AI 技术本身的一些优势，比如它能够从大量数据里去总结背后的规律

　　InfoQ：在未来，人工智能在音乐领域的发展会朝着哪个方向迈进？有哪些可以预见的发展趋势？ 　　谭旭：从我个人的一些理解和判断来看，长远来讲，人工智能技术未来一定会取得非常大的进步。作为技术从业者，我希望能看到人工智能技术的发展，可以实实在在地帮助到音乐。 　　在音乐理解层面，我相信未来我们能够构建一个比较大规模的音乐理解模型，这个模型和现在的不一样，它可以直接对音频进行分类、分离转录等等。现在音乐领域的很多束缚还是在于把音频的一些任务转成符号，这项技术目前还是存在很多挑战的。 　　、比如我们可以把音频转成钢琴，但如果转成其他乐器，就会产生比较大的误差。如果未来的语音处理技术能真正成熟的话，那我们可以直接从音乐中把这些内容理解出来，这也能极大地推动 AI 音乐的进步。 　　在音乐生成层面，我们目前需要解决的问题在于模型的可控生成。之前提到 AI 要为人服务，人要去指定控制模型生成，或某种音乐结构，或某种曲子结构，告诉 AI 生成什么，AI 就能生成什么。如果未来真正能做到这一点，我相信能有巨大的场景应用。另外就是 AI 能不能去自动地做音色选择，或是混音，这也是我个人比较期待的。 　　人工智能时代下的通用内容创作 　　InfoQ：人工智能在内容创作上存在哪些优势和局限性？和真人相比，还有哪些差距？ 　　谭旭：我本人对 AI 内容创作这个方向比较感兴趣，也围绕着这个方向做了很多研究。其实文本生成、语音生成以及音乐生成都属于广泛的人工智能内容创作，优势在于 AI 技术本身的一些优势，比如它能够从大量数据里去总结背后的规律，通过拟合这些规律实现模型生成。 　　在人工智能领域，我们经常能听到两个概念：感知和认知。比如图像和语音更多会涉及感知层面的生成，现在的 AI 能够生成非常逼真的人脸，以及出色的语音效果。在认知任务层面，比如 AI 需要对语言进行理解，这部分的发展还有一段距离。像之前 OpenAI 的 GPT-3 模型非常大，生成效果也不错，乍一看内容还可以，但如果你仔细去看这些内容，用一个词来衡量叫似是而非，从认知层面来推敲的话，还是和真人存在一定的差距的。当然，这也是我们这个行业以及从业者努力的空间和方向，需要在数据、算法、建模，以及整个技术路线的选择上做更多努力，这样才能在文本或音乐生成上真正取得不错的效果。