本文来自：Technology Review，编译：数据客
Apple Music上线快三个月了，订阅用户已经达到了惊人的 1500 万，如果有一半用户能在免费试用期结束后付费使用，那么意味着Apple Music 的规模能达到老牌流媒体音乐服务平台Spotify的三分之一。这是一场人工管理和算法之间的战争，人工挑选音乐一直是Apple Music的重要卖点之一，然而用户是用脚投票的，要不要付费取决于产品是否好用，或许还有“情怀”。
Zane Lowe（英国知名DJ，跳槽到Apple）作为DJ在Apple Music上的亮相让人眼花缭乱，他的编曲充满流行朋克和后摇滚电子音乐，通过跟踪几十年前著名的摇滚音乐，展现一种前所未有的表现形式，尽管很混乱——也可能正是因为这种混乱——我很喜欢这种表演，这种对艺术家的融合和充满能量的歌很符合Lowe的疯狂风格。
你花10美元/月就可以享受到这种苹果音乐的流媒体服务，一个像Lowe一样的DJ在Beats 1电台上存在。Lowe让我认识了很多不熟悉的艺术家，他强调了很多有趣的音乐之间的联系，比如AC/DC的astadiu manthem和最近由Hudson Mohawk的苏格兰艺术家创作的一段电子混音。贯穿这些歌曲的情感是积极乐观的，甚至很大胆。
正如电脑还不能创建强大和富有想象力的艺术或散文一样，他们无法真正欣赏音乐。创造一个引人注目的歌单需要一种洞察力，他们能不能找到相似的音乐元素？这些歌曲的情感共鸣和文化背景如何？人工智能正在取得进展，但机器仍然无可救药地缺乏想象力。这就是为什么苹果公司聘请了数百人担任DJ，创造歌单，除了算法他们仍然需要提供建议。
苹果引进人类专家是一个聪明的方式，尽管它开创了数字发行和存储音乐，但现在发现自己落后于流媒体服务如Pandora、Spotify、Rdio和Tidal。他们都不像苹果一样强调人类专家的作用。虽然这些公司使用的算法推荐歌曲近年来有了很大的改进，但他们没有真正的理解或欣赏音乐。该算法采用统计技术来分析监听数据，做出一个你可能会喜欢的推荐，但目前还没有算法可以匹配人的口味。
Pandora：可预见的乏味
Pandora，第一个音乐流媒体服务平台，是算法应用的很好的案例。通过对“音乐基因工程”十年的努力，Pandora使用音乐专家来给歌曲标记特色，如音乐类型，使用乐器的类型、旋律、音调。当你开始使用Pandora，会从乐队、作曲家或歌曲作为起点，它会创建一个“电台”类似的属性。选择Beatles，Pandora会自动推荐Beach Boys的歌。
但遗憾的是Pandora的选择常常是可预见的，往往只是商业电台上那些传统和乏味的东西。如果你是以Beatles的歌开始听的，你就不可能再听到在这一段时间流行的风格迥异的歌了，例如一个嘻哈歌手的歌。
Spotify：算法与推荐并存
最近算法已经开始生产歌单，可以感到更微妙和定制化。世界上最大的流媒体服务Spotify拥有超过7500万用户，使用大量的数据进行个性化的推荐。
克里斯·约翰逊领导Spotify的数据科学团队，他表示公司会雇佣人来制作歌单，但它也尽可能多的收集用户倾听数据，然后对两者进行比较，这种技术被称为协同过滤，那就是你可能会喜欢一首和你有相似的品味的人已经发现的歌。Spotify去年收购了一家音乐技术公司EchoNest，收集发布到博客、新闻网站和社会媒体的新音乐信息，这些意见也纳入Spotify的建议系统，帮助其变得更加“聪明”。
今年7月，Spotify开始测试一个个性化的播放列表。“我们观察你的行为，你创建的播放列表，基本上我们知道关于你的一切。每星期一会有新的音乐播放列表推荐给你”，约翰逊表示。
