中文大學校刊 二零二一年第一期

摩我們的口味，藉以判別美醜。但當然，它們這樣也只是人云 亦云，始終沒有主見，何況其學來的只會是部分人的口味，不 能代表全人類。再者，美這回事往往是超越一時一地的見解。 「史特拉汶斯基的《春之祭》首演時劣評如潮，台下真的爆 發了一場騷亂。有多少人會想到，此作在百多年後的今天會 成經典？」司徒博士說。「很難想像電腦能有史特拉汶斯基 的真知灼見，可以無視當下千般惡言，堅信作品的價值。」 歸根究柢，機器能否從只會拾人牙慧、變得跟人類一樣能夠 明辨美醜，取決於它們能否體會藝術帶來的情感。箇中關 鍵，就在於它們能否擁有意識，但這似乎不太可能。製造機 器的人類連自己的意識從何而來都不知道，要造出具備意識 的機器就更不用說。 「人工智能是可以對情感有所認知，情況就像不喜歡重金屬音 樂的人也知道那會令某些人興奮，但認知並不等於體會。」司 徒博士解釋道。我們可以從重金屬音樂的音量、節奏和其它客 觀特徵得知這種音樂能令人興奮，但要對此有所體會這種興 奮，我們還要領略到那種令人血脈賁張的快感。如斯震撼，機 器是無從掌握，而這正好解釋了為何電腦從事藝術工作時，往 往需要人類介入。黃教授等人研發的漫畫填色模型便是一例。 「若畫家想用上比較特殊的顏色表達某種情感，他就得給予 模型指示。」黃教授說。譬如畫家想把正常是藍色的天空畫 成紅色，以營造危機將至的氣氛，他便要介入模型的選色過 程，迫令其採用紅色。「學者也是在研究讓機器自行領略畫 作帶來的情感。若他們最終成事，而機器又學懂為各種情感 配以適當的顏色，人類或無須再介入。但觀乎情感之微妙難 以數學概括，機器能否學有所成，實在是未知之數。」 數學及統計學方法 例子包括希臘作曲家兼 工程師楊尼斯 星那基 斯（Iannis Xenakis）在 1963年發表的著作《形 式化音樂》（ Formalized Music ）。書中，星那基 斯提出以集合論和隨機 過程譜寫音樂。 知識庫方法 讓專家將作曲的法則 一一寫出，然後輸入 電腦。例子有美國工 程師 Kemal Ebcioğlu 於 1988年發明的專家系 統CHORAL。 語言模型 把音樂當成語言，以自 然語言處理技術作曲。 例子有美國作曲家兼科 學家 大衛 柯普 （David Cope）於1987年發表 的《音樂智慧的實驗》 （ Experiments in Musical Intelligence ， EMI ）。 進化法 讓電腦創作出一堆旋 律，再以評分方式汰弱 留強。方法以適者生存 為原則，與生物的進化 過程相似，因而得名。 機器學習方法 利用神經網絡，讓電腦 從大量樣本參透音樂的 本質與規律，再根據所 學譜寫樂曲。例子包括 DeepBach、AIVA與 能夠在用家指明風格 和歌手的情況下、為 舊詞譜新曲的OpenAI Jukebox。 AI：人算不如機算？ 17