「我是歌手」決賽阿里巴巴說它能用人工智能聽出冠軍..冷冰冰的機器聽得出歌唱感情嗎？

:0:0

總之和你的判斷方法不一樣。
AlphaGo 大破李世石之後，阿里巴巴也不甘寂寞，試圖搭上“人工智能”的熱點。趕在今晚“好聲音”決賽，阿里巴巴旗下的阿里雲部門也玩了一把“預測”：利用人工智能程序“小 Ai”預測決賽結果。

我們曾探討過人工智能深度學習，像 AlphaGo 解決圍棋這樣的問題，依靠的是固定不變的規則和巨大的樣本量學習。演唱比賽顯然和圍棋天差地別。

“我是歌手”的比賽看似有規律，但對於計算機來說其實沒什麼規律可循。歌手唱歌可能是舊作演繹，也可能是熱曲改編。決定歌手晉級的現場評委的口味很難估計，曾經投票支持的歌手也可能心情不好就粉轉路人。

阿里雲人工智能“小 Ai”怎麼預測比賽結果？阿里雲人工智能科學家閔萬里博士介紹了預測是如何進行的。

“我是歌手”的比賽結果是由現場的 500 名群眾評委投票，依據得票量的高低產生名次。影響評委們投票的因素很多，但利用計算機預測就必須有可分析的因素。

閔萬里博士舉例，“小 Ai”會依靠兩個因素來預測：1.歌手現場發揮是不是穩定和出彩；2.互聯網上的聽眾們的反應；3.評委可能的投票傾向。人工智能如何判斷歌手唱功？

這其中包含幾個因素：歌手現場的表演、歌曲是否受歡迎、歌曲是否符合歌手的形象。

阿里巴巴宣稱，人工智能“小 Ai”能通過對比判斷轉音是不是流暢，有沒有破音等等。另外還會有一些人工輸入的信息，比如有沒有採用新的演繹方式，例如新奇的伴奏樂器，這也是判斷現場表演優秀與否的因素。

歌手選的歌是不是熱門，是人工智能做的前期工作。閔萬里博士說，人工智能事先學習了幾百萬首互聯網曲庫中的歌曲，能夠分析旋律和歌詞是否優美。

至於人工智能如何欣賞旋律和歌詞，閔博士沒有給出詳細解釋，只說其中一個維度是互聯網上的評分——總之，它和你大腦的處理方式是完全不同的。

人工智能前期也學習了歌手們的信息。每個歌手過去的既有風格一般都比較穩定，或者在這些變化的風格中，哪些風格給歌手帶來了好評，哪些則是轉型失敗，這些信息會和現場歌手的選歌進行比對。同時，如果歌手對於一首歌的改編和原曲的風格偏離太大，人工智能也會產生好與壞的判斷，但不會像觀眾一樣根據聽後的感受做出判斷。

舉例來說，張信哲的流行情歌過去最受歡迎，但如果比賽現場他演繹了一首搖滾歌曲。如果他之前試過搖滾並且反響不錯，就比較可能得到正面評判。如果之前沒試過，就比較可能被人工智能判為負面。線上的反應也是判斷的重要依據

閔博士稱，人工智能會從搜索引擎、論壇等檢索關於演唱歌手的關鍵詞，依靠相關關鍵詞搜索量的變化，和回帖網友們正面或者負面的評價產生預測。

舉例來說，當容祖兒演唱的時候，人工智能發現搜索引擎裡容祖兒的搜索量飆升，同時論壇裡產生了大量誇她的帖子，這些因素就會提高人工智能對容祖兒勝率的判斷。“小 Ai”進行的是“模糊”預測

閔博士表示，人工智能並不能知道哪位歌手得票率具體是多少，但是能產生一個得票率的排名，從而得知冠軍花落誰家。

他說，評委們的傾向是最難判斷的。人工智能會分析在本季“我是歌手”完成的比賽中，評委們投票的分佈，比如，這位評審更喜歡抒情的歌曲，那位評審更喜歡李玟等等，這些因素會和之前對於歌曲和歌手的判斷結合起來，預測評審會把票投給誰。

但隨著逐漸有歌手淘汰，加上人的喜好其實沒什麼規律，這部分預測是最難完成的。我們曾在 AlphaGo 的文章中探討過，人工智能所謂“機器學習”，需要大量的樣本來完成。在“我是歌手”預測這個問題中，歌曲的樣本量很大，歌手過去風格的樣本量也不小，但現場評審們投票的樣本太少了。

“我是歌手”歷史上只有幾十場比賽，現場每位評審每次可以為三個選手投票，這每人幾百次投票很難產生規律。閔博士稱，阿里雲的人工智能可以製造一些樣本，方便機器的學習。

舉例來說，某場比賽中 A、B、C 三個歌手進行對決，現場評審產生了投票結果。對於人工智能來說，具體的投票率並不重要，重要的是得票率的相對排名。阿里雲人工智能團隊會調整得票率，產生更多的樣本——就和 AlphaGo 製造圍棋棋譜樣本一樣——進行學習，從中識別歌手的表現影響投票結果的規律。

以上，就是阿里雲人工智能“小 Ai”預測“我是歌手”冠軍的細節。另外，阿里雲稱，比賽現場是限制手機信號的，“小 Ai”的預測無從影響評委們的投票。

除了和人的判斷方式不同外，閔萬里博士最後還說，比賽有太多意外因素，比如去年孫楠突然退賽，這就是計算機沒有辦法處理的因素。但他表示，“我是歌手”作為娛樂事件，是阿里作為國內公司展示技術實力的好機會，稱自己對最終的預測結果“謹慎樂觀”。

本帖最後由 teeewer 於 2016-4-8 19:57 編輯

[圖擷取自網路，如有疑問請私訊]