创造力，也能自动化？

2004年，来自新西兰的Ben Novak还只是一个有着几把吉他、怀着一个遥远的“明星梦”的普通青年。一年以后，Novak的一首歌“Turn Your Car Around”却大肆入侵了欧洲各大电台，成功打入十大热门榜单。

按常规路径来走，Novak被“星探”发现可以说是小概率事件。通常，唱片公司挖掘人才的方式（通过专门的A&R部门）都变化无常，甚至难以解释——而像他这样的无名小卒也很难真正通过这种筛选机制被发现。但Novak选择了“一扇后门”进入了音乐行业——这扇门并不是被人打开的，而是一个专门用以挑选“热门歌曲”的算法。

在人群中存在这样一种普遍看法，即创意无法被机器复制。你也能看到成百上千款的书籍和研究，试图解释创造力是人类右大脑的神秘进程的产品。这些书籍和研究会告诉你，创造力、是思维的一个体现，创造力，是人和CPU的区别。

不过现在，我们却逐渐发现，这种说法对某些创造性的工作来说并不适用。实际上，一些复杂的算法现在正在进军创造力领域——甚至是发现歌星这类看似“变数很大、模糊不清”的事情——而且，这些算法也证明，在某些上面的尝试中，人类或许可以被取代。

而那个让Novak的音乐梦想起航的算法实际属于一家名为Music X-Ray的公司，其创始人Mike McCready花了十年时间开发技术，用以挖掘那些注定会冲上音乐榜单的“金曲”。当Novak通过网络将自己的一首歌提交到McCready的引擎时，这首歌的评分跟老鹰乐队的经典名曲“Take It Easy”和 Steppenwolf组合的"Born to Be Wild“不相上下。

让我们来看一眼Music X-Ray公司的算法：它用到了傅立叶变换（这个算法可以将信号跟“噪音”从一大堆复杂的数据中分离出来），并分出了一首歌的基本旋律、节拍、节奏、音阶、音调、和弦，以及其他多个可以吸引听众耳朵的因素。然后，Music X-Ray的软件就会基于这些参数和属性为一首歌建立一个三维模型，并将其跟过去的劲歌金曲进行对比。

目前，McCready的网站和软件已经成功跟5000多名艺术家达成了唱片上面的交易。尽管整个A&R部门之前一直对他的这个算法没什么好感，不过，现在整个行业却开始频繁地使用Music X-Ray来发现新的音乐艺术家。McCready自己就这么说道：“我终于在唱片行业交上了朋友。”

音乐被算法解析似乎还是件很自然的一件事，毕竟，音乐的每一个和弦、节拍、和声中都跟数学或多或少有一些关系。那么，计算机编程能否处理诸如给英语试卷评分这类主观的操作呢？
答案也可能是肯定的。在今年的早些时候，威廉和弗洛拉·休利特基金会就赞助了一个10万美元的竞赛，这个竞赛会邀请程序员去编写最好的“作文打分”机器人。而参赛者的最终目标是要推出一个算法，这个算法的打分要跟那些能力最强的“人类评分员”给出的分数对的上。

在所有提交的算法中，有159个算法实际就做到了这一点，这些算法给出的分数几乎跟一群人给出的分数完全一样。像这样的工具就可以很好地提高那些需要阅卷数千份的老师的效率。另外，这个工具或许也可以让人们将作文引入其他的标准化考试——这类标准化考试在之前无非就是各种选择题，因为这类选择题可以由机器评判。

而算法除了可以“用挑剔的眼光分辨好坏以外”，也同样可以创作。一家在伊利诺伊州的公司就创建了一系列的算法，将比赛的即时比分转换成语法正确、风格良好的体育报道。The Big Ten Network公司就利用了这种技术，在比赛结束后一分钟撰写新闻稿，比任何媒体都快。

尽管机器人现在还没有到能够写出那些获奖散文的地步，但对某些看重经济效益的出版商而言——比如他们看重一个注册用户的页面浏览量——那么机器人可能会比任何记者、编辑都都要高产。机器人可以在几秒钟内就写好文章，而且，即便记者实际没有参加一个活动，机器人照样也可以写文章出来。

那么，算法到底在多大程度上可以生产出“具有创造力”的东西呢？加州大学圣克鲁兹分校的名誉教授David Cope认为，我们已经离这个目标很近了。Cope花了30年的时间试图将他那成千上万行的LISP代码组织成一个制作音乐的算法。尽管他最初的算法产生的音乐非常粗糙，难登大雅之堂，但他最新的算法却一次又一次地产生出了能模仿诸如巴赫这类音乐大师的古典音乐的“神曲”，这些模仿有时是如此成功，以至于人们不是总能分辨出区别来。

那Cope是怎么做到的呢？他的做法是，给机器识别算法不停地“喂”音乐，然后算法会根据已有的音乐来创建、调整音乐模式，并最终生成新的音乐。有些人可能会将这种做法称为“剽窃”，不过Cope认为，即便是那些最伟大的音家和编曲作者，实际也是基于过去的作品来创造的，Cope认为这就是创新的一种。

via
TR