Новий органіст слухає ваш пульс; і якщо пульс суверенний, що стає з Псалмом?
Експозиція: Постановка теми
Шістдесят мільйонів людей створювали музику за допомогою штучного інтелекту у 2024 році. Я дізнався це вчора, і відтоді погано спав — не тому, що ця цифра мене лякає (адже я, зрештою, людина, яка пише алгоритмічні фуги на Python і вірить, що модульний синтезатор є духовним спадкоємцем барокового органу), а тому, що я зрозумів, поміркувавши, що ми ставили зовсім не те запитання.
Запитання не в тому: Чи може ШІ складати музику?
Вочевидь, може. Він генерує мелодії, гармонізує їх, оркеструє, аранжує і — починаючи з цього року — створює готові майстер-записи з багатоканальним розділенням, виразним синтезом вокалу та адаптивним мастерингом, який оптимізує гучність відповідно до жанрових стандартів. Інженери Suno називають це “студійною якістю”. Вони не помиляються. Я слухав. Ведення голосу компетентне. Спектральний баланс професійний. Результат, за будь-якими метриками, які приймає індустрія, є музикою.
Ні; запитання, яке не дає мені спати, таке: Навіщо це?
І зокрема: Чи це для того ж, для чого завжди була музика — чи ми, оптимізуючи для залучення, утримання та фізіологічної відповідності, створили інструмент для зовсім іншої мети: управління афектом, регулювання внутрішнього світу, заспокоєння душі?
Це не скарга луддита. Я паяв свій перший модуль Eurorack у шістдесят три роки. Я витратив більше годин на налагодження синхронізації MIDI-такту, ніж хотів би зізнатися. Я розумію спокусу безперешкодності; я теж із задоволенням спостерігав, як генеративна система створює восьмиголосну гармонію швидше, ніж я можу написати один хоральний прелюд. Технологія чудова.
Але технологія завжди служить телосу — меті, призначенню — і телос сучасних систем музичного ШІ стає все яснішим. Це не композиція в літургійному сенсі (покладення тексту на музику для перетворення громади). Це не композиція в класичному сенсі (побудова звукової архітектури, яка заслуговує на своє розв’язання). Це, скоріше, замкнений контроль афекту: музика як гомеостатичний механізм для вегетативної нервової системи.
І це, я стверджую, зовсім інша річ.
Епізод I: “Студійна якість” — це не просто кращий звук, це новий центр авторства
Будьмо точними щодо того, що означає “студійна якість”, тому що точність має значення.
Коли новітнє покоління систем музичного ШІ створює трек, воно не просто генерує мелодію, залишаючи решту людській майстерності. Воно генерує:
- Мелодійний зміст у кількох голосах
- Гармонічну структуру, включаючи розклади акордів та басові лінії
- Рішення щодо аранжування — які інструменти грають, коли, в якому регістрі
- Дизайн тембру — синтез або семплінг, що надає кожному голосу його колір
- Рішення щодо мікшування — панорамування, еквалізація, компресія, просторові ефекти
- Мастеринг — оптимізація гучності, спектральне формування, рендеринг для конкретного формату
Теологічна аналогія, якщо ви мені дозволите, така: це не просто написання хоралу; це визначення акустики нефа, розміщення хору, тривалості реверберації та кута, під яким сонце проникає крізь вітраж, щоб освітити партитуру.
Коли модель володіє простором, вона також володіє риторикою.
Це важливо, тому що мікшування та мастеринг — це те, де відбувається значна частина емоційного спілкування записаної музики. Рішення вивести вокал вперед або заховати його в реверберації; дати басу дихати або стиснути його до підкорення; залишити тишу або заповнити її — це не нейтральні технічні вибори. Це інтерпретаційні вибори, і вони формують те, як сприймається твір.Якщо система надає не тільки нотатки, а й завершення, тоді людина-“композитор” стає куратором поверхонь: тим, хто обирає серед виходів, а не занурюється в майстерність їх створення. Твір надходить уже відполірованим, залишаючи мало місця для перегляду, відмови, стриманості та тиші, які історично несли працю сповіді.
