Luźno o AI: czy muzyka jest zagrożona? – felieton

Od czasu, gdy pandemia przestała być głównym powodem do zmartwień przeciętnego ziemianina, pojawił się nowy powód, z zupełnie innej beczki. Sztuczna inteligencja, która pomimo istnienia w świadomości tzw. informatyków od połowy zeszłego wieku, dopiero od kilku lat jest na ustach wszystkich. Dotyczy to również muzyków, którzy mają coraz większe obawy o przyszłość swojej profesji.

Postęp jest nieunikniony, ale retro też

Jako człowiek dwóch pasji: muzyki i informatyki, zawsze miałem problem z faktem, że domyślne przecięcie tych dziedzin, czyli muzyka elektroniczna, jest mi jak najdalsza. W muzyce zawsze wybieram żywe, analogowe brzmienia i wykonania. Każda digitalizacja i automatyzacja w muzyce jest jakimś kompromisem. Kompromisem nieuniknionym, bo pozwalającym na przekraczanie barier dotąd nieprzekraczalnych. Od czasów utrwalania muzyki na nośnikach (czyli muzyki z puszki) te kompromisy były tematami kontrowersyjnymi.

W latach 30. zeszłego wieku, gdy dostęp do nagrań zaczął się upowszechniać, pojawił się ogromny opór ze strony przemysłu koncertowego. Gazety krzyczały z pierwszych stron tezami typu: Muzyka nagrana nie ma duszy! A jednak postępu nie można powstrzymać.

Zaledwie 30 lat później The Beatles zrezygnowali z występów na rzecz nagrywania jako najlepszej (dla nich) formy wyrazu artystycznego. Studio muzyczne wraz z możliwościami nakładania na siebie nagrań, zmiany ich tempa, kierunku i zapętlania potraktowali jak nowy instrument. Utworów nagranych w ten sposób nie dałoby by się zagrać na żywo. Przynajmniej wtedy. Ale czy ten trend, choć globalny, spowodował kres koncertów? Oczywiście, że nie. A dziś przemysł live music jest o wiele bardziej dochodowy niż sprzedaż nagrań. Zapewne wynika to również z przejścia dystrybucji nagrań w model subskrypcyjny. Jednak pokazuje to, że nowe trendy i technologie nigdy w pełni nie zastąpią starszych. Czy to wynika z nostalgii czy mody retro wydaje się, że winylowe nośniki nigdy nie znikną. Tak samo nowi artyści sięgający coverami po klasyki sprzed dziesięcioleci.

Czy więc współczesne AI zaaplikowane do tworzenia muzyki jest tylko kolejnym takim trendem, nową technologią? Czy jednak jest to kres muzyki jaką znamy?

Sztuka dla sztuki i czynnik ludzki

To prawda, że AI jest dziś w stanie „samodzielnie” stworzyć gotowy utwór, w odsłuchu nieodróżnialny, przez większość słuchaczy, od nagrania studyjnego. To, czy podamy w promptcie wytyczne co do gatunku, tematyki czy instrumentacji, jest opcjonalne, bo przez algorytm może to sam wylosować. I takie generowanie muzyki jest już na tyle dobre i tanie, że nie opłaca się wchodzić do studia, jeśli celem jest tzw. sztuka użytkowa, jak np. dżingle. Bo sztuka dla sztuki zawsze znajdzie swoich entuzjastów. Sam fakt pobytu w studiu czy współpraca z żywymi muzykami mogą być wystarczające, żeby tworzyć muzykę „jak kiedyś”. Podobne sytuacje już miały miejsce: czy malarstwo zniknęło przez upowszechnienie fotografii? Czy fotografia czysta zniknęła przez fotoszoping? Czy filmy aktorskie z analogowymi efektami zniknęły (znikną) przez deepfake i CGI? Wystarczy za kontrprzykład podać Mandalorianina (2019) czy Wonder Mana (2026), gdzie fani wręcz oczekują analogowych efektów specjalnych. Podobnie klasyczna animacja poklatkowa ma się dobrze, co potwierdzają choćby współczesne sukcesy studia Aardman. A animacje 3D od czasu Papermana (2012) wprowadziły trend symulowania analogowych artefaktów, jak odręczne rysowanie na renderze 3D, dzielona soczewka czy prowadzenie kamery z ręki (dosłownie). I to tylko po to, żeby film wyglądał jak „zrobiony po staremu”. No a wiecznie żywe Muppety, które w niezmienionej formie od 70 lat są odrębnym gatunkiem sztuki i technologii?

Dopóki twórca będzie się kierować pasją, a nie ekonomią – sztuka dla sztuki nie zniknie. A artysta z pasją zawsze znajdzie odbiorcę.

