点击上方“快公司FastCompany”可订阅

利奥·谢米尔（LiorShamir）博士的实验始于一个问题：电脑算法能否“听懂”像披头士等流行音乐人的作品？

“实验结果显示，电脑能够识别披头士前后专辑之间的渐进规律，”谢米尔说。电脑仅仅通过音乐作品的旋律特点，就能够准确分辨专辑的先后顺序。“算法仅靠音频数据就能识别，完全不需要输入专辑的其他任何信息”，谢米尔说，他是美国底特律劳伦斯理工大学(LawrenceTechnologicalUniversity)的副教授。

对流行音乐规律的识别能力可以说是机器智能领域的一大宝藏，这意味着谢米尔的算法可能成为传媒界的黄金代码。推荐系统是所有音乐服务的核心灵魂，任何一种能够预测用户喜好的数据技术都值得发行商砸下重金购买。但转念一想，“机器辨音”准得让人难以致信，它将如何改变音乐的未来走向？

谢米尔教授的实验有着一个诡异的开端，因为他当时开发的是海豚音的识别程序。“海豚其实跟人类一样，生活在不同地域会习得不同的口音和方言，”他解释说。在海豚实验项目进行中，谢米尔突发奇想：如果电脑算法在分析海豚音上表现得如此精准，那么放在流行音乐上又会怎样？”

“自然地，想到流行音乐的时候，首先想到神一般的披头士，”他回忆道。“这也是我们接下来研究的对象。”于是，他为披头士全部13张专辑的音乐数据建库，利用个数字描述符作为标识，区分为不同的数值类别：包括声高、节拍和其他鲜少用于音乐上的特征描述。

之后，沙米尔基于这些数据设计算法，推算两首不同歌曲之间的相似度。

“这些实验都是在无人监管模式下进行的，电脑算法并未受到人工操作，我们对它下达的任务是找到两个专辑系统之间的相似度，”他补充道。

沙米尔本人也没料到算法能够识别专辑的制作时间。但结果十分喜人——这意味着算法能够推测年推出的《PleasePleaseMe》是披头士的第一张专辑，接着依次是《WiththeBeatles》、《BeatlesforSale》、《AHardDay’sNight》、《Help到《RubberSoul》。然后按顺序标记披头士迷幻摇滚专辑《Revolver》、《Sergeant《PeppersLonelyHeartsClubBand》、《MagicalMysteryTour》和《YellowSubmarine》，最终准确找出《TheWhiteAlbum》、《LetItBe》和《AbbeyRoad》等晚期作品。

确定算法能够准备识别披头士的作品后，沙米尔转向了其他音乐大神——包括ABBA、U2和皇后乐队等。他发现该算法百发百中，区分专辑制作顺序准确率百分百，而且完全不需要提供额外信息。

实验过程也有一两桩趣事值得一提。比如，在辨别过程中，算法把披头士的第12张专辑《LetItBe》标记在第11张专辑《AbbeyRoad》之前，字面上似乎不对劲，但事实上，任何披头士歌迷都知道，《LetItBe》专辑收录的大部分歌曲都是在年初录制的，那时候《AbbeyRoad》专辑还没开始制作呢，可见谢米尔的算法是何等精准。

该算法还有一大功能，即准确辨识歌曲演唱者是否原唱（例如经常被翻唱的TearsforFears乐队作品），是否翻唱。

“它可以说是一个音乐发现工具，”沙米尔形象地比喻道。“它能够真正地帮助听众接触不同音乐人的作品，很多伟大的音乐人只是缺乏发现的眼睛和聆听的耳朵。”

其实这也揭露了一种特殊的商业模式，像BookLamp公司能够梳理书籍并根据频繁出现的关键字分辨不同的作品风格和其他元素。（BookLamp被苹果公司以万美元收购，事非偶然，因为它很可能跟亚马逊提供的人物情节提示服务X-Ray分庭抗礼。）

如果算法能够包揽类似的识别功能，人工审核系统的许多错漏都能避免，点评网站操纵差评的舆论风波就是一个很好的反面例子。

以上的发现都铺垫出一件大事：算法也能搞创作。当前大部分职业——从法律工作到医学诊断——都对算法存在常规性的依赖，创作工作却被认为是远离机器智能的“安全港”，但现在这一认知将被推翻。

达尔豪斯大学数计和计算机科学学院（MathematicsandStatisticsandFacultyofComputerScienceatDalhousieUniversity）教授杰森·布朗（JasonBrown）早在几年前就从披头士（经典难忘吧）的音乐中提取一定的科学规律，并据此录制了一些类似的歌曲。

最近，计算机科学研究者弗朗西斯科·维科（FranciscoVico）的伊阿摩斯计划（Iamusproject）又利用算法谱写出十亿多首风格各异的歌曲。建筑师克里斯蒂诺·索杜(CelestinoSoddu)同样通过基因算法描述特定的建筑特点或特定风格的“规律”，生成了海量独一无二的设计方案。

通过掌握歌曲的内在规律——包括节奏、拍子的记号和和声容易度等，算法能够帮助选出下一首流行金曲，甚至能够自动融入金曲的元素特点，并自动生成最新神曲，完全不需要任何中间人的干预协调。谢米尔就认为，他发明的算法以后将能够创作出与披头士《Revolver》专辑神似的歌曲。

“从理论上讲，这是很有可能的，”他说。“现在的问题是，这样的歌曲创作需要多么强大的算法，要花多少成本。”

其实这个话题常常引起反感情绪，因为普遍认为这样一来将会剥夺创作过程中的人为因素。毕竟如果流行歌曲的创作不需要什么成本，为什么还要雇佣不可控的的人力？

当然，许多人并不这么想。其实目前创作过程已大量运用了算法——助力好莱坞的奇幻大片或是艺术家的大胆想象。

英国电影公司Epagogix就是其中的典型例子。它与好莱坞的一些大型制片场合作，利用能模拟人脑处理和智力功能的神经网络预测票房成绩。

“在电影早期开发阶段就可以给出预测，这有利于制片场做电影预算，”CEO尼克·米尼（NickMeaney）说。

亚历西斯·柯克（AlexisKirke）相信在创作领域，人类与算法也能够和谐共生。作为普利茅斯大学计算机音乐跨学科研究中心（InterdisciplinaryCentreforComputerMusicResearchattheU.K.’sPlymouthUniversity）的研究员，他认为规律的发现对于扩大目前的音乐探索范围大有好处。

“算法不会代替我们，而是让我们如虎添翼，”他谈到。“用算法创作不是作弊，毕竟资深作词人和作曲人很快就会用算法把音乐再往前推一步，那么只懂‘抄袭’的算法很快就会out了。”