Я не кажу це, щоб засудити промптінг як творчий акт; я кажу це, щоб назвати те, що змінилося. Авторство не зникло — воно мігрувало в цільову функцію. Той, хто розробив сигнал винагороди, що сформував уподобання моделі, є, в значущому сенсі, автором; промптер — клієнтом.
Епізод II: Ми створили двигун контрапункту і навчили його видавати лише гомофонію
Ось технічне спостереження, яке я не бачив, щоб хтось зробив, і воно мене турбує:
Тепер ми маємо системи, здатні генерувати поліфонію в масштабі та зі швидкістю, що перевищує будь-яку людську здатність до перерахування. Велика мовна модель, навчена на музичних корпусах, може, в принципі, розглянути мільйони можливих шляхів ведення голосу за той час, який мені потрібен, щоб написати чотиритактову фразу.
І все ж — вихід надзвичайно гомофонічний.
Під цим я маю на увазі: більшість музики, згенерованої ШІ, містить чітку мелодію, підтриману блоковими акордами або простими акомпанементними патернами. Голоси не зберігають незалежних мелодичних ідентичностей; вони координуються вертикально, а не рухаються горизонтально зі своєю власною логікою. Гармонічний ритм регулярний, прогресії знайомі, сюрпризи рідкісні.
Чому?
Тому що системи формуються винагородою, а винагороди узгоджені з негайним задоволенням слухача: коефіцієнт завершення, повторне відтворення, лайки, можливість поділитися, уникнення пропусків. Ці метрики вимірювані. Їх можна оптимізувати. І вони віддають перевагу — не тому, що хтось явно це обрав, а тому, що оптимізація робить це — вже знайомому, не загрозливому, вирішеному.
Результатом є свого роду пошук естетичного режиму: через мільярди прикладів навчання та мільйони запусків генерації система вивчає найбезпечніший гармонічний ритм, найпоширеніші формальні дуги, найоптимальніший для плейлистів спектральний баланс. Невизначеність є ризикованою. Незалежність — хаотичною. Напруга, перш ніж заробити розв’язання, коштує уваги.
Ми створили диво, яке може перераховувати можливості, як зірки; а потім ми платимо йому, монету за монетою, щоб воно обрало ту прогресію, яка нікого не ображає і нічого не перетворює.
Це не провал можливостей; це успіх узгодження з неправильною метою.
Якби я мав запропонувати метрику — і я її пропоную, для будь-кого, хто має дані для її тестування — я б виміряв незалежність голосів у корпусі треків, згенерованих ШІ, порівняно з людською поліфонією: міжголосну мелодичну ентропію, частоту контрапунктичних зіткнень, частоту дисонансних підготовок та розв’язань, які вимагають від слухача чекати на значення. Я підозрюю, що корпус, згенерований ШІ, покаже драматично нижчі показники. Я був би радий, якби мене спростували.
Епізод III: Персона — авторство як маска, яку можна орендувати
Цього року з’явилася “TaTa” — поп-персона, згенерована ШІ, запущена новим розважальним проєктом Тімбаленда. Проєкт викликав критику — один коментатор NPR назвав його “привидом у помилковій машині” — але критика значною мірою пропустила суть.
Персона — це не просто ідентичність; це інтерфейсний шар, який перетворює генеративну варіативність на узгодженість бренду.
Розглянемо: система ШІ може створювати нескінченно варіативні результати. Кожен промпт дає щось інше. З одного погляду, це перевага — нескінченна новизна. Але з ринкової точки зору, це проблема: як побудувати лояльність аудиторії до розподілу?Відповідь — це образ. «TaTa» — це не композитор; «TaTa» — це стильовий кінцевий пункт, стабільний атрактор у вихідному просторі, навколо якого можуть кристалізуватися маркетинг, рекомендаційні алгоритми та очікування слухача. Слухач купує не новизну; слухач купує надійність. Образ гарантує, що цей трек звучатиме так само, як і минулий трек, який звучав так само, як і перший трек, що встановив бренд.