Z drugiej strony czy AI kiedykolwiek będzie tak dobre, żeby zastąpić człowieka w muzyce długofalowo? Jack Conte (na zdjęciu), połówka Pomplamoose oraz połówka Scary Pockets, ale przede wszystkim założyciel patron.com, w swoich rozważaniach na temat AI twierdzi, że nie. To znaczy, stawia tezę, ale odpowiedź wydaje się oczywista. Teza dotyczy teoretycznego eksperymentu: gdyby nakarmić AI całą muzyką świata, ale tylko do roku 1959, to czy nauczyłoby się generować muzykę „w stylu Nirvany”, czyli czy stworzyłoby grunge? Albo nawet coś bliżej początku lat 60. – rock progresywny czy hip-hop? Ewidentnie w każdym z tych przypadków konieczny był czynnik ludzki. Bo AI uczy się reguł i ich przestrzega, a artysta – tworząc sztukę – próbuje je łamać. Kwintesencja bycia artystą to pewien dyskomfort i balansowanie na krawędzi. Jak tłumaczył starszy brat bohaterowi filmu Sing Street (2016):

R’n’R to ryzyko bycia wyśmianym

A czy AI będzie ryzykować bycie wyśmianym?

Jak odróżnić sztukę od… nie-sztuki?

No dobrze, czyli sztuka zapewnia obecność czynnika ludzkiego, przynajmniej w dłuższej perspektywie. Ale jak w takim razie rozpoznać sztukę? We wspomnianych rozważaniach Jack Conte przywołuje definicję sztuki fotografki Karen X. Chang: Sztuka to niedostatek (Art is scarcity). Czyli sztuka to coś czego jest mało, bo trudno to stworzyć. W odróżnieniu od tego, czego wszędzie pełno, bo każdy może łatwo stworzyć sam (przy użyciu AI). Jest to swoista paralela do cytatu Schoenberga: jeśli coś jest dla wszystkich, to nie jest sztuką.

Twórcy narzędzi jak Suno czy Udio promują je jako sposób na demokratyzację tworzenia muzyki: Nie musisz spędzać życia na nauce teorii i żmudnym ćwiczeniu gry na instrumencie – ad hoc tworzysz profesjonalną muzykę. W kontekście sztuki trudno jednak nie dostrzec pejoratywnego wydźwięku tej demokratyzacji. I nic dziwnego, że takie deklaracje budzą sprzeciw ze strony muzyków: A czyim kosztem dzieje się ta demokratyzacja? Tych co zmarnowali życie na żmudnym ćwiczeniu? Na jakim materiale wyuczane jest AI w tych narzędziach? Gdzie są moje prawa autorskie?

Tak, kwestia © i fair use to punkt zapalny dla twórców od pojawienia się generatywnej AI. No bo przecież AI niczego nie wymyśla od nowa, tylko miksuje wzorce zauważone w pracach, na których było szkolone. Czyli to, co otrzymujemy w odpowiedzi na prompt, to tylko mniej lub bardziej umiejętny remiks istniejących obrazów, kodu czy nagrań? Można tak na to patrzeć. Ale z drugiej strony czy każda sztuka nie jest remiksem? Kirby Ferguson w dokumencie Everything is a Remix (2023 Edition) udowadnia, że nie ma czegoś takiego, jak „oryginalna” sztuka. Każdy artysta, świadomie czy nie, inspiruje się, a mówiąc wprost – kopiuje artystów, których twórczość spowodowała, że sam jest artystą. Co prawda sztuką może być sam sposób, w jaki to kopiowanie czy remiksowanie się odbywa. Ale tu już ciężko uchwycić jakość artyzmu, zwłaszcza chcąc odróżnić artyzm ludzki od maszyny.

Prof. Andrzej Dragan w książce Quo vAIdis przedstawia różne punkty patrzenia na twórczość LLMów. Krytycy twierdzą, że genAI tylko ucząc się, znajduje wzorce i probabilistycznie tylko przewiduje kolejne słowo. Ale jak twierdzi autor, pisząc książkę on też tylko w kółko przewiduje kolejne słowo. A co ma wpływ na to przewidywanie, to właśnie ta nieuchwytna część. Aczkolwiek ma to pewnie związek z wzorcami zauważonymi przez autora w czasie swojej edukacji 🙂.

Jeśli jednak chcemy wykazać ograniczenia AI, to dziś największym z nich jest działanie w przestrzeni wirtualnej. AI wymaga fizycznej maszyny, potężnej maszyny. A to, że mogę z nią rozmawiać, będąc w basenie, poprzez zegarek, to tylko odwrócenie uwagi. Odwrócenie uwagi od faktu, że taka kąpielowa pogawędka z AI generuje ogromne koszty jej utrzymania. Schowana w chmurze maszyna nie kłuje w oczy, dopóki nie zdamy sobie sprawy, że samo chłodzenie tej maszyny wystarczyłoby, żeby  wodę w tym basenie podgrzać jak w jacuzzi. A rachunki za prąd wprawiają prezesów, wdrażających agentów AI w swoich firmach, w osłupienie.

W przypadku muzyki elektronicznej takie ograniczenie nie jest może krytyczne, bo i tak jakaś maszyna (syntezator, sekwenser) jest w niej niezbędna. Mam na myśli maszynę cyfrową, która cyfrowo generuje zarówno brzmienie pianina, jak i analogowego syntezatora (np. Minimooga na zdjęciu). Ale co z muzyką akustyczną? Co z elementem wykonania na żywo?

