Машинне навчання як фактор розвитку сучасної музичної культури
DOI:
https://doi.org/10.31318/2414-052X.3(64).2024.314745Ключові слова:
музична культура, штучний інтелект, машинне навчання, цифрові дані, нейронні мережі, суспільствоАнотація
Розглянуто варіанти застосування систем генеративного штучного інтелекту на основі машинного навчання у музичній культурі. Охарактеризовано можливості таких систем з позиції професійної культурно-мистецької діяльності композитора, режисера, продюсера, виконавця. Сформовано головні умови розвитку штучного інтелекту в музичній культурі. Здійснено спробу культурологічної оцінки потенційного впливу систем генеративного штучного інтелекту на основі машинного навчання на естетичні якості української музичної культури. Досліджено принцип роботи актуальних систем генерації музичного контенту на основі машинного навчання. Здійснено дослідження передумов зародження і формування систем генеративного штучного інтелекту на прикладі музичних композицій українських авторів, створених за допомогою автоматизованих комп'ютерних систем. Підкреслено тісний зв'язок між розвитком систем генеративного штучного інтелекту і створенням сприятливих умов професійної діяльності митця. Проведено аналіз вітчизняної та іноземної наукової літератури в галузі штучного інтелекту. Розкрито визначення понять штучний інтелект, глибокі нейронні мережі, машинне навчання, токен, бази даних, раціональний агент, цифровий аудіозапис з культурологічної точки зору. Наведено стислий виклад теорії великих даних в якості культурологічної передумови зародження і формування систем генеративного штучного інтелекту у сучасній музичній культурі. Висвітлено потенційні небезпеки неконтрольованого процесу самонавчання систем штучного інтелекту та їх можливий негативний вплив на музичну культуру. Заявлено припущення про існування причинно-наслідкового зв’язку між функціонуванням систем штучного інтелекту та розповсюдженням фейкової інформації. Обґрунтовано необхідність подальшого культурологічного дослідження шляхів застосування методів машинного навчання у системах генеративного штучного інтелекту для створення музичного контенту.
Посилання
Butsenko, M., 2023. Research on machine learning algorithms for music recommendation considering user preferences. Master's scientific work on software engineering. Kharkiv National University of Radioelectronics.
Kalenychenko, A. P., 2018. Masova muzychna kultura. In: I. M. Dziuba, A. I. Zhukovskyi, M. H. Zhelezniak and others, eds. Entsyklopediia Suchasnoi Ukrainy [Encyclopedia of Modern Ukraine]. Kyiv: Instytut entsyklopedychnykh doslidzhen NAN Ukrainy, [online]. Available at: <https://esu.com.ua/article-65986> [accessed 11 June 2024].
Naumova, M., 2021. Media literacy index of Ukrainians: an analytical report based on the results of a comprehensive study, [online]. Available at: <https://detector.media/doc/images/news/archive/2021/186435/UA_REPORT_MEDIALITERA%D0%A1Y_INDEX-DM.pdf> [accessed 03 June 2024].
On the approval of the Concept of artificial intelligence development in Ukraine: Decree of the Cabinet of Ministers of Ukraine dated 12/02/2020 No. 1556-р, [online]. Available at: <https://zakon.rada.gov.ua/laws/show/1556-2020-%D1%80#Text> [accessed: 10 June 2024].
Piaskovskyi, I. B., 1996. Informatsiino-poshukova systema "Muzychne mystetstvo Ukrainy". In: M. D. Kopytsia, I. A. Kotliarevskyi, compilers, Pytannia muzychnoho menedzhmentu (materialy obhovorennia) [Issues of music management (discussion materials)]. Kyiv: Natsionalna muzychna akademiia Ukrainy imeni P. I. Chaikovskoho, pp.107–151.
Fadieieva, K. V., 2006. Muzychni kompiuterni tekhnolohii XX stolittia: monohrafiia [Music computer technologies of the 20th century: a monograph]. Kyiv: Kyivskyi natsionalnyi universytet kultury i mystetstv.
Bohannon, J., 2015. Fears of an AI pioneer – Stuart Russell argues that AI is as dangerous as nuclear weapons. Science, 349(6245), p.252, [online]. Available at: <https://www.science.org/doi/pdf/10.1126/science.349.6245.252> [accessed: 05 June 2024].
Brown, S., 2021. Machine learning, explained. MIT management sloan school, [online]. Available at: <https://mitsloan.mit.edu/ideas-made-to-matter/machine-learning-explained> [accessed: 04 June 2024].
Clarke, A. C., 1985. Profiles of the future: an inquiry into the limits of the possible. New York: Warner Books.
Crawford, K., 2021. Atlas of AI–power, politics, and the planetary costs of artificial intelligence. New Haven, London: Yale University Press.
Gadamer, H.-G., 1987. Gesammelte Werke: Band 4. Neuere Philosophie II. Probleme. Gestalten. Tübingen: Mohr.
Hiatt, B., 2024. A ChatGPT for music is here. Inside Suno, the startup changing everything. Rolling Stone, [online]. Available at: <https://www.rollingstone.com/music/musicfeatures/suno-ai-chatgpt-for-music-1234982307/> [accessed: 03 June 2024].
King, H., 2023. Exclusive: Gen AI music app Suno comes out of stealth. Axios, [online]. Available at: <https://www.axios.com/2023/12/20/suno-gen-ai-music-microsoft> [accessed: 07 June 2024].
Lee, K.-F., 2018. AI Superpowers. China, Silicon Valley, and the New world order. Boston: Houghton Mifflin Harcourt.
Lee, K.-F., Hon, H.-W., Hwang, M.-Y., Mahajan, S. and Reddy, R., 1989. The Sphinx speech recognition system. Pittsburgh: Carnegie Mellon University.
Lewis, G. E., 2000. Too many notes: complexity and culture in Voyager. Leonardo Music Journal, 10, pp.33–39.
Reinsel, D., Gantz, J. and Rydning, J., 2017. Data Age 2025: The Evolution of Data to-Life Critical. Framingham: International Data Corporation, [online]. Available at: <https://www.seagate.com/files/www-content/our-story/trends/files/Seagate-WP-DataAge2025-March-2017.pdf> [accessed: 07 June 2024].
Russell, S. and Norvig, P., 2021. Artificial intelligence: a modern approach. 4th ed. Hoboken: Pearson.
Stocker, G., Jandl, M. and Hirsch, A. J., eds., 2021. The practice of art and AI. Linz: Ars Electronica.
Taylor, P., 2023. Amount of data created, consumed, and stored 2010–2020, with forecasts to 2025. Statista, [online]. Available at: <https://www.statista.com/statistics/871513/worldwide-data-created/> [accessed: 08 June 2024].
Xiang, L., Yazhou, Zh., Prayag, T., Dawei, S., Bin, H., Meihong, Y., Zhigang, Zh., Neeraj, K. and Pekka, M., 2022. EEG based emotion recognition: a tutorial and review. ACM Computing Surveys, 55(4), https://doi.org/10.1145/3524499
