A mesterséges intelligencia által generált zene annyira elterjedt az elektronikus tánczenei körökben, hogy egyes producerek nem hivatalos tényellenőrzőként kezdtek fellépni, és olyan számokat hívtak elő, amelyekről azt gyanítják, hogy nem előadók, hanem algoritmusok építettek. Ez a tendencia egyre erősebb hanggeneráló platformokkal nőtt, és megosztotta az EDM szcénát olyan hallgatók között, akik nem tudnak különbséget tenni, és olyan producerek között, akik ragaszkodnak ahhoz, hogy azonnal hallják.
A leghangosabbak között van Max Harris, a 26 éves producer, aki H4RRISként lép fel. Harris olyan videókat tett közzé, amelyek a feltételezett mesterséges intelligencia nyomait boncolgatják, és lebontják azokat a hangtermékeket, amelyekről úgy gondolja, hogy elárulják őket. Amellett érvel, hogy a generatív eszközök létrehozzák az általa „egyfajta csali művészeti formát”, amely az emberi kreativitás felszínét utánozza anélkül, hogy a mögötte álló szándékok lennének.
Miért kezdődtek a felhívások?
Harris azt mondja, hogy kifogása valójában nem magára a technológiára vonatkozik, hanem arra, amit a kreatív folyamat körüli rövidítésnek tekint. Saját munkafolyamata, amely az Ableton Live, a Novation Launchkey 49 vezérlő, az Ableton Push 3, a Launchpad X köré épül, egy pár analóg szintetizátor és szoftver, mint a Serum, Diva és Kontakt, sávonként több száz apró döntést tartalmaz. Egy dallam, egy mix vagy egy átmenet minden csípése – szavai szerint – tudatos választás, amelynek célja „egy bizonyos fajta ötlet vagy érzelem felidézése”.
Ez az ellentét érvelésének központi eleme. Úgy véli, a mesterséges intelligencia által generált zene pontosan megfosztja a producer stílusát meghatározó döntéshozatalt, és ezt a meglévő dalokból levont statisztikai találgatásokkal helyettesíti. Harris és a hozzá hasonló producerek számára a feltételezett hamisítványok lehívása nem csak kapuőrség. Ez egy kísérlet egy olyan műfaj hitelességének védelmére, ahol a közönség egyre inkább nem tudja megmondani, hogy amit hall, azt egy személy készítette.
A producerek azt mondják, figyeljenek
Harris szerint a mesterséges intelligencia által generált zeneszámok általában egy maroknyi hangujjlenyomatot osztanak meg egymással, ha a hallgató tudja, mire figyeljen. Rámutat egy halk, tartós sziszegésre, amely sok generált dal alatt fut, aminek tulajdonítható, hogy ezek a modellek gyakran egy fehér zajblokkból indulnak ki, majd a képzési adatokból levont mintákra hivatkozva rekonstruálják a hullámformákat.
Egy másik ajándék, mondja, az ének és a dallamelemek, amelyek szinkronban akadoznak egymással. A generatív modellek továbbra is küzdenek a dal különböző rétegeinek teljes szétválasztásával, néha az éneket, a dobot és a szintiket egyetlen kevert hangszerként kezelik, nem pedig különálló részeket. Egy tapasztalt producer számára ez a fajta hiba olyan dolognak tűnik, amelyet egyetlen ember sem hagyna szándékosan a kész keverékben.
A vizuális jelek néha megerősítik a gyanút. Harris megjelölte azokat a kísérővideókat, amelyekben a karakteranimációk meghibásodnak, vagy úgy tűnik, hogy az ujjak eltűnnek a képkocka közepén, valamint egy túlságosan csiszolt, félelmetes vizuális fényt, amely gyakran kíséri a mesterséges intelligenciával támogatott tartalmakat különböző platformokon.
Suno és a szerzői jogi kérdés
A jelenetben tapasztalható frusztráció nagy része a Suno-ra, az AI zenegeneráló platformra összpontosult, amelyet olyan producerek, mint Nihil Young, a 39 éves olasz lemezjátszóból lett producer hibáztatnak a gyanús feltöltések számának közelmúltbeli megugrásáért. Young, akinek a témával kapcsolatos bejegyzései részben arra inspirálták Harrist, hogy elindítsa saját kiemelő videóit, azzal érvel, hogy egyes felhasználók ismert előadók szerzői joggal védett számait táplálják be a platformba, és arra kérik, hogy állítson elő „remixelt” kimenetet.
Rámutat Madonna „Like a Prayer” című dalának borítójára, amelyet később mesterséges intelligencia kreditekkel frissítettek a visszhangot követően, annak bizonyítékaként, hogy a meglévő dalokat milyen könnyen lehet újra felhasználni az eredeti előadó beleegyezése nélkül. Young aggodalma nem korlátozódik a híres nevekre. Azt állítja, hogy ugyanezt az eljárást ugyanolyan könnyen alkalmazni lehetne bármely független producer hátsó katalógusában, több év eredeti munkáját betáplálva egy generátorba, hogy új számokat állítsanak elő anélkül, hogy az eredeti kreatív inputot hozzákapcsolnák.
Sem Suno, sem a vitákban megnevezett művészek, köztük a MANSA és a „Take Me (To The Moon)” mögött álló kettős, nem erősítették meg nyilvánosan, hogy mesterséges intelligencia eszközöket használtak-e a vitatott számokban. Harris előre jelezte, hogy bizonyos gyanúja a mintafelismerésen alapszik, nem pedig a bizonyítékokon, ami maga is a tágabb probléma része: a művészek vagy platformok átláthatósága nélkül az EDM-rajongók a gyártók fülére hagyatkoznak, nem pedig megerősített tényekre.
Mit jelent ez a hallgatók és az ipar számára
Az informális detektívmunka térnyerése éppúgy elárul a mesterséges intelligencia által generált zenét lehetővé tévő platformokról, mint a producerek visszaszorításáról. Ahogy a generatív audioeszközök folyamatosan javulnak, a szintetikus sávot adó műtermékek, mint például a Harris által leírt dadogás vagy háttérsziszegés, valószínűleg nehezebbé válik, és nem könnyebbé válik.
Ez nyomást gyakorol a streaming szolgáltatásokra és a közösségi platformokra, hogy világosabb közzétételi szabványokat alakítsanak ki, ahelyett, hogy az ellenőrzést az egyes zenészekre bíznák, akik átfésülik a hullámformákat. A zenén túlmutató szélesebb mintát is tükröz, mivel a generatív rendszerek és a helyi mesterséges intelligencia oktatási eszközei egyre hozzáférhetőbbé válnak, és minimális szakértelemmel bárki könnyebben készíthet meggyőző tartalmat.
Az EDM szcéna egyelőre nem intézményes, hanem helyi szinten reagált: a producerek nyilvánosan boncolgatják a számokat, a rajongók a bizonyítékokról vitatkoznak, a platformok pedig időnként frissítik a krediteket, nem pedig proaktívan. Az továbbra is nyitott kérdés, hogy ez a modell a mesterséges intelligencia által generált zene hatására egyre nehezebben megkülönböztethető-e, amely hasonló vitákat tükröz az AI-ról, amely az emberek digitális platformokkal való interakcióját szélesebb körben alakítja át. Az egyértelmű, hogy a jelenetbe vetett bizalom most részben azon a producereken múlik, hogy hajlandóak-e elvégezni azt a hallgatási munkát, amelyre a platformok még nem automatizáltak megoldást.