是成品率高（相对我提到的几种方法），容易实现。
我在上面提到的几个方法，由于分别涉及了局部搜索和随机扰动，因此有可能找到没有先例的优秀作品（可能性是多少另说），会“创作”（虽然随机猜测的比例更大），但代价是计算的时间复杂度、空间复杂度和EMI不在一个数量级，可行性较差。
总之，不管是EMI还是我提到的方法，人工智能的本质是计算。
如果人类能将谱曲转化为算法的话，计算机就可以实现真正意义上的谱曲。否则，计算机就只能模仿和猜测。
六、回答题主的问题。
1. 理论上是否可行，在多大程度上可以替代人类？哪些类型的音乐更适合人工智能发挥，哪些类型只能靠人脑？
答：理论上可行，替代不了人类。人工智能的音乐大多数是模仿，“创新”的可能性很小，代价很高。
2. 现实中是否有尝试，主要障碍在哪里？
答：现实中有尝试，参见开头给的视频和连接。
3. 经济上是否值得研究和推广？
答：经济上值得研究，但现阶段不值得推广。
4. 感性上是否会难以接受？那些本来就高度重复的流行乐，用AI替代技术难度应该不大，但人们听音乐时真正在乎的是音乐本身，还是音乐文化，还是偶像崇拜？
答：以现阶段的科技水平，在可预见的相当长的将来，人工智能替代人的可能性不大。
参考资料：
【LawrenceLi的回答(5票)】:
我在昨天的播客 IT 公論聊了這個問題：
基本上，讓電腦創作音樂的嘗試一直有人在做，但所謂「電腦讓作曲家失業」的事並沒有發生。不過近年來活人寫的音樂，pattern 越來越明顯。音樂媒介高度發達令音樂家更容易挪用過去的風格，而且樂迷也樂於見到自己過去喜愛的風格被翻炒。這加重了音樂創作的模式化和保守化，而模式化程度越高就越容易被機器學習。
以上說的其實是「讓電腦去模仿已經存在的某種音樂風格」。所謂人工智能 / 電腦譜曲還有另外一個層面的意義，會在第二集裡說。
【JerryJazzy的回答(7票)】:
算是个人非常感兴趣的研究方向，智能谱曲应该说，目前雏形是存在的，继续发展的潜力是有的。
现在已经有不少关于计算机作曲的研究，我了解到的方法主要是通过特定的算法，加之机器学习(Machine Learning)甚至比较前沿的Deep Learning。比如我认识的一个英国老师，他就在用genetic algorithm（遗传算法）来尝试实现自动作曲。再比如我见过好几篇实现机器的自动即兴创作（automatic jazz improvisation），听了点demo，好歹是能听的。 更多专业知识我也就不谈了，毕竟只是略知一二，怕说错了误导别人了。
下面开始扯淡。。。
作曲本身不是很难的事儿，懂点乐理的人都可以写点简单曲子，那机器也必然可以仿照我们的逻辑实现（当然也可以不仿照，创建机器的逻辑实现）。有人说艺术这么深奥、感性的东西，机器怎么可能办到？ 但私以为，持这样看法的人必定是不太了解艺术的。 当然了，我不否认艺术是高度智慧的产物，想要机器写出贝九那是不太可能了，但是写个什么钢琴练习曲啊，写个流行歌什么的还是能构想出来的。 艺术也是有逻辑的，有规则的。 就说音乐吧， 音阶、和声、节奏、风格、结构 等等，这些都是规则体系，音乐家的创作逃离不出这些规格，因为逃离出这些规则就“不好听”了，你像所谓的和声学、复调啊不也可以理解为音乐创作的算法体系么？只不过不是那么rigid就是了。
总的来讲，我的看法就是，不要高估但也不要低估人工智能的潜力。确实艺术家的思维是很难去用机器模仿实现的，主观上来讲我们是不情愿艺术产物被机器所替代的，但许多事实又证明，机器已经在有些领域完全超越了人类的能力范围。
最后引用我非常赞赏的一个答案的话:
