Engram با خطاهای هوش مصنوعی موسیقی تجربی می‌سازد

استارتاپ موسیقی Thoughtful Things کمپین Kickstarter برای Engram را آغاز کرده است؛ دستگاهی که صداهای ورودی را با کمک هوش مصنوعی تغییر می‌دهد و می‌تواند صداهایی تازه و نامتعارف بسازد. Engram یک سمپلر و گرووباکس است، اما هدفش تولید آهنگ آماده و تجاری نیست: این ابزار برای آزمودن مرزهای مدل‌های صوتی و ساخت موسیقی تجربی طراحی شده است. اهمیت این محصول در رویکردی است که هوش مصنوعی را نه جایگزین فرایند آهنگ‌سازی، بلکه ابزاری برای دست‌کاری صدا و کشف مواد صوتی غیرمنتظره می‌داند.

ابزاری برای صداهای ناآشنا، نه آهنگ آماده

طبق گزارش The Verge، Engram می‌تواند صدای واردشده به دستگاه را دگرگون کند و حتی صداهایی کاملاً تازه بسازد. در اینجا «سمپلر» به ابزاری گفته می‌شود که با نمونه‌های صوتی کار می‌کند و امکان بازپخش یا تغییر آن‌ها را فراهم می‌آورد. «گرووباکس» نیز به‌طور کلی به دستگاهی برای شکل‌دادن به ایده‌های موسیقایی و الگوهای صوتی گفته می‌شود؛ با این حال، اطلاعات منتشرشده درباره Engram جزئیات کاملی از امکانات و شیوه کار همه بخش‌های آن ارائه نمی‌کند.

Thoughtful Things این محصول را در برابر ابزارهایی قرار می‌دهد که با یک فرمان، آهنگی کامل و آماده انتشار تولید می‌کنند. در توصیف شرکت، Engram قرار نیست جای آهنگ‌ساز را بگیرد یا قطعه‌ای بسازد که به‌سادگی در قالب موسیقی جریان اصلی قرار بگیرد. تمرکز دستگاه بر صداهای تجربی، عجیب و گاه ناآشناست؛ صداهایی که ممکن است از تغییر شدید یک ورودی یا از تولید تازه مدل به دست بیایند.

در ویدیوی کمپین، بنیان‌گذار شرکت، Evan King، با صدای خود از دستگاه می‌خواهد «پیانو» تولید کند. پاسخ Engram صدایی گلیچ‌دار و تنها تا اندازه‌ای شبیه پیانو است. این نمونه، به‌جای نمایش بازسازی دقیق یک ساز، نشان می‌دهد که خروجی دستگاه می‌تواند به برداشت مبهم و دگرگون‌شده‌ای از درخواست کاربر تبدیل شود.

King برای توضیح ایده محصول، Engram را به «ضبط‌کننده‌ای میدانی برای فضای نهفته» تشبیه می‌کند. فضای نهفته اصطلاحی برای نمایش‌های درونی مدل‌های یادگیری ماشین است؛ مدل‌ها در این فضا الگوهای آموخته‌شده را به شکلی ریاضی سازمان‌دهی می‌کنند. تشبیه او قرار نیست قابلیت فنی مشخصی را به دستگاه نسبت دهد، بلکه رویکرد اکتشافی آن را توصیف می‌کند: کاربر با مدل تعامل می‌کند و به صداهایی می‌رسد که لزوماً شبیه نمونه‌ای دقیق یا پیش‌بینی‌پذیر نیستند.

مدلی محلی و سفارشی

Engram برای کار به اینترنت متصل نمی‌شود. بر اساس اطلاعات صفحه Kickstarter، دستگاه یک مدل هوش مصنوعی کوچک را به‌صورت محلی اجرا می‌کند؛ یعنی پردازش موردنیاز در خود دستگاه انجام می‌شود، نه از طریق اتصال به یک سرویس اینترنتی. شرکت می‌گوید مدل را در داخل مجموعه طراحی و به‌طور اختصاصی آموزش داده است. اطلاعات منتشرشده در گزارش، جزئیاتی مانند اندازه دقیق مدل، توان پردازشی دستگاه یا گستره قابلیت‌های آن را مشخص نمی‌کند.

این ویژگی، Engram را از ابزارهایی که برای تولید یا پردازش صدا به سرویس‌های آنلاین متکی‌اند متمایز می‌کند، هرچند از داده‌های موجود نمی‌توان درباره مزایا یا محدودیت‌های عملی دستگاه در استفاده روزمره نتیجه‌گیری کرد. آنچه شرکت اعلام کرده، آفلاین‌بودن محصول و اجرای محلی مدل است. این شیوه همچنین در مرکز ایده محصول قرار دارد: کاربر با یک ابزار صوتی مستقل کار می‌کند که رفتار مدل هوش مصنوعی بخشی از تجربه ساخت صدا در آن است.

Thoughtful Things درباره داده‌های آموزشی مدل نیز موضع‌گیری کرده است. شرکت می‌گوید مدل‌های صوتی‌اش را با مجموعه‌داده‌های بازی آموزش داده که فقط شامل صداهای دارای مجوز استفاده تجاری، مانند مجوز CC-BY، هستند. همچنین تأکید کرده است که از داده‌های غیرتجاری، دزدی‌شده یا دارای حق مالکیت نامشخص برای آموزش استفاده نکرده و قصد ندارد در آینده چنین داده‌هایی را به کار بگیرد.

این توضیح، ادعای خود شرکت درباره منشأ داده‌های آموزشی است و در اطلاعات ارائه‌شده ارزیابی مستقلی از مجموعه‌داده‌ها وجود ندارد. با این حال، اعلام صریح سیاست داده بخشی از معرفی Engram است؛ به‌ویژه در حوزه تولید صوت با هوش مصنوعی که منشأ داده‌ها و مجوز استفاده از آن‌ها می‌تواند برای هنرمندان و صاحبان آثار اهمیت داشته باشد.

