Colloque

L'apprentissage de la structure de la musique

Pablo Samuel Castro

Membre a labase

Pablo Samuel Castro : Google Brain

Résumé de la communication

La structure joue un rôle essentiel dans le processus de création des musiciens et des artistes en général. Qu'il s'agisse de la structure reliant la mélodie à l'harmonie, des règles rigides du contrepoint, de ce qui rend une chanson « blues » ou de ce qui fait du rap lyrique, les musiciens tissent différents fils structurels dans la tapisserie de leur art. Mais trouver des structures durables et de bonne qualité est difficile, prenant souvent plusieurs itérations sur plusieurs siècles. En un sens nous avons passé au crible des siècles de « données » pour essayer d’extraire les motifs sous-jacents qui représentent le type de musique qui fonctionne le mieux.

Extraire des structures de très grands ensembles de données est exactement ce à quoi l’apprentissage automatique (et l’apprentissage profond en particulier) réussissent. Chez Google Brain, nous explorons différentes manières d’utiliser l'apprentissage profond pour découvrir certaines des caractéristiques de la musique qui nous entoure. Ce travail va de la réalisation de chorales au style de Bach, en passant par la production de performances au piano aux sonorités virtuoses, ou la production de paroles intéressantes. Notre recherche vise à mieux comprendre scientifiquement la façon dont les humains produisent et consomment de la musique, ainsi qu'à concevoir des outils intelligents pour faciliter le processus de création. Nous voulons habiliter les musiciens, pas les remplacer!

Résumé du colloque

Les développements récents en intelligence artificielle (IA) et particulièrement dans le domaine de l’apprentissage machine ont mené à des percées technologiques importantes (Le Cun, Bengio et Hinton). L’IA permet de créer des systèmes de traitement du langage naturel, de reconnaissance de la voix, de l’image ou de reconnaissance faciale. Elle permet aussi de créer de la musique, des textes littéraires ou d’autres contenus artistiques. Elle trouve des applications en transport, en droit, en finance ou en médecine.

Par exemple, le Naval Medical Center de San Diego et Google AI auraient récemment développé un système capable de détecter des cellules cancéreuses du sein avec une fiabilité de 99 %, un taux supérieur ou équivalent à celui des pathologistes humains dans bien des cas. Dans leur livre The Second Machine Age, Erik Brynjolfsson et Andrew McAfee montrent comment l’IA peut transformer le monde du commerce en permettant d’automatiser ou d’optimiser des procédés existants, mais aussi en créant des modèles d’affaires complètement nouveaux, comme pouvaient l’être Facebook ou Google à leur époque.

Bref, l’IA nous promet une hausse de la productivité, de meilleurs soins de santé ou l’accès à de nouveaux savoirs. Mais elle n’est pas sans soulever des enjeux importants. Premièrement, on en sait peu sur les incidences de l’IA et sur la transformation de la dynamique sociétale. Deuxièmement, ce qu’on sait soulève des inquiétudes : comment rendre des comptes de l’usage d’une technologie dont la complexité interne dépasse parfois la capacité de compréhension des êtres humains? Comment éviter la discrimination algorithmique, les violations de la vie privée ou l’opacité souvent associées à l’usage de ces technologies? Comment réduire l’accroissement des inégalités économiques et l’apparition d’une nouvelle fracture numérique? Finalement, comment s’assurer de la juste appropriation de ces technologies par tous les acteurs impliqués, incluant ceux de la société civile?