最初我收到的几个播放列表包括一些我立刻就会喜欢上的歌曲，这很有用但是没那么让人兴奋。对于此类自动化的推荐算法有一个固定的限制，它们不能推荐一首新歌，因为没有数据显示有多少其他听众喜欢这首歌。同算法相比，一个人听几分钟就能告诉你他们对一个新东西有多喜欢。
但最近人工智能的发展开始改善这种状况。去年，Spotify开始测试一种分析歌曲本身而不是与之相关的元数据的算法，这涉及到所谓的深度学习，大致仿照大脑中的神经元，通过“听”数以百万计的歌曲，认识到音频信号的频率特性（随着时间变化对应于你听到的声音和声音的方式），这些算法可以将一首新歌进行很好的分类。
即使这不是对于音乐真正的理解和判断的证据，Spotify的深度学习仍然要使用数百万的歌曲进行学习，可能还会被一个大胆的新风格所困扰。更重要的是，这种算法不能用一种创新的方式来编排歌曲，也不能区分原唱和我模仿的声音。Johnson承认这个限制，而且表示人的经验仍然是Spotify的算法在可预见的未来中一个关键的组成部分。
听觉图灵测试
苹果的Beats 1电台则提供了一个截然不同的体验。The Alligator Hour，由音乐家和制作人oshua Homme制作的广播节目，会推荐一些不起眼的原创歌曲，也会在一些歌曲配对之间找到一种貌似荒谬的联系。
是什么让人有这种能力？深度学习或其他人工智能系统会开发出自己的品味，能够对一首歌的特征来分类确定它是否够好吗？电脑可以像人一样自然地拥有才能、创造力或者创意来确定这种无形的质量吗？当我问Johnson算法是否能在某一天从一首歌来发现一个艺术家，他说：“这就是我们想做的事。”
这种想法很大胆，但是也很难以捉摸。音乐欣赏和创造与在成堆的数据中发现的统计模式无关。“在创造力中，一些不寻常或者怪异的东西有什么区别呢？这是很难的一个问题。”多伦多大学研究人类创造力的的心理学教授Eyal Reingold说。“让一个机器来证明创造力，不仅是要创造出一些不寻常的东西，还要判断是否有用，至少在某些文化背景下有用。”
的确，创造性的本质让一些心理学家和计算机科学家认为这可能是一种测量机器智能的有用的方式。在2001年发表的一篇论文中，来自伦斯勒理工学院的两位学者，与IBM的研究员大卫·费鲁奇（发明了Watson），认为创造力测试可能是一个更好的方法来判断电脑是否已实现人类智能。他们指出阿兰·图灵在1950年做出的测试，鼓励程序员们弄虚作假而不是来创造一些真正的智能化。他们的理由是，无论是绘画、音乐或在其他领域，创造力作为智能的基础更难去伪造。他们发明了新的测试叫做Lovelace Test（为了纪念AdaLovelace，这个世界上第一个程序员，她在1843年公布了世界上第一套算法）。
显然Johnson的算法没有通过Lovelace Test，生活的挑战总是存在。事实上，MichaelCasey（达特茅斯学院的音乐和计算机科学教授）计划明年初进行几个图灵测试，也许之后还会有一些Lovelace测试，包含计算机DJ、舞者，来判断他们刚听到的这首歌是由人还是机器来提示的。Casey希望在这有限的范围内，一台机器将展示一些类似于音乐的创造力。
不过他似乎没什么信心：“我们一直在努力应用到音乐中的不管是什么类型的算法，无论是试图模仿巴赫或莫扎特，或者尝试推荐的音乐，在目前看来还没有一点样子。”他有点沮丧，“可能在几秒钟的时间它会欺骗你，但是它没有一个总体规划。而且我认为自动DJ可能也是如此。”
如果我们想让机器想出和苹果Beats 1一样独特和原创节目，我们可能还需要更多的创造性思考和设计。
数据客（微信号：idacker）