دستگاهی برای دست‌کاری و شکستن مدل

ایده Engram فقط گرفتن خروجی از هوش مصنوعی نیست؛ شرکت می‌خواهد امکان وررفتن با رفتار آن را نیز در اختیار کاربر بگذارد. Thoughtful Things قصد دارد میان‌افزار دستگاه را متن‌باز کند تا دیگران بتوانند آن را تغییر دهند یا مدل‌های سفارشی خود را بارگذاری کنند. میان‌افزار نرم‌افزاری است که عملکردهای اصلی دستگاه را کنترل می‌کند. متن‌بازشدن آن می‌تواند راه را برای تغییر و آزمایش بیشتر باز کند، اما شرکت هنوز در اطلاعات کمپین جزئیات کامل شیوه انتشار یا حدود این دسترسی را توضیح نداده است.

کمپین همچنین از ایده «مدل‌های کوچک هوش مصنوعی» و امکان تغییر دادن یا حتی مختل‌کردن آن‌ها الهام می‌گیرد. این نگاه به مفهوم «توهم» در هوش مصنوعی نزدیک است؛ اصطلاحی که معمولاً برای خروجی نادرست یا ساختگی مدل‌ها به کار می‌رود. در Engram، چنین رفتاری بیشتر به‌عنوان ماده‌ای برای آزمایش صوتی مطرح می‌شود تا خطایی که باید حتماً پنهان یا اصلاح شود. هدف، کاوش در خروجی‌های پیش‌بینی‌ناپذیر و استفاده از آن‌ها در طراحی صداست.

شرکت این رویکرد را با «مدارخم‌کنی» نیز مرتبط می‌کند؛ شیوه‌ای تجربی که در آن نوازنده یا سازنده با دست‌کاری مدارهای الکترونیکی، صداهای نامتعارف پدید می‌آورد. Engram به‌جای آنکه صرفاً یک محصول برای گرفتن خروجی تمیز و نهایی باشد، قرار است محیطی برای آزمودن امکان‌ها و تغییر رفتار سیستم صوتی باشد. این مقایسه در معرفی شرکت نشان می‌دهد که ارزش پیشنهادی محصول تا حد زیادی به کنجکاوی کاربر و تمایل او به تجربه با صداهای غیرمعمول بستگی دارد.

قیمت آغازین ۶۷۵ دلار

Thoughtful Things عرضه Engram را با تعداد محدودی دستگاه در قالب کمپین Kickstarter آغاز کرده است. قیمت شروع حمایت از کمپین ۶۷۵ دلار اعلام شده است. شرکت قیمت نهایی خرده‌فروشی را اعلام نکرده، اما این مبلغ در صفحه کمپین با تخفیف ۳۰درصدی معرفی شده است؛ بر همین مبنا، گزارش The Verge قیمت احتمالی فروش خرده‌فروشی را حدود ۸۵۰ تا ۹۰۰ دلار برآورد می‌کند. این بازه، قیمت رسمی اعلام‌شده از سوی شرکت نیست.

محدودبودن عرضه در کمپین و نبود قیمت قطعی خرده‌فروشی به این معناست که اطلاعات فعلی برای سنجش جایگاه نهایی دستگاه در بازار کافی نیست. همچنین در گزارش، جزئیاتی درباره زمان تحویل، مشخصات سخت‌افزاری کامل یا شرایط پشتیبانی ارائه نشده است. بنابراین خریداران بالقوه باید میان قیمت فعلی کمپین و قیمت احتمالی آینده تمایز بگذارند و توجه کنند که بازه خرده‌فروشی هنوز تأیید نشده است.

در مجموع، Engram نمونه‌ای از طراحی محصولی است که هوش مصنوعی را در خدمت تجربه‌ای تخصصی و هنری قرار می‌دهد. این دستگاه وعده نمی‌دهد که با یک درخواست، آهنگی کامل بسازد؛ در عوض، امکان تبدیل صدا و مواجهه با خروجی‌های غیرمنتظره را محور قرار می‌دهد. محلی‌بودن مدل، اعلام سیاست داده‌های آموزشی و برنامه برای بازکردن میان‌افزار، اجزای مهم معرفی محصول‌اند؛ اما میزان موفقیت آن‌ها در عمل به جزئیات فنی و تجربه‌ای بستگی دارد که کاربران پس از عرضه به دست خواهند آورد.

این خبر برای چه کسانی اهمیت دارد

Engram بیش از همه برای موسیقی‌دانان، طراحان صدا و علاقه‌مندان به ابزارهای تجربی اهمیت دارد؛ به‌خصوص کسانی که می‌خواهند به‌جای تولید سریع یک قطعه کامل، با بافت‌ها و صداهای نامتعارف کار کنند. برای هنرمندانی که درباره استفاده از آثار دارای مجوز در آموزش مدل‌ها حساس‌اند نیز اعلام سیاست داده Thoughtful Things قابل توجه است، هرچند این سیاست در اطلاعات موجود صرفاً ادعای شرکت است.

این محصول برای علاقه‌مندان به هوش مصنوعی محلی و نرم‌افزارهای قابل‌تغییر نیز ارزش پیگیری دارد، زیرا قرار است بدون اتصال اینترنت کار کند و میان‌افزار آن برای دست‌کاری و بارگذاری مدل‌های سفارشی باز شود. در مقابل، کسانی که به دنبال دستگاهی برای ساخت آسان آهنگ‌های آماده و تجاری هستند، باید توجه کنند که Engram اساساً با چنین هدفی معرفی نشده است.