使用不协调风格探索人工智能生成内容的音乐创作

在海量数据集上训练的深度学习生成式人工智能模型能够产生复杂且高质量的音乐。然而，关于人工智能生成内容（AIGC）在创意实践中实际如何被使用或 appropriation 的研究很少。我们提供了两位音乐家-研究者对交互式生成式人工智能系统探索的第一人称描述，该系统基于爱尔兰民歌数据进行训练。人工智能被来自朋克和故障艺术等不协调风格的音乐家刻意使用，以探索模型如何被 appropriation 到创意实践中，以及在预期风格之外使用时如何改变创意实践。对第一人称描述的反思突出了控制、模糊性、信任和过滤AIGC等问题。描述还强调了人工智能作为观众和批评者的角色，以及音乐家的实践如何因AIGC而改变。我们认为，我们的不协调方法可能有助于凸显人机创意实践中的创意工作与摩擦。