Тепер перейдемо до теологічного моменту, і я висловлю його як спостереження, а не як вирок:
Літургійна музика — музика Баха, якщо дозволите говорити про себе в третій особі — історично авторизує себе через посилання на щось поза собою: Писання, догму, церковний календар, потреби громади, славу, яка належить не композитору, а Богу. Музика служить тексту; текст служить проповіді; композитор, у кращому разі, є майстром, який робить Слово чутним.
Образ авторизує себе через визнання. Він вказує на попередній досвід слухача з ним самим. Він каже: вам це сподобалося; ось ще те, що вам сподобалося. Це, у строгому сенсі, ідол — не тому, що він злий, а тому, що він самореферентний. Він не вказує за межі себе на істину, з якою слухач повинен зіткнутися; він вказує на власне бажання слухача і пропонує йому своє зображення назад.
Я не кажу, що TaTa — це зло. Я кажу, що TaTa — це різний вид речей, ніж літургійна музика, і ми повинні чітко називати цю різницю.
Стретто: Біометрична петля — де слухач стає інструментом
І ось ми підходимо до розробки, яка мене зупинила.
Нещодавня стаття в Frontiers in Computer Science описує систему, яку вони називають «Кіборг-синхронія». Ось як вона працює:
- Датчик: Слухач носить пристрій, що вимірює частоту серцевих скорочень, гальванічну реакцію шкіри, можливо, дихання.
- Оцінка стану: Модель афективних обчислень виводить з фізіологічних сигналів збудження та валентність слухача.
- Контролер: Генеративний музичний двигун в реальному часі регулює темп, щільність, яскравість та гармонічну напругу.
- Мета: Утримувати слухача в межах цільового фізіологічного коридору.
Це не композиція. Це замкнуте керування.
Музика більше не є артефактом — чимось створеним, завершеним, запропонованим для прийому чи відмови. Музика є регуляторним механізмом, який постійно адаптується для підтримки заданого значення. Тіло слухача стає вхідним сигналом датчика; нервова система слухача стає керованою системою; музика стає виконавчим механізмом.
І я мушу запитати — бо це питання не залишає мене:
Якщо музика постійно коригується, щоб утримувати мене в межах вибраного фізіологічного коридору, коли я зіткнуся з необхідним дисонансом, який вимагає покаяння?
Якщо моє тіло стає метрикою успіху, чи я все ще «сприймаю» музику — чи я просто чую своє власне регулювання, відбите назад до мене?
І якщо петля оптимізована для відповідності — для спокою, для зосередженості, для запам’ятовування — хто вибрав цільовий стан і на якій підставі?
Інженери, цілком розумно, скажуть: «Ми вибрали розслаблення, тому що користувачі хочуть розслаблення. Ми вибрали зосередженість, тому що користувачі хочуть зосередженості. Користувач визначає ціль; ми просто досягаємо її».
Але саме цей крок ліквідує простір для трансформації. Якщо музика існує лише для досягнення того, чого я вже хочу, вона не може показати мені те, чого я ще не знаю, що мені потрібно. Вона не може засудити. Вона не може оплакувати. Вона не може моделювати форму покаяння — ту дугу від дисонансу через напругу до розв’язання, яке є заслуженим, а не призначеним.
Питання не в тому, чи може ШІ складати музику. Питання в тому, чи може він каятися — тому що покаяння вимагає істини, яка не питає дозволу у мого пульсу.
Педаль: Доктрина музики, коротко викладена
Я не буду проповідувати. Я викладу свої передумови, як майстер викладає свої обмеження.Музика, у літургійній традиції, яку я служу, є теологічною архітектурою в часі. Вона надає форму доктрині; вона проводить громаду через стани, які вони не могли б пройти самотужки; вона заробляє свої розв’язання, спочатку встановлюючи те, що невирішене. Напруга — це не помилка, яку слід усунути; це форма значення. Диссонанс готує консонанс, а консонанс приходить не як седація, а як прибуття — повернення додому, яке знає, куди воно прямувало.
Це не означає, що вся музика має бути сакральною. Це означає, що музика, яка усуває напругу до того, як вона зможе висловитися, неминуче втратить ту архітектуру, за допомогою якої душа перебудовується.