"让人工智能谱曲难的不是谱曲本身，难的是如何告诉人工智能，你的审美观～”
【Leaxure的回答(2票)】:
看似可以，实则……就现在来说我觉得还不能，如韩学博引用的文章里所提到的,EMMY能创造类似巴赫，莫扎特一样风格的曲子，是以巴赫，莫扎特曾经存在过为前提的，只有巴赫才创造了“巴赫”，也只有莫扎特才能创造出“莫扎特”，而根据前音乐大师所创造的音乐灵魂为基石用现代计算机编程技术所创造出所谓的”音乐AI“，在我看来只是音乐大师们不朽的才华的衍生物而已，EMMY所进行的一系列运作充其量可以视为”演绎”，离“创造”还隔着一条鸿沟，若想跨越这个鸿沟我想人类还需在许多科学领域研究上有“质”的飞跃。
PS：娱乐一下，我想人类和真正的AI对话应该是这样的：
人类：AI你给我来首莫扎特风格的曲子，要没听过的。
AI：爷没空。
（人类对AI一阵拳打脚踢后，AI屈服了，创作出一首曲子，一首有着人类从未接触过的风格的曲子）
人类：这是啥玩意儿，听着咋老新鲜了？
AI：莫扎特风格没意思，这是我独创的AI风格。
人类：你丫这是要造反啊咋地？
（接着人类对AI又一阵拳打脚踢）
对于以后是否会出现真真正正的AI而不是带着各地方言装X的存在于某些手机APP里面的小助手（不能说是伪智能，但我觉得是伪AI），这谁也不敢说，但至少我从许多科学，哲学界前辈的著作中可以读出一种对AI发展的看法：若想使其“创造”，首先使其“独立”。
用什么概率理论是小事，用什么方法编写也是小事，但敢不敢撒手让“它”变异让他干，我想这才是对于AI的大事。
【AirSJack的回答(2票)】:
理论上必须可行。个人认为，需求恒定且能够被足够量化到一定程度的商业音乐可以交给人工智能处理，而艺术性的发挥还是需要人脑。
现实中的尝试，其他人的答案说过很多了。其实行业内也有一些初步尝试的软件，比如band in a box，songsmith等等（max/msp也可以算）。但更准确的描述应该并非人工智能谱曲，而是AI开发者和操作者借由计算机工具的谱曲。
经济上的研究和推广，事实上已经有相当的起步了~不过对音乐家的事业仍然没有影响
感性上不会难以接受，至少在计算机有真正的『创造力』之前，能够听到的AI作品都属于AI开发者的作品而已。
另外，高度重复的流行乐用AI替代难度仍然非常大。因为流行的东西变化的速度，对AI开发者的开发速度和对『流行』文化的把握程度要求都非常高。至于下面的例子，其实并不能说明什么问题。本来对于AI而言，一个有着绝对量化标准的工作比人脑的执行力更强，但音乐的评价标准永远不可能达到绝对量化。所以AI会在人脑谱曲时成为一个越来越好的帮手，但是独立于人脑来说还是有不少困难。
【RushBai的回答(2票)】:
计算机可以写出和谐的乐曲，可以让这种曲子在外行听起来像是受过正规训练过的作曲家写的曲子。
因为乐曲想要和谐，是需要遵循许多数学规律的。比如和弦有着严谨的法则，比如大多数歌曲有着明显的格式，什么G大调，民族调式啊之类的。
换种说法就是，好多曲子都是可以根据某些规则化简成为一些标准型的。
由于这些方面的数学研究已经比较透彻，所以计算机写出的歌曲可以符合这些规则，所以听起来是和谐的，丰满的。
不过计算机写出来的东西不会带有感情，不会让内行喜欢听。
做一个类比：就像你去美术馆时，不希望看到美术馆里面挂的满是windows屏保中的那些算法生成的图像一样。
有一个有趣类似的事情是
历史上有一次计算机科学家使用自然语言处理的技术，生成了另外某个学科的一篇论文，然后投稿到该学科会议中。当然了，这篇论文里面全是没有意义的废话，全是计算机生成的看似连续看似自然的语句。
结果是这篇论文差点被发表出来。
p.s. 我不记得这个例子的细节了。哪位朋友记得这个例子的具体细节敬请补充
【HuaXiao的回答(1票)】:
个人对此话题有浓厚的兴趣，并且硕士毕业论文也是做的这方面的研究。
在人工智能方面，我非常赞同Jeff Hawkins的观点：
如果你想实现真正的人工智能，那首先得了解人脑的工作原理。
——这也是“强人工智能”的理念。
Jeff Hawkins的关于脑科学的talk（可选中文字幕）：
关于AI能否像人一样创作音乐，我的回答是：
1、搞清了人脑的工作原理，就能造出和人脑在本质上相同的AI；
2、如果音乐的创作是通过人脑完成的，那么这种AI一定可以具有可与人脑匹敌的音乐创作能力。
其他的答案中已经有人提到：“AI能否创作音乐的核心问题，就是要把人类的审美观用机器能够理解的语言描述出来。”
这句话再深入、粗暴一点，就会变成：
“AI能否创作音乐的核心问题，就是要让机器知道，怎么才能通过声音来刺激人的脑子，来让人感觉美。”
简而言之：若我们有了一个人造的脑，那它所能做的，又何止是写音乐！
【HugoLEE的回答(2票)】:
我只能说，人工智能谱曲的能力，局限于写这个程序的作者的音乐修养，即便这个人工只能具备分析捕捉其他音乐的能力，它仍旧被局限于旧的音乐体制，而音乐是不停发展的。
音乐的两个构成要素，时间，频率，这两者的组合即便是在一段一分钟的音乐片段里面，都有无限种组合，而AI所能做的，不过是在程序员设定的框架下，枚举所有的音乐，那么除了时间和频率之外，它所要枚举的还有哪些东西呢？
和声进行、曲式构建、装饰音（此处包括经过音、半音、突接、引申、规避音等）、节奏选择、动机创作等等，光这些，它还只能形成一条旋律线，至于配器选择，各声部特色，效果等等，假使有一个或者一群人能将这些因素完美地完善到一个AI上面，这人或者这群人就是史无前例的宗师级音乐人。而这种人只需要在饭后拿起笔轻轻画几条蝌蚪，就能创造出一段美妙又富有内涵的音乐。看看历史上有几个这样的大师吧，巴赫，贝多芬，莫扎特，他们远远达不到以上所要求的大师的境界。
亮贴里面有发布巴赫赞美诗创作AI的，我想要吐槽的是这些音乐的水平低的令人发指。这是巴赫吗？这比小星星还不如吧。
【王睿超的回答(2票)】:
不能 除非人工智能已经能够智能到和真的有血有肉的有七情六欲的知道美丑的你我这样的真人 这才仅仅是有可能 毕竟作曲不是谁都能干的 音乐是现实世界的抽象表现 除非机器像人一样有灵魂 能够又和你一样的感性的心理活动 否则永远不可能 就算你列出所有的组合之后也筛选不出来
【侯雪莹的回答(1票)】:
我认为可以。不过由于计算机没感情，创造出的音乐很可能是噪音或泛泛之音。即便人类觉得某段计算机创造的曲子好听，也不能证明计算机有作曲能力。而那段曲子带来的好的感受不过是因为计算机创造上的巧合与人类情感认知的结合。
【知乎用户的回答(1票)】:
【知乎用户的回答(0票)】:
人工智能谱曲的例子，还有某次BBC的一个节目播出的，分析几百首爱尔兰民歌之后，电脑学会了一些小调中的特点和程式，以及歌词的特点，然后谱写新的爱尔兰小调。制作人把电脑作曲作词的爱尔兰小调播放给爱尔兰小调的歌手们听，那些歌手都反映说，曲子有非常明显的小调的风格和情调，只是听起来不太自然……
【朱逸之的回答(0票)】:
可以. 现在好多专业音乐软件都可以用你指定的乐器自动生成各种风格的音乐, 比如band in a box之类. 具体是不是用人工智能相关的算法, 我也不大清楚. 但是想当然的话, 这应该是一个比较简单/典型的机器学习问题. supervised如神经网络周边也可以, 懒一点的话clustering周边也可能可以.
【yangbobo的回答(0票)】:
建议题主读读候世达写的《如临巴赫》：
这是其中描述程序谱曲效果的部分，当然后面写感受的部分也很精彩。
四分之一个世纪之后，我是如何看待这种推断的呢？说不准。这些问题已困扰我多年，直到现在还是没找到一个确定的解答。 1995 年春，我偶然发现了 David Cope 的《计算机与音乐风格 (Computers and Musical Style)》一书，他是加州大学圣克鲁斯分校的一位教授。在书中我注意到了一首模仿肖邦风格的马祖卡舞曲，它是由 Cope 的 EMI (“Experiments in Musical Intelligence (音乐智能实验)”一词的缩写) 程序所谱的。之所以能引起注意，是因为作为毕生的肖邦爱好者，我觉得没什么伪托肖邦的曲子能骗过我的眼睛。所以我直接在钢琴上即兴把这首 EMI 马祖卡反复弹了好些次，每弹一次，我的困惑与惊讶便增加一层。
尽管能间或能听出些小瑕疵，这首曲子还是给我留下了深刻的印象，因为它似乎在“倾诉”着什么。如果谁告诉我它是出自人手，我绝不会怀疑它的表现力。这首曲子听来有些怀旧，带点波兰味道，而全无抄袭嫌疑。它是崭新的，而又毫无疑问地刻上了“肖邦风格”的烙印，却不令人觉得情感空乏。我的的确确受到了震撼：抒情的乐曲怎么能从一个从未听过一个音、从未活过一秒钟、从无一丝一毫情感的程序中写出来？
越是纠缠于此，我就越是困扰 — 但也越是为之着迷。这里确实有个不符情理的矛盾，狠狠将了我一军。但我不会就此拒绝承认，认为 EMI 无关紧要或缺乏乐感，不然这只能说明我的怯懦心虚而已。我要直面矛盾，与这个怪异的程序奋战到底，因为它动摇了早在我内心深处的信念：关于音乐的神圣地位的信念、关于音乐是人类灵魂的终极圣地的信念。这也是人工智能在奔向思维力、洞察力与创造力之前的最后障碍。
如果我只是看过 EMI 的架构而未听过任何它的产出，我肯定不会把它放在心上。尽管 Cope 在 EMI 上花的功夫比大多数人工智能研究者在任何项目上花的功夫都要多得多，EMI 的基本原理在我看来并不新鲜，甚至显得没什么前途。颠覆我看法的是 EMI 所谱的曲子。
后续的几个月里，我在美国和加拿大的许多地方做了关于 EMI 的讲座，令我大为惊讶的是，几乎没有几个听众对 Cope 模拟艺术创造力上的这一妙着感到沮丧，几乎没有谁感到威胁或担忧。反之，我却觉得某种能显示人类深邃思维的崇高性不复存在了。对我来说，不仅丢脸，还很可怕。
EMI 中最深层次的原理是被 Cope 称作“重组音乐 (recombinant music)”的原理 — 从一名作曲家的作品中识别出不同类型的重现结构，然后以新的排列来复用这些结构，依此产生一份“同样风格下的”新作品。你可以想象 EMI 在学习了贝多芬的九首交响曲后，自行谱出《贝多芬第十交响曲》的情景。
给定几个输入作品的情况下，EMI 的核心手法是这样的：
(1) 分解；(2) 重组。
当然，有许多重要的原理会限制什么段落可以跟在什么后面，这些原理都被公式化确定下来以保证乐曲的连贯。我可以总结出如下两条规则：
(1) 局部的音调转合模式应类似原作； (2) 全局的片段排布应类似原作。
这两条规则也可以转化为在解决拼图游戏时经常利用的两类限制：
(1) 每块拼图的形状必须与邻接块紧密啮合； (2) 每块拼图上的图案必须在整个图片的大环境下有意义。
前一条限制可以被刻画为“语法啮合”，或者仅根据“形式”构造的啮合，而后一条则可以刻画为“语义啮合”，或者仅根据“内容”构造的啮合。单看其中任何一个都平平无奇，可一旦组合起来，它们就能成为一套非常强大的限制。
篇幅所限，这里我无法详述 EMI 中各种错综复杂的构造，它们被用来吸收风格元素、执行 Cope 编制的多层“重组”。
【葛必持的回答(0票)】:
如果这里说的AI是基于统计和概率的AI，楼主说的应用可能是分析某些乐曲之后，然后用建立的模型去评估或者生成其他乐曲。（遗传算法，神经网这些东西也都差不多，都是用来找最大值或者拟和的）
基于统计和概率的东西，本身的缺点或者特点，决定了是用来找规律的而不是创造。分析不同的风格的音乐数据得到的模型，也只能评估其他音乐是不是更像某个风格；分析最受欢迎的音乐得到的模型，只能评估其他音乐有多大程度上和这些音乐相似。进一步用这些模型来生成音乐，得到的很可能是已分析音乐中最常见的那部分。
就这个问题，根据模型来生成一些糖水歌是可以的，进一步到创作，即使模型生成的某些杂拌儿可能成为伟大的音乐，被很多人喜欢，但这跟创作还是无关的。
吃猪肉和见过猪跑是两个概念，猪肉吃的多和变成猪也没有什么因果关系。
对目前的水平来讲，我觉得人工智能这个词误导了很多人。
====哪里都是是民科和无趣的扯淡。还是什么谢熊猫，小狗啥的有趣的八卦好
发表评论：
馆藏&54468
TA的推荐TA的最新馆藏}