Pomimo wielu przypadków, w których doceniony artysta może żyć dostatnio z samej sprzedaży nagrań, to dotyczy to jednak mniejszości. Zwłaszcza w Polsce, gdzie piractwo muzyczne długo uniemożliwiało utrzymywania się artystom z płyt, granie koncertów było nieodłącznym elementem życia profesjonalnego muzyka. Dziś dla wielu gatunków tzw. nagrania studyjne to tylko taki sam merch (pod-masterowany), jak koszulka czy plakat (pod-fotoszopowany). Dopiero live act mówi: sprawdzam! Aktualnie AI działa głównie offline (w sensie: nie w czasie rzeczywistym), co stoi w sprzeczności z tworzeniem live. Choć to ograniczenie to już kwestia najbliższej przyszłości.

Jak daleko postawisz granicę?

Przeprowadźmy eksperyment myślowy na przykładzie muzyki The Beatles. W przypadku wszystkich ich albumów orkiestracje utworów tworzone były przez producenta George’a Martina. Najczęściej wynikało to z faktu, że sami Beatlesi nie potrafili zapisać w nutach partii dla instrumentów orkiestrowych. Tu ze swoim doświadczeniem wkraczał Martin (często nazywany piątym Beatlesem) i dodawał piosenkom orkiestrową otoczkę.

Wyjątkiem był album Let It Be (1970), wydany już po rozpadzie zespołu. Tu historia była taka, że porzucone nagrania z sesji Get Back (1969) zostały zorkiestrowane przez Phila Spectora i wydane jako ostatni album Beatlesów. Ta produkcja Spectora, bez bezpośredniej współpracy z autorami piosenek, była często nie po ich myśli. Paul McCartney słysząc swoją, w zamyśle, kameralną balladę The Long And Winding Road z dodaną symfoniczną orkiestracją nawet zagroził Spectorowi pozwem sądowym. Wszystko się jakoś „rozeszło po kościach”, ale niezadowolenie McCartneya doprowadziło po latach do wydana Let It Be… Naked (2013), gdzie cała spectorowska ściana dźwięku została usunięta.

Mimo wszystko Let It Be należy do standaryzowanej, klasycznej dyskografii The Beatles (a wersja Naked – nie). Mimo zastosowania usługi orkiestracji czy nawet produkcji (choć album powinien być opisany: produced by Martin, overproduced by Spector), wbrew intencji autorów. Co prawda nie można orkiestracji odmówić bycia sztuką, to jednak przy gotowych piosenkach jest to proces o ograniczonych możliwościach kreatywności. Z pewnego punktu widzenia – wręcz inżynierski.

A wyobraźmy sobie analogiczną sytuację dziś: wytwórnia, zamiast oddać nagrania Spectorowi, używa AI. Pomińmy na razie wątek jakości, bo w dorównaniu na tym polu człowiekowi, to tylko kwestia czasu. Czy taki album, z orkiestracją AI, byłby częścią klasycznej dyskografii? Pojęcie dyskografii przez lata się zmieniło, ale myślę, że odpowiedź byłaby tu pozytywna.

No bo czy taka auto-orkiestracja to nie kolejny krok, po użyciu syntezatorów zamiast żywych instrumentów czy cyfrowych efektów audio zamiast analogowych? Z czasem odróżnialność oryginału (analog) od symulacji (synteza, cyfra) całkiem zaniknie.

Ale pójdźmy dalej w naszym eksperymencie: a co jeśli George Martin mógłby być zastąpiony AI? Gdyby orkiestracja tworzona była zgodnie z intencją i pod nadzorem autorów, ale przez narzędzie ułatwiające i automatyzujące. Czy takie albumy Beatlesów nie odniosłyby sukcesu? Dziś może nie, ale w kontekście tamtych czasów?

I tak można posuwać się coraz dalej ku pełnemu zastąpieniu wszystkich aspektów przez narzędzia AI. I pewnie każdy znajdzie swoją granicę w innym miejscu, gdzie jeszcze twórcą jest człowiek, a gdzie już maszyna. Czy wpisanie prompta do Suno jest wystarczającym ludzkim wkładem, żeby utwór uznać za własny? Tego tu nie rozsądzimy. To już kwestia własnego światopoglądu i intuicji. Dla mnie osobiście: dopóki jestem w stanie dostrzec w utworze ludzki przekaz, który do mnie przemawia, to forma i środki stylistyczne, w tym: użyte narzędzia – nie mają znaczenia.

tekst: Marek Kopel, red. Alicja Serafin
fot.: domena publiczna, WikiMedia, SXSW
obraz-okładka: Gemini

 

P.S. już po napisaniu tego tekstu Jack Conte opublikował swoje wystąpienie na SXSW – polecam jako lekarstwo na wszelkie niepokoje związane z AI