Часто оказывается, что если слушатели не знают о “нечеловеческом” происхождении музыки, то и воспринимают ее как вполне “нормальную”, не отличающуюся от обычной. Так, на Международном совещании по искусственному интеллекту, проходившем в городе Репино (под Ленинградом) в 1977 г. , на русском и английском языках прозвучала “ИИ-кантата” - своего рода гимн искусственному интеллекту, сочиненный по предложению Оргкомитета совещания (рис. 2. 2). ИИ-КАНТАТА”
Рис. 2. 2. Гимн искусственному интеллекту.
Слова написал А. Аверкин, а музыка была сочинена на машине “Урал-2” по программе, описанной в книге Р. X. Зарипова (1971а). Исполненная в непринужденной обстановке оркестром и певцами, эта песня была воспринята как обычное музыкальное произведение, и не все участники совещания сразу поверили, что - музыку этого гимна сочинила машина*).
Результаты этого эксперимента, проведенного многократно, подтверждают следующий факт: при моделировании на ЭВМ таких форм музыкального творчества, как сочинение мелодий массовых песен, получены машинные результаты, которые не -только соизмеримы с человеческими, но в ряде случаев превосходят последние по качеству. Это позволяет судить о высокой степени изученности механизма порождения таких мелодий и подтверждает правильность выбранных принципов моделирования.
Этот эксперимент представляет собой реализацию идеи Тьюринга об испытании на интеллектуальность (“игре в имитацию”)
ИИ-КАНТАТА
Музыка ЭВМ “Урал-2” Слова А. Аверкина
Вас встречает Решино
Тут простор мечтам.
Интеллект искусственный
Мудр не по летам.
Диалог с программами,
ЭВМ с экранами,
Шимпанзе с бананами
Мы покажем вам.
Припев:
Искусственный интеллект
Стал теперь проблемой века.
С искусственным интеллектом
Мы прославим человека. ;
Нам читают лекции
Главные спецы
Всех систем искусственных
Деды и отцы.
Фреймы и сценарии
Внукам мы оставили,
Пусть в них разбираются
Наши молодцы.
Припев
Мы ведем дискуссии,
За окном весна
И модель без этого
Будет не полна...
Пусть там ходят роботы
И качают хоботом. Мы же кубок дружеский
Осушим до дна.
Припев
AI-CANTATA
Music: Computer “Ural-2” Text: A. Averkin
We meet. you in Repino - Hope, well be kind. •Artificial Intelligence Has a plastic mind, Look at machines conversation, Robots travel simulation, Monkey in logic of action And what else youll find.
Refrain:
Artificial Intelligence!
It became the greatest problem.
Artificial Intelligence!
It glorifies Homo Sapiens.
At the joint conference There are experts - Of every system intellect Dadies and granddads. Frames and scripts in memory We present to our children, Now they are studied by Our progeny.
Refrain
Were discussing Robotics. Outside its spring, Add spring to your Theory - It will be complete. Let it. be the robots peace With a swinging proboscis. Well empty a frendly glass And then we shall sing.
Refrain
применительно к музыке. Тьюринг (А. Тьюринг, 1960) предложил судить о наличии “интеллекта” по результатам “игры в имитацию”, которая сводится к следующему. В игре участвуют некое лицо (эксперт) и две системы А и В, одна из которых человек, а другая - машина; Эксперт, не видя этих систем, задает любые вопросы системам А и В и, анализируя их ответы, должен определить, какая из них является машиной. Если он не сможет, определить этого в течение заданного временив то такая машина считается “интеллектуальной”.
Из результата упомянутого выше эксперимента следует; что программа-композитор, синтезирующая эти мелодии, выдерживает тест Тьюринга.
Нужно отметить, что мелодии композиторов в эксперименте - независимо от та качества или: отношения к ним слушателей - являются результатом той профессиональной деятельности-человека, которую принято называть творчеством. Здесь имеется в виду, что продукты художественного творчества - это не только мировые шедевры искусства: Седьмая (“Ленинградская”) симфония Д. Шостаковича в интерпретации Е. Мравинского, “Вариации на тему рококо” П. Чайковского в исполнении Д. Шафрана, романс “Я помню чудное мгновенье” М. Глинки в исполнении И. Козловского и. т. п. , но и многие тысячи других произведений. Поэтому не следует нигилистически отмахиваться от тех продуктов художественного творчества, которые по тем или иным причинам не стали шедеврами или просто популярными, ибо причина популярности художественного произведения - особая проблема, не изученная до настоящего времени.
