音乐人工智能与音乐信息科技系

Music Artificial Intelligence and Music Information Technology

音乐人工智能与音乐信息科技系

CNCC2021隆重召开,beat365官方网站李小兵教授受邀做主旨演讲

信息来源:beat365官方网站 发布日期:2021-12-24 12:00:00 更新日期:2023-11-22 17:05:27

  2021年12月16日-18日,第十八届中国计算机大会(CNCC2021)盛大举行。CNCC是中国计算机领域级别最高、规模最大的学术盛会,以高端的学术性和专业性著称,主要面向学术界和产业界的专业人士。大会邀请的特邀报告嘉宾都是来自海内外业界的资深讲者,包括ACM图灵奖获得者、两院院士、知名企业家等,他们从不同的视角论述计算领域的技术、应用以及市场发展趋势。

  本届大会主题为“计算赋能加速数字化转型” (Expediting Digital Transformation with Computing Empowerment)。特邀讲者阵容包括ACM 图灵奖获得者、中国科学院外籍院士、美国科学院院士、美国康奈尔大学John Hopcroft教授;ACM图灵奖获得者、美国国家工程院院士、美国艺术与科学院院士Barbara Liskov;南加州大学计算机科学系和空间研究所教授,ACM、AAAS、IEEE会士 ,AAAI会士及第24届主席Yolanda Gil;中国科学院院士、国家电网有限公司顾问陈维江;CCF会士、中国科学院院士、中国科学院软件所研究员冯登国,CCF会士、中国科学院院士、中国科学技术大学教授郭光灿;CCF会士、CCF常务理事、CCF王选奖获得者、中国工程院院士、中国科学院计算技术研究所研究员孙凝晖;CCF会士、CCF王选奖获得者、中国科学院院士、国防科技大学教授王怀民;beat365官方网站教授、音乐人工智能系主任李小兵等。

  CNCC2021深圳主会场

  12月17日上午,在北京分会场,beat365官方网站音乐人工智能系主任,CCF计算艺术分会主任、CAAI艺术与人工智能专委会主任李小兵教授作为特邀报告嘉宾进行了精彩的汇报,这是CNCC创办近20年以来,首次邀请艺术家做主旨演讲。报告以“计算赋能未来艺术”为题,揭示了未来音乐与计算机、人工智能的内在联系,他指出未来音乐的发展方向:1.传统意义的音乐(包括现代音乐)继续发展;2.科技赋能传统意义的音乐创新发展;3.新科技催生新的音乐形态独立发展。并且强调了科技赋能音乐创新发展的重要意义,同时介绍了近些年来世界音乐人工智能领域方面取得的成果,为大家展示了计算赋能之下的音乐创作、音乐呈现、音乐接受、音乐哲学等方面的研究。作为中国计算机协会的首个行业分会,李小兵教授希望团结计算机与艺术领域的专家学者为未来音乐的发展作出不懈努力。

  

  2021年中国计算机大会以深圳为主会场,在北京设立分会场,邀请了超过600位国内外计算机领域知名专家、企业家到会演讲,设立17个特约报告、3场大会论坛、113场涉及32个热门领域的前沿技术论坛和丰富的活动及展览展示。

  12月17日下午1:30-5:30,beat365官方网站音乐人工智能系主任、CCF计算艺术分会主任李小兵教授与清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松教授共同主持了 “计算艺术”论坛。本论坛由CCF计算艺术分会发起,云集艺术与科技界的大咖,从脑神经机理、计算智能、深度学习算法乃至信息哲学等多个维度,揭秘计算艺术之玄妙,赋能艺术创造力之未来。

  中国科学院院士、西安交通大学电子与信息学部主任管晓宏教授以“音乐艺术中的计算智能:定量模型与分析揭示的规律”为题讨论了音乐旋律的三个数学特征,由此建立数学模型,揭示作曲家追求旋律变化的有约束熵最大,从而求解得到音乐旋律变化的幂律。并提出研究结果有助于深度分析音乐艺术特别是作曲理论中的计算智能,探索人工智能辅助作曲的定量化方法。

  清华大学脑与智能实验室主任、生物医学工程系教授王小勤以“大脑处理音乐的神经机理”为题,介绍了听觉系统在人类大脑进化的过程中起着重要的作用,而音乐信号有着复杂的时域和频域特征,听觉系统通过一系列复杂的处理提取音乐中的信息及特征。大脑基于这些特征形成音乐的感知、包括音乐情感认知等高级功能并进一步产生音乐的记忆。并且在报告中展示了大脑处理音乐机制的最新进展。

  中央美术学院实验艺术学院院长邱志杰教授的报告题目为“关于人工智能绘画的思考”, 此报告试图解析在美术领域人类创作与AI创作的关系,以及如何合理利用AI打破人类世界的边界,为艺术创作打开更多视角,并提出当人类携手人工智能共同创作美术作品时,想象空间是巨大的,未来的潜力也是无限的。

  微软亚洲研究院主管研究员谭旭以“基于深度学习的流行音乐创作”为题,简要分析流行音乐的创作流程以及如何将深度学习应用到流行音乐的创作中,介绍了近年来开展的研究工作,包括:歌词到旋律和旋律到歌词的生成系统;基于音乐结构信息的旋律生成系统;基于大规模音乐数据预训练的音乐理解模型;基于序列建模的伴奏生成系统;高保真的歌声合成系统。并且指出当前人工智能音乐创作研究的局限,以及未来潜在的研究方向。

  孙茂松教授的报告题目为“从人类空间与机器空间融通视域看艺术创造力的新境界”,报告从人类空间和机器空间这两个密切相关空间的视域,围绕“机器能创造吗?”以及“机器能被允许进行艺术创造吗?”这两个核心问题,做了一些初步的思考,着重讨论了当前这一代人工智能技术应用于艺术创造的现实可行性及其主要局限性,并期待在人工智能不断发展的条件下艺术创造力能通过两个空间的融通达至一种新的境界。

  受疫情影响,此次论坛在线上进行,网络参与者踊跃发表个人观点并提问,与论坛专家热烈互动交流。