KI & Musik: Die Zukunft der Musik in der künstlichen Intelligenz

Vielleicht gehörst Du zu den Millionen von regelmäßigen Nutzerinnen und Nutzern von Spotify. Oder? Dann hast Du sicher schon bemerkt, dass die schwedische Plattform Dir neue Soundtracks vorschlägt, die Deinem Geschmack entsprechen. Bei dem Streaming-Gigant Netflix gibt es noch zahlreiche Anwendungen der künstlicher Intelligenz.

Am 12. Januar 2018 veröffentlichte Spotify Hello World, nämlich das erste Album einer musikalischen Zusammenarbeit zwischen Menschen und KI. In diesem Artikel erläutern wir die Anwendungen von der künstlichen Intelligenz in der Musik.

Wunderwerkzeug oder Bedrohung für die menschliche Kreativität? Künstliche Intelligenz betrifft nicht mehr nur rein digitale Daten – sie ist nun auch in der Lage, Harmonien und Gesänge zu kreieren.

Welche KI kann Musik machen ?

Es gibt verschiedene KI-basierte Ansätze und Modelle, die zur Musikgenerierung verwendet werden. Einige prominente Beispiele sind:

Generative Adversarial Networks (GANs):

GANs sind neuronale Netzwerkmodelle, die aus einem Generator-Netzwerk und einem Diskriminator-Netzwerk bestehen. Sie können zur Musikgenerierung eingesetzt werden, indem der Generator melodische oder harmonische Strukturen erzeugt und der Diskriminator bewertet, wie authentisch die generierte Musik klingt. Das Modell wird trainiert, um realistische und kohärente Musikstücke zu generieren.

Recurrent Neural Networks (RNNs):

RNNs sind neuronale Netzwerkarchitekturen, die speziell für die Verarbeitung sequenzieller Daten entwickelt wurden. Sie können verwendet werden, um Musik zu generieren, indem sie aus vorhandenen musikalischen Sequenzen lernen und neue Melodien oder Harmonien erzeugen. Modelle wie das „Long Short-Term Memory“ (LSTM) und das „Gated Recurrent Unit“ (GRU) sind beliebte Varianten von RNNs für die Musikgenerierung.

Transformer-Modelle:

Transformer-Modelle sind auf der Aufmerksamkeitsmechanismus basierende neuronale Netzwerkarchitekturen, die bei der Verarbeitung von Sequenzen sehr erfolgreich sind. Sie können zur Musikgenerierung eingesetzt werden, indem sie auf vorhandenen musikalischen Daten trainiert werden und neue Musiksequenzen generieren. Das „Music Transformer“ Modell ist ein bekanntes Beispiel für die Anwendung von Transformer-Modellen auf die Musikgenerierung.

Symbolische KI:

In der symbolischen KI werden musikalische Regeln und Konzepte formalisiert, um Musik zu generieren. Musiktheoretische Kenntnisse werden in Algorithmen umgesetzt, um Melodien, Harmonien und musikalische Strukturen zu erzeugen. Beispiele für symbolische KI-Ansätze sind die Verwendung von L-Systemen, grammatischen Modellen oder Expertensystemen. Es gibt viele weitere , die zur Musikgenerierung eingesetzt werden können. Die Wahl des geeigneten Ansatzes hängt von den spezifischen Anforderungen und Zielen des Projekts ab.

Was zählt alles zu KI ?

Bereich	Beschreibung	Beispiele
Maschinelles Lernen	Maschinelles Lernen ist ein Teilgebiet der KI, das Algorithmen und Techniken umfasst, mit denen Maschinen aus Daten lernen und Muster erkennen können.	Supervised Learning, Unsupervised Learning, Reinforcement Learning
Computer Vision	Computer Vision befasst sich mit der Verarbeitung, Analyse und Interpretation von visuellen Daten durch Computer.	Objekterkennung, Bildklassifizierung, Gesichtserkennung
Natürliche Sprache	Natürliche Sprachverarbeitung (Natural Language Processing, NLP) ermöglicht es Computern, menschliche Sprache zu verstehen, zu analysieren und mit ihr zu interagieren.	Spracherkennung, Übersetzung, Sentimentanalyse
Expertensysteme	Expertensysteme verwenden Wissen und Regeln, um spezialisierte Probleme zu lösen und menschenähnliche Entscheidungen zu treffen.	Medizinische Diagnose, Finanzanalyse, Rechtsberatung
Robotik	Robotik kombiniert KI mit Robotiktechnologien, um autonome oder teilautonome Roboter zu entwickeln, die in der Lage sind, physische Aufgaben auszuführen.	Industrieroboter, autonome Fahrzeuge, Service-Roboter
Sprachassistenten	Sprachassistenten nutzen KI, um menschliche Sprache zu verstehen und Interaktionen mit Benutzern durchzuführen.	Amazon Alexa, Google Assistant, Apple Siri

Künstliche Intelligenz im Dienste von Künstlern

Wie E-Gitarre oder Autotune könnte die künstliche Intelligenz eine Hilfe beim Komponieren eines neuen Musikstils sein. „Zum Beispiel hat Google Magenta 2018 die Software NSynth Super entwickelt: Ein Synthesizer, der Deep Learning nutzt, um neue Klänge zu erzeugen, die mit einem herkömmlichen Synthesizer schwer oder gar nicht zu erreichen gewesen wären.“ Im Großen und Ganzen nimmt der Algorithmus Klänge als Input und verwendet einen Auto-Encoder, um die zeitlichen Komponenten jedes Inputs zu extrahieren. Diese Komponenten werden dann entschlüsselt und neue Klänge werden kreiert, die die akustischen Qualitäten der Eingaben kombinieren. Eine ausführlichere Beschreibung des Algorithmus findest Du auf der Magenta-Website. „Der Produzent kann dann im Laufe des kreativen Prozesses seine neuen Klänge nach Belieben verwenden, verändern oder aufgeben. Somit kann er neue und andere Dinge entwickeln“.  Ein Beispiel hierfür ist die Funktion Music Rebalance der Software RX8 von iZotope, die Soundtracks „trennen” kann, sodass jeder Track unabhängig voneinander überarbeitet werden kann.

Künstliche Intelligenz statt Künstler?

Einige künstliche Intelligenzen sind in der Lage, Musik völlig neu zu erschaffen. Dies ist der Fall bei MuseNet von OpenAI, das Songs mit zehn verschiedenen Instrumenten und in einer Vielzahl von Stilen, von Klassik bis Pop, generieren kann. „Der Algorithmus nutzt ein tiefes neuronales Netz mit Hunderttausenden von MIDI-Dateien, um neue Rhythmen, Stile und Harmonien zu entdecken.“

Eine ausführlichere Beschreibung des Algorithmus findest Du auf der Website von OpenAI. Am 25. April 2019 spielte MuseNet ein experimentelles Konzert, das live auf dem Twitch-Kanal von OpenAI gestreamt wurde. Die gesamte Musik dieses Live-Auftritts war ganz neu. Wenn Du möchtest, dass Dein Computer der nächste Mozart wird, kontaktiere uns direkt online, um weitere Informationen über unsere Weiterbildung in Data Science zu erhalten! ?Auch interessant:

Die Gefahr von KI

Alphacode: Deepmind’s neues Tool

Kann KI kreativ sein ?

Hi! Paris die KI-Hochburg

KI in der Gastronomie