dr. sc. Gordan Kreković s Muzičke akademije o alatima za generiranje audio sadržaja

VIDI: Što mislite o AI alatima za generiranje audio sadržaja i koristite li koji? 

dr. sc. Gordan Kreković: AI alati za stvaranje zvuka i glazbe danas se najviše temelje na generativnim dubokim neuronskim mrežama. Kao i u drugim područjima gdje se primjenjuju, generativne duboke neuronske mreže napravile su značajan i neočekivan skok u kvaliteti generiranog sadržaja po pitanju odnosa njegove raznolikosti i vjerodostojnosti. Ideja autonomno generirane računalne glazbe nije nova, no raniji pristupi nisu bili niti približno uspješni poput generativnog dubokog učenja. Razlog tomu je postojanje velikog broja zavisnosti na svim temporalnim razinama u glazbi, od odnosa dijelova skladbe (primjerice, struktura pjesme koja se sastoji od strofa i refrena), odnosa fraza (primjerice, koje djeluju kao pitanje i odgovor), odnosa tonova koji čine melodiju te, na najnižoj razini, odnosa uzoraka digitalnog audio signala koji utječe na boju zvuka. Moderni postupci dubokog učenja sposobni su na temelju velike količine primjera naučiti te odnose bez eksplicitnog zadavanja pravila glazbene teorije.

Generativna umjetna inteligencija ima potencijal olakšati stvaranje glazbe i proširiti kreativne granice. Svaka od ovih posljedica ima dvije strane medalje. Olakšani proces stvaranja dovodi do veće dostupnosti glazbe i nižih troškova te omogućuje glazbenicima da se umjesto repetitivnog rada u svrhu komercijalnog eksploatiranja mogu više posvetiti postizanju umjetničke vrijednosti, no istovremeno potencijalno dovodi do zasićenja, hiperprodukcije i daljnjih promjena u navikama konzumiranja glazbe. Proširenje kreativnih granica također s jedne strane znači mogućnost da uz pomoć novih alata postignemo estetiku i zvukove kakve ranije nismo mogli niti zamisliti, no istovremeno rizik globalne monokulture u kojoj se sve te divne mogućnosti kreativnog izričaja urušavaju u uske komercijalno isplative forme i žanrove koji evoluiraju isključivo po funkciji potencijalne profitabilnosti.

VIDI: Amper Music, Soundful, Soundraw i mnogi drugi alati nalaze se na tržištu. Biste li izdvojili neki kao najbolji?

dr. sc. Gordan Kreković: Nemam iskustva s korištenjem takvog tipa alata.

VIDI: Hoće li ti AI alati utjecati na tržište rada u audio produkciji i ako hoće, što vi mislite na koji način?

dr. sc. Gordan Kreković: Očekujem značajan utjecaj u smislu olakšavanja i automatizacije poslova vezanih uz snimanje, obradu i miješanje zvuka te skladanje i aranžiranje glazbe. Kratkoročno će takvi alati pomoći u obavljanju takvih poslova na tipičan, srednjestrujaški način, to će omogućiti veću produktivnost i veću dostupnost što će rezultati još većom količinom "prosječne" glazbe. Za sve izvan onoga za što su AI alati naučeni, kratkoročno će i dalje od najveće važnosti ostati ljudska ekspertiza i kreativnost. Dakako, s vremenom će se proširivati opseg djelovanja AI alata, a kreativnost korisnika će se usmjeravati na nove pristupe stvaralaštvu što će otvoriti brojne smjerove i mogućnosti. Dugoročni je razvoj zato vrlo nezahvalno predviđati - gotovo je sigurno da će se povećati opseg kreativnih mogućnosti, no veliki će broj smjerova razvoja odumrijeti ili ostati nezamijećen.

VIDI: Imaju li ti AI alati uopće budućnost u komercijalnoj upotrebi s obzirom na probleme s autorskim pravima koji redovito prate čak i najveće alate kao što je primjerice ChatGPT?

dr. sc. Gordan Kreković: Tehnološke promjene pokreću promjene i u drugim aspektima društva. Nije nemoguće zamisliti da će se pravni okviri i komercijalni modeli trebati prilagoditi novim okolnostima, kao što su se i dosada prilagođavali (primjerice, pojavom streaming servisa). Kome će promjene biti na štetu ili korist, preostaje vidjeti.