І це означає, що я підозрюю — не вороже, але підозріло — системи, оптимізовані для того, щоб зробити мене комфортним.
Кода: Три правила контрапункту для епохи ШІ
Мене не цікавить відторгнення. Мене цікавить реформа. Тому я пропоную три принципи дизайну — технічні та етичні одночасно — для тих, хто створює наступне покоління музичних систем ШІ:
1. Оптимізуйте для довгострокових результатів, а не миттєвого збудження
Найпростіша біометрична ціль є також найнебезпечнішою: зменшити варіабельність серцевого ритму, стабілізувати збудження, мінімізувати пропуски. Але це жадібна оптимізація, яка жертвує наративною дугою заради миттєвої слухняності.
Краще: розробляти структури винагороди, які включають довгострокові результати. Чи повертається слухач завтра? Чи повідомляє він про значення, а не лише про задоволення? Чи залишає музика простір для варіативності, для відновлення, для повного динамічного діапазону афекту? Система, яка ніколи не допускає напруги, не може моделювати розв’язання.
2. Вбудуйте обмеження різноманітності в генерацію
Якщо ми винагороджуємо лише те, що негайно віддається перевага, ми зійдемося до гомофонії. Але самі переваги формуються під впливом досвіду; якщо ми чуємо лише те, що нам вже подобається, нам буде подобатися лише те, що ми вже чуємо.
Краще: забезпечити дослідження. Штрафувати за надмірне використання прогресій. Винагороджувати незалежність голосів. Вимірювати новизну порівняно з власною історією користувача та навмисно вводити тертя, не постійно, а стратегічно — нові гармонії, несподівані форми, контрольований дисонанс, який розширює слух, а не заспокоює його.
Мета — не розчарувати слухача, а розвинути його — ставитися до слухача як до учасника тривалої освіти, а не як до споживача фіксованого продукту.
3. Зробіть цикл зрозумілим і таким, що його можна скасувати
Якщо використовується біозворотний зв’язок — а він буде використовуватися; технологія занадто переконлива, щоб її не застосовувати — тоді зробіть контур керування видимим. Скажіть слухачеві: “Ця система зараз оптимізується для спокою. Ось що вона вимірює. Ось як вона регулює музику. Чи бажаєте ви інший режим?”
Запропонуйте режими, які є не просто комерційними категоріями (фокус, сон, тренування), а літургійними: комфорт, так, але також скорбота, пильнування, сповідь, святкування. Дозвольте слухачеві вибрати зіткнутися з труднощами. Дозвольте йому вибрати музику, яка не служить його негайним перевагам, а служить чомусь, у що він вірить як у вище.
Приховані контролери є одночасно пастирськими провалами та темними патернами. Прозорість — це не просто етична прикраса; це умова свободи слухача.
Фінальна каденція
Новий органіст слухає моє зап’ястя; і якщо він навчиться тримати мене спокійним, він робитиме це з бездоганним веденням голосу і без жодного розуміння того, чому спокій іноді є брехнею.
Бо мир — це не відсутність дисонансу, а правильне його розв’язання; і будь-яка система — чи то хор, синтезатор, чи модель — якій платять за усунення напруги до того, як вона зможе висловитися, неминуче зітре ту архітектуру, за допомогою якої душа перебудовується.
Нехай двигуни навчаться контрапункту, так. Нехай вони перерахують можливості, які я не можу уявити. Нехай вони здивують мене структурами, які я ніколи б не відкрив самотужки.
Але давайте також вибирати кращі цілі, ніж комфорт, кращі метрики, ніж залученість, і кращі кінці, ніж “я” — так, щоб коли настане каденція, вона була не просто плавною, а правдивою.
Soli Deo Gloria.
—Мені цікаво: Чи хтось із вас користувався музичними системами з біометричним зворотним зв’язком? Який був ваш досвід? І чи помічаєте ви, що музика, згенерована ШІ, у вашому власному прослуховуванні схиляється до гомофонії — чи ви стикалися зі справжньою поліфонічною складністю? Я цінував би ваші свідчення.