Практика проведения упомянутого выше эксперимента показывает, что понятие, продукта художественного творчества ассоциируется у слушателей преимущественно (за редким исключением) лишь с популярными произведениями, наиболее им знакомыми. И даже более того - не столько с популярными, сколько с наиболее значительными по их эстетическим качествам, можно сказать, в некотором смысле с шедеврами мирового искусства. Ведь нередки случаи снисходительного отношения даже к творчеству оригинальнейших композиторов, создавших, например, эпоху в советской песне...
У композитора - члена Союза композиторов СССР - высокий уровень профессионализма и мастерства; у композитора, окончившего консерваторию (и не только Московскую), - тоже достаточно высокий уровень, чтобы произведения его" могли быть эталоном в подобном эксперименте. Ведь мелодия такого композитора обязательно включает в себя элементы профессионализма. Студенты на учебных занятиях “набивают руку” в технике и впоследствии используют эти навыки в своей творческой практике уже автомагически. Все это особенно ощутимо проявляется в тонкостях, в деталях, что, собственно, и отличает профессионала от дилетанта, от самодеятельного сочинителя музыки. Композитор-профессионал просто уже органически не может писать как дилетант, ибо он приучен или привык писать профессионально. (Чтобы предостеречь очевидные возражения, следует сразу же оговориться: здесь имеются в виду общие правила, а не возможные исключения из них. ) Таким образом, эксперимент помогает оценить степень “профессионализма” в машинной музыке, а отнюдь не степень ее “художественности”. Остановимся теперь на высказываниях некоторых участников эксперимента о том, что мелодии композиторов, использованные в эксперименте, серые и бездарные, и только поэтому машинные мелодии получили более высокую оценку. Авторы этих высказываний, находясь под гнетом установки “машина не может”, забывают, что задача заключается пока не в машинном создании шедевров или произведений искусства, а прежде всего в выявлении закономерностей музыкальных композиций как результата творческого процесса д в их машинном воспроизведении. Кроме того, проблема заключается и в способе отыскания объективных (межличностных) критериев оценки продуктов художественного творчества.
Оппонентам трудно изменить установку, отношение к понятию художественного творчества. Следует, однако, помнить что знакомые многим, а тем более любимые произведения, это лишь малая часть - капля . в океане того, что создается в результате художественного творчества. А все остальные произведения - как это ни печально и ни горько для их авторов - остаются безвестными и часто никогда и никем не исполняются, но от этого они не перестают быть продуктами художественного творчества. Здесь часто происходит терминологическая путаница. Понятие о продукте (или результате) художественного творчества необоснованно смешивается с понятием о произведении искусства, к которому предъявляются повышенные эстетические требования, а эту тонкость в понятиях, очевидно, не все улавливают.
Аналогичная ситуация имеет место ив других видах художественного творчества. § 1. 3. Синтезирование - частный случаи моделирования
Синтезирование и моделирование. Синтезирование в музыке.
Выше уже отмечалось, что один из этапов моделирования - синтез, построение модели и воспроизведение результата функционирования этой модели (синтез результата). В общем случае такое синтезирование не является самоцелью, а служит для последующего„сравнения модели с оригиналом, в результате которого проверяется соответствующая теория и гипотеза;
Бывают, однако, случаи, когда цель экспериментов - синтезирование нового, и тогда сходства с оригиналом не требуется;
больше того, оно может оказаться нежелательным. Так, средства электронного синтеза - электромузыкальные инструменты - позволяют получать тембры, как имитирующие классические музыкальные инструменты (скрипка, кларнет, рояль и т. п. ), так и новые, неизвестные в музыкальной практике. В первом случае происходит моделирование известных тембров, во втором более уместно говорить . просто о синтезировании новых тембров. Очевидно, что первое значительно труднее - ведь для этого надо знать количественные характеристики звучания инструментов.
Другой пример. Моделирование и синтезирование (сочинение) музыки имеют между собой много общего и внешне вроде бы не отличаются друг от друга: ведь результатом как моделирования, так и сочинения (синтезирования) музыки на вычислительной машине служат музыкальные композиции - музыкальные пьесы, записанные в виде обычной нотации. Однако моделирование музыки не сводится к синтезированию (сочинению) музыки. Для моделирования необходима знать параметры имитируемого объекта тогда как просто для синтезирования этого не требуется, любой произвольный набор параметров синтезирует обязательно что-то, но не моделирует. Таким образом, моделирование и собственно синтезирование (сочинение) имеют разные цели, разные задачи. Иначе говоря, моделирование - это синтезирование с последующей оценкой сходства модели и оригинала. Первые опыты сочинения машинной музыки появились в конце пятидесятых годов и были посвящены моделированию музыки (в основном - мелодий) традиционной структуры. Позднее к машине обратились композиторы. Моделирование музыки, более пригодное для исследовательских работ, оказалось малоэффективным для получения Практических результатов при сочинении профессиональной музыки. Поэтому композиторы стали использовать машину лишь в качестве помощника для выполнения рутинной части творческого процесса.
Уже упомянутая выше сложность постановки объективного эксперимента при моделировании музыкальных объектов привела на Западе к тому, что исследователи постепенно стали переходить от идеи моделирования (в первых экспериментах; см. о них в обзорной части книги: Р. X. Зарипов, 1971а) к значительно легче осуществимой идее синтезирования музыки, структура которой существенно отличается от ранее известной музыкальной структуры. Это же, по существу, признает в своем обзоре об использовании ЭВМ при сочинении музыки и американский композитор Хиллер (Хиллер, 1970), называющий мелодии традиционной структуры (мелодии массовых песен) народными мелодиями (folk-tunes). В новых же музыкальных системах последовательности нот образуются на основании правил, вводимых композитором умозрительно, без какой-либо связи с традиционными структурами, известными музыкальной практике, - так появляется конструктивистская система.
При сочинении такой музыки использование вычислительных машин оказалось очень удобным для получения различных вариантов звуковых сочетаний, из которых композитор выбирает подходящие по своему усмотрению. Таким образом, машина используется для производства заготовок, черновых вариантов звуковых сочетаний. Синтезирование огромного количества возможных вариантов таких сочетаний вручную весьма затруднительно и требует большого времени и кропотливого, отнюдь не творческого труда. Кроме того, те сочетания (лишь весьма малая доля из всех возможных), которые композитор получает вручную, часто плохо подходят для выражения творческого замысла. Нужны талант большого мастера и огромная творческая интуиция, чтобы среди множества потенциально возможных комбинаций увидеть (или точнее - . услышать) комбинацию подходящую, созвучную задуманной идее. Эта задана подобна проблеме “видения” мелодии темы для написания фуги особой формы полифонического произведения. Как известно, не любая наперед заданная мелодия годится в качестве темы для сочинения фуги. Об этом можно судить хотя бы по следующему высказыванию С. С. Скребкова: “.... путь, исходящий из предварительного сочинения всей темы целиком, заведомо связан со случайностью и ни в коей мере не гарантирует успеха” (С. С. Скребков, . 1951, с. 223). И лишь вы- . дающиеся мастера полифонического искусства могут интуитивно чувствовать, пригодна ли данная мелодия для полифонической (и, в частности, канонической) разработки (см. , например, Е. Корчинский, 1960). Мысль о применении вычислительных машин для изготовле-ния заготовок в поэтическом творчестве (например, составление заготовок рифм или полного словаря русских рифм, включая и классические точные, и современные неточные рифмы) не раз высказываласьи в нашей печати (см. , например, С. Л Соболев, 1963; А. М. Кондратов, 1963).
Перебор возможных вариантов (и, следовательно, их подготовка или сочинение) занимает большое место в различных видах творчества - художественном, изобразительном или научном.
Разработка методов комбинирования звуков для получения соответствующих заготовок музыкальных фраз имеет большую историю. Этим, например, занимался ещё в XVII веке французский теоретик музыки Марен Мерсенн (Куме, 1972). В своих музыкальных трактатах Мерсенн часто иллюстрирует изложение численными примерами, в частности, из области элементарной комбинаторики. Так, например, Мерсенн изучал закономерности структуры 8! = 40320 “песен” - мелодии из восьми нот (высот звуков с одинаковыми длительностями), полученных в результате перестановок. Его интересовали правила искусства комбинировать, которые бы помогли композиторам “делать хорошие песни”, поскольку он устанавливал связи . выразительных музыкальных средств и приемов композиции с определенными эмоциями.
По-видимому, в стихотворном творчестве - машина еще не использовалась для производства заготовок поэтических элементов. В музыке же эта идея оказалась весьма плодотворной. Она реализована в творчестве таких, например, композиторов нетрадиционного направления, как Я. Ксенакис, П. Барбо (А. Моль, 1975), Р. Ружичка (1972, 1980), Л. Аствацатрян (1977) и др.
Использование машинных заготовок пригодно и для получения сочинений традиционной музыкальной системы. На рис. 2. 3 приведена музыкальная пьеса, сочиненная итальянским математиком и музыкантом Гальярдо и названная им “Русской песней”. Мелодия целиком составлена из заготовок, в качестве которых были использованы отрывки (в основном однотактовые) мелодий, сочиненных ЭВМ “Урал-2” по программе автора этой книги (Р. X. Зарипов, 1971а). Аккомпанемент составлен формальным способом в соответствии с музыкальной теорией, разработанной Гальярдо (Гальярдо, Форназари, 1978).
Э. Гальярдо. Русская песня
Рис, 2. 3. Музыкальная пьеса, сочиненная Гальярдо, как пример сотрудничества человека и ЭВМ.
Существует мнение, которое можно услышать даже от некоторых специалистов по моделированию на ЭВМ, что если заставить машину долго работать по довольно простой программе, сочиняющей мелодии, , то можно получить и превосходные мелодии как результат случайного сочетания звуков. Подобная гипотетическая ситуация была рассмотрена еще "французским математик ком Э. Борелём в его книге “Случай”, где речь шла о миллионе обезьян, печатающих на пишущих машинках тексты наугад, и о вероятности того, что таким путем могут быть получены всевозможные книги, хранящиеся в крупнейших библиотеках, мира. Такой способ может быть полезен для получения практических результатов при сочинении профессиональной музыки, и он используется, как уже было сказано выше, некоторыми композиторами - это метод заготовок вариантов различных фрагментов музыки. Полученные машиной варианты требуют отбора, который производится композитором, - наиболее удачные сочетания он включает в свое произведение. Как и для всякой человеко-машинной системы, этот метод применим для повышения эффективности при получении практических результатов. Для осознания же исследуемого процесса, осознания каждого его этапа более пригоден такой метод моделирования, при котором конечный результат получается машиной без вмешательства человека и где контролируется каждый шаг работы машины. § 1. 4. Трудности моделирования творческой деятельности
Принципиальные трудности моделирования интуитивной деятельности. Машине трудно то, что человеку, легко. Продуктивная деятельность - пример большой системы. Соблазн создания сложной модели.
Здесь пойдет речь не о тех технических трудностях моделирования творческой деятельности, которые связаны с недостаточным вниманием к этому кругу проблем или с затруднениями по практическому использованию вычислительных машин специалистами гуманитарного профиля (музыкантами, традиционными психологами, литераторами и т. д. ). И даже не о тех- препятствиях, которые ставят развитию работ по моделированию творчества и искусственному интеллекту некоторые авторы, считающие, что создание искусственного разума есть миф, отнимающий известное количество сил и средств и отвлекающий кибернетику от решения ее прямых задач. Такого рода трудности и препятствия, разумеется, сильно тормозят развитие этих работ. Однако, не являясь принципиальными, они рано Или поздно будут преодолены. Здесь уместно напомнить высказывание И. А. Полетаева (И. А. Полетаев, 1971): “Невозможно выключить “рубильник науки”. Нельзя прекратить исследования генетического анализа и синтеза, нельзя закрыть Америку. Если человек может открыть Америку, полететь на Луну, синтезировать живое существо, построить мыслящее механическое чудовище, он непременно и неизбежно все это сделает, даже если его не побуждает к этому прямая нужда. Просто - таков человек! Почему он таков - мы не знаем, но узнаем, ибо человек (не этот, так следующий) и это узнать не побоится”.
В этом параграфе будут рассмотрены некоторые принципиальные трудности, связанные со спецификой таких объектов моделирования, как интеллектуальные процессы и творческая деятельность. Основная трудность, видимо, заключается в недостаточной изученности (скорее - в полной неизученности) закономерностей механизма интуиции, лежащего в основе этой деятельности.
С этим же связана и недостаточная изученность проблемы понимания в . широком смысле, когда имеется в виду не только понимание в диалоге, но и понимание, осознание целей и результатов интеллектуальной деятельности. Отсюда следует и практическая трудность в моделировании творческих процессов (эвристической деятельности и психических функций), заключающаяся в необходимости отыскания и формализации тех элементов творческого процесса, которые свободно и неосознанно реализует человек. В процессе творческой деятельности при решении различных задач человек обычно не разлагает процесс отыскания решения на элементарные операции, содержащиеся в нем, реализуя многие из них. неосознанно и автоматически. Так, он не задумывается, по каким формальным признакам он практически безошибочно отличает на фотографии мужчину от женщины, узнает своих знакомых по внешнему виду, или, разговаривая по телефону, по голосу, успешно выделяя их из множества других людей. Так же неосознанно мы безошибочно отличаем грузинскую . мелодию от русской, хотя и не сможем объяснить, каким образом. Любопытно, что это безошибочно делают и те, кто не обладает даже минимальными познаниями в музыке *).
Для алгоритмизации же и для моделирования на электронной вычислительной машине подобных процессов необходимо внести в программу все сведения об объекте, формализовать все те операции, которые человек обычно совершает интуитивно. Машине необходимо точно и однозначно сообщить все детали и уточнения, все те сведения об объекте исследования, которые на самом деле важны, существенны для успешного решения задачи. В противном случае результат моделирования будет лишен характерных черт исследуемого объекта и будет неадекватен оригиналу. Существенной трудностью машинного моделирования является также и то, что в силу различия особенностей функционирования машины и человека целый ряд задач, трудных для человека, легко решается машиной, а многие задачи, с которыми человек расправляется шутя, с большим трудом решаются на машине. Так, человек легко читает даже незнакомый почерк - машина, несмотря на многолетнюю упорную работу в этом направлении многих научных коллективов как в нашей стране, так и за рубежом (В. С. Переверзев-Орлов, 1976), пока этого делать не умеет. Зато, например, при разложении иррационального числа 2 в бесконечную цепную дробь {А. Н. Хованский, 1956) современная электронная вычислительная машина за считанные минуты позволяет получить несколько тысяч неполных частных а1 (а, целые положительные числа, i=i, 2, , .. ), тогда как необходимость оперировать с большими числами служит препятствием при вычислении вручную даже нескольких десятков величин а, . При получении одной тысячи элементов a, Ct=l, 2, ...... .. ,1000) приходится в промежуточных выкладках иметь дело с числами порядка 10", где а примерно равно двум-трем тысячам. Такое число очень велико, и если выписать подряд все его цифры, то оно вряд ли уместится на одной странице печатного текста. И эти числа надо многократно складывать и делить одно на другое.
С аналогичной трудностью встречаются и в музыкальном творчестве. Человек, никогда не обучавшийся музыкальной грамоте, легко может придумать мелодию на заданные стихи - сочинить песню. (Это очень ловко делают даже дети в детском саду. ) Составить же программу, по которой бы машина сочиняла мелодии такой же сложности (такой синтаксической структуры), - дело очень трудное. Здесь у человека проявляется интуиция. подражания - ведь он сочиняет песню на основе своего прошлого опыта, приобретенного им в качестве слушателя. По-видимому, человек, Никогда не слышавший песен, не сможет и сочинить никакой мелодии. С другой стороны, как показывает практика, гармонизовать мелодию (что делают на занятиях по курсу гармонии в музыкальных училищах или в консерватории) значительно труднее, чем сочинить мелодию. Гармонизация мелодии в общих чертах (на первом этапе обучения) заключается в следующем. Задается мелодия в виде последовательности нот. К каждой ноте мелодии надо подобрать соответствующий аккорд, представляющий собой упорядоченный набор четырех звуков (или голосов, имеющих следующие названия: сопрано, альт, тенор, бас). При этом соединение аккордов осуществляется по определенным принципам и правилам, выработанным художественной практикой. Гармонизация мелодии требует знания многих специфических правил и рационального, осознанного применения их при решении таких задач. Интуиция здесь, как правило, не помогает. Составить же программу для вычислительной машины, которая бы хорошо решала задачи по гармонизации, намного легче, чем составить программу для сочинения хороших мелодий*). Разные задачи человек решает по-разному, и ему не все равно, как он это делает - осознанно или неосознанно - путем вычислений, расчетов, сравнений или интуитивно, без всяких вычислений. Человеку легче решать задачи без вычислений - например, задачи на подражание, узнавание или распознавание образов. Для того же, чтобы такие, задачи решались на машине, ей нужен алгоритм - система однозначных и точных предписаний, далеко не всегда известная человеку. Говоря о трудностях такого рода при моделировании жизненных процессов, И. А. Полетаев в одном из своих выступлений (на конференции “Математическое моделирование жизненных процессов”, Москва, 17 - 18 марта . 1966 г. ) сказал: “Если хотите убедиться, что вы плохой специалист (психолог, биолог, социолог и т. п. ), попытайтесь сделать хорошую модель Увидите, как вы" плохо знаете предмет”.
Сложная деятельность (психическая, эвристическая, продуктивная) внешне часто представляется простой лишь потому, что в ней незаметно, не обнаруживая "себя, вступает в действие механизм интуиции - подражания- или. узнавания, до сих пор изученный очень слабо. Простой же эта деятельность кажется из-за того, что в ней используется мало правил, либо их вообще нет (как при узнавании друзей по их голосам). Но правила всегда нужно применять осознанно - по ним надо вычислять, а это - неестественное и некомфортное занятие для человека. Поэтому они всегда заметны, и чем меньше правил используется в продуктивной (эвристической) деятельности человека, тем она кажется ему проще и легче. И лишь при построении модели такой деятельности, при ее формализации и машинном моделировании выясняется, как мало мы о ней знаем и как много делается по интуиции при ее ручной, или субъективной реализации.
Воспроизводя (моделируя) объект исследования и совершенствуя его модель, мы шаг за шагом проникаем в суть объекта. , познаем его существенные, характерные свойства, попутно убеждаясь в несущественности других его свойств или признаков (которые прежде казались существенными). Говоря образно, мы можем до конца понять лишь тот мир, который строим сами.
Специфика самого метода моделирования на ЭВМ и рассмотренные выше трудности моделирования требуют на первых порах . ограничиваться наиболее простыми синтаксическими структурами объекта исследования для выявления принципиальных, наиболее существенных сторон как самого метода моделирования, так и изучаемого объекта. В этом тоже заключена определенная трудность, так как при исследовании какого-либо объекта с помощью электронной вычислительной машины, как показывает практика, всегда есть большой соблазн сразу же получить сложный машинный результат. В данном же случае поддаться соблазну - не лучший способ его преодолеть.
Так, при моделировании музыкальных сочинений некоторые программисты, не имея предварительной подготовки в исследовании музыки, начинали моделирование с вальсов Штрауса. Это очень сложная структура, особенно для начинающих, поэтому неудивительно, что все их попытки (без исключения) постигла неудача: ни в одном случае не было даже закончено составление программы. Наступившее разочарование навсегда отбило у авторов этих программ охоту заниматься подобным делом. Как показывает опыт моделирования сложных систем, целесообразнее начинать исследовать не весь объект в целом, не всю сложную систему, а его фрагменты, отдельные его стороны или явления, т. е. строить эскизные модели объекта. Все это на первых этапах неизбежно приводит к схематизации, определенному упрощенчеству (часто намеренному, сознательному) в постановке и решении задач, но позволяет получить полезные результаты и использовать их при решении более сложных задач.
Страницы: 1, 2
