Mākslīgā intelekta skaņdarbu straumi nav iespējams apturēt, tāpēc mūzikas industrija izvēlas citu pieeju – saprast, kā ar šo saturu pelnīt.
Relatīvi nesen, proti, 2023. gadā, mūzikas industriju satricināja kāda anomālija, kas teju identiski imitēja pretrunīgi vērtēto izpildītāju Dreiku,
Pār kādu anomāliju ir runa? Mistisku singlu “Heart on My Sleeve” – pārliecinoši viltots Dreika un izpildītāja The Weeknd duets. Turklāt, pirms kāds spēja paskaidrot tieši no kurienes šis skaņdarbs nācis, dziesma ieguva miljoniem klausījumu,
Skaņdarbs kļuva ne tikai par tulītēju interneta sensāciju. Tas sagrāva ilūziju, ka mākslīgā intelekta (MI) laikmetā cilvēkam ir pilnīga kontrole pār mākslu.
Reaģējot uz šo situāciju, ikdienas steigas fonā tiek izstrādāta jauna infrastruktūras kategorija, kas ir radīta nevis lai apturētu ar MI ģenerētu mūziku, bet gan padarītu to atpazīstamu un izsekojamu.
Šo skaņdarbu atklāšanas sistēmas tiek iestrādātas visos aspektos, kas saistās ar mūziku. Mākslas vārdā gan insturmentos, ko izmanto MI modeļu apmācīšanai, gan straumēšanas platformās, gan datubāzēs, gan algoritmos turpmāk tiks iestrādāta šī atpazīšanas infrastruktūra.
Svarīgi, ka mērķis ir ne tikai atklāt ģenerētu saturu pēc tā radīšanas un nonākšanas ekspluatācijā. Būtisks faktors ir arī spēja identificēt šādā veidā radītus skaņdarbus to agrīnajā stadijā, atzīmēt tos ar metadatiem un regulēt to apriti sistēmā.
“Ja šīs lietas jau saknē netiks iestrādātas infrastruktūrā, tad vienā brīdī industrija iestrēgs nebeidzamā aplī,” saka Mats