How does this music make you feel? Do you find it beautiful? Is it creative? Now, would you change your answers if you learned the composer was this robot? Believe it or not, people have been grappling with the question of artificial creativity, alongside the question of artifcial intelligence, for over 170 years. In 1843, Lady Ada Lovelace, an English mathematician considered the world's first computer programmer, wrote that a machine could not have human-like intelligence as long as it only did what humans intentionally programmed it to do. According to Lovelace, a machine must be able to create original ideas if it is to be considered intelligent. The Lovelace Test, formalized in 2001, proposes a way of scrutinizing this idea. A machine can pass this test if it can produce an outcome that its designers cannot explain based on their original code. The Lovelace Test is, by design, more of a thought experiment than an objective scientific test. But it's a place to start. At first glance, the idea of a machine creating high quality, original music in this way might seem impossible. We could come up with an extremely complex algorithm using random number generators, chaotic functions, and fuzzy logic to generate a sequence of musical notes in a way that would be impossible to track. But although this would yield countless original melodies never heard before, only a tiny fraction of them would be worth listening to. With the computer having no way to distinguish between those which we would consider beautiful and those which we won't. But what if we took a step back and tried to model a natural process that allows creativity to form? We happen to know of at least one such process that has lead to original, valuable, and even beautiful outcomes: the process of evolution. And evolutionary algorithms, or genetic algorithms that mimic biological evolution, are one promising approach to making machines generate original and valuable artistic outcomes. So how can evolution make a machine musically creative? Well, instead of organisms, we can start with an initial population of musical phrases, and a basic algorithm that mimics reproduction and random mutations by switching some parts, combining others, and replacing random notes. Now that we have a new generation of phrases, we can apply selection using an operation called a fitness function. Just as biological fitness is determined by external environmental pressures, our fitness function can be determined by an external melody chosen by human musicians, or music fans, to represent the ultimate beautiful melody. The algorithm can then compare between our musical phrases and that beautiful melody, and select only the phrases that are most similar to it. Once the least similar sequences are weeded out, the algorithm can reapply mutation and recombination to what's left, select the most similar, or fitted ones, again from the new generation, and repeat for many generations. The process that got us there has so much randomness and complexity built in that the result might pass the Lovelace Test. More importantly, thanks to the presence of human aesthetic in the process, we'll theoretically generate melodies we would consider beautiful. But does this satisfy our intuition for what is truly creative? Is it enough to make something original and beautiful, or does creativity require intention and awareness of what is being created? Perhaps the creativity in this case is really coming from the programmers, even if they don't understand the process. What is human creativity, anyways? Is it something more than a system of interconnected neurons developed by biological algorithmic processes and the random experiences that shape our lives? Order and chaos, machine and human. These are the dynamos at the heart of machine creativity initiatives that are currently making music, sculptures, paintings, poetry and more. The jury may still be out as to whether it's fair to call these acts of creation creative. But if a piece of art can make you weep, or blow your mind, or send shivers down your spine, does it really matter who or what created it?
با شنیدن این موسیقی چه حسی به شما دست میدهد؟ به نظرتان زیباست؟ خلاقانه است؟ اگر بگویم این موسیقی را این ربات نوشته چه؟ باور کنید یا نه، خلاقیت مصنوعی و هوش مصنوعی بیش از ۱۷۰ سال است که ذهن افراد را به خود مشغول کرده است. در سال ۱۸۴۳، بانو آدا لاولیس، ریاضیدان انگلیسی، که به عنوان اولین برنامهنویس کامپیوتر در جهان شناخته میشود، گفته بود که ماشینها نمیتوانند هوشی همسطح انسان داشته باشند زیرا فقط کارهایی را انجام میدهند که انسانها آگاهانه برایشان برنامهنویسی کردهاند. طبق گفتۀ لاولیس، ماشینها برای اینکه هوشمند تلقی شوند باید بتوانند ایدههای اصیل خلق کنند. آزمون لاولیس، که در سال ۲۰۰۱ رسمیت یافت، روشی برای سنجش این ایده ارائه داد. ماشین در صورتی در این آزمون قبول میشود که بتواند خروجیای تولید کند که طراحان نتوانند آن را بر مبنای کُد اصلیشان توضیح دهند. آزمون لاولیس بیشتر یک آزمون نظری است تا یک آزمون عینی علمی. اما نقطهای برای شروع است. در نگاه اول، شاید فکر اینکه یک ماشین بتواند چنین موسیقی اصیلی با کیفیت بالا تولید کند غیر ممکن به نظر برسد. میتوانیم با استفاده از مولدهای اعداد تصادفی، توابع نامنظم و منطق فازی، الگوریتم بسیار پیچیدهای برای تولید یک توالی از نُتهای موسیقی ارائه دهیم به نحوی که رهگیری آن غیرممکن باشد. بدین روش میتوان موسیقیهای اصیل بیشماری تولید کرد که کسی تاکنون نشنیده است، اما فقط درصد کوچکی از آنها ارزش شنیدن خواهند داشت. زیرا کامپیوترها نمیتوانند تشخیص دهند که کدام موسیقی به نظر ما دلنشین است و کدام یک نه. اما اگر یک قدم به عقب برمیداشتیم و فرایند طبیعی که منجر به خلاقیت میشود را مدلسازی میکردیم، چه؟ از قضا حداقل یک چنین فرایندی میشناسیم که خروجیهای اصیل، ارزشمند و دلنشین تولید میکند: فرایند تکامل. الگوریتمهای تکاملی، یا الگوریتمهای مولد که از روند تکامل بیولوژیکی تقلید میکنند راهکار امیدوارکنندهای هستند که ماشینها با تکیه بر آنها میتوانند خروجیهای هنری ارزشمند و اصیل تولید کنند. تکامل چگونه خلاقیت ماشینها در زمینۀ موسیقی را پرورش میدهد؟ خب، به جای انداموارهها میتوانیم با مجموعهای از عبارات موسیقایی و یک الگوریتم ساده شروع کنیم که با تغییر برخی از قسمتها، ترکیب سایر بخشها با هم، و جایگزین کردن نُتهای تصادفی بازتولید و جهشهای تصادفی را تقلید میکند. اکنون که مجموعهای جدید از عبارتها داریم میتوانیم با استفاده از عملیاتی به نام تابع برازش انتخاب کنیم. همانگونه که برازش بیولوژیکی، تحت تأثیر عوامل خارجی محیطی معین میشود، بر مبنای یک موسیقی خارجی که موسیقیدانان یا طرفداران موسیقی انتخاب کردهاند، میتوان تابع برازشی تعیین کرد و موسیقی دلنشین نهایی را ارائه داد. این الگوریتم میتواند عبارتهای موسیقایی را با آن موسیقی دلنشین مقایسه کند و فقط عبارتهایی که شباهت زیادی با آن دارند را انتخاب کند. بس از حذف توالیهایی که کمترین شباهت را با آن دارند الگوریتم میتواند مجدداً جهش را اعمال کند، عبارات باقیمانده را با هم ترکیب کند، عبارتهایی با بیشترین شباهت یا عبارات برازش شده را از مجموعۀ جدید انتخاب کند، و برای مجموعههای زیادی تکرار کند. فرایندی که ما را به اینجا رساند مؤلفههای تصادفی و پیچیدگیهای ذاتی زیادی دارد و خروجی آن ممکن است در آزمون لاولیس قبول شود. مهمتر اینکه، به لطف وجود مؤلفههای زیباشناختی انسانی، به لحاظ نظری ملودیهایی میسازیم که زیبا هستند. اما آیا این اتفاق شمّ ما برای خلاقیت را ارضا میکند؟ آیا تولید چیزی اصیل و زیبا کافی است یا اینکه آگاهی و علاقه لازمۀ خلاقیت هستند؟ شاید خلاقیت در این مورد به برنامهنویسان بستگی دارد حتی اگر درکی از آن فرایند نداشته باشند. در دنیای انسانها خلاقیت چه مفهومی دارد؟ آیا چیزی بیش از یک سیستم متشکل از نورونهای به هم متصل است که طی فرایندهای الگوریتمی بیولوژیکی توسعه یافتهاند یا تجارب تصادفی که زندگی ما را شکل میدهند؟ نظم و بینظمی، ماشین و انسان. اینها نیروهایی هستند که در مرکز خلاقیت ماشین قرار دارند و منجر به خلق موسیقی، مجسمه، نقاشی ، شعر و غیره میشوند. شاید هیئت منصفه هنوز دودل باشند که باید این کارها را خلاقانه تلقی کنند یا خیر. اگر یک اثر هنری میتواند شما را به گریه بیندازد یا به تعجب وا دارد یا لرزه بر اندامتان بیندازد دیگر چه اهمیتی دارد که چه کسی آن را تولید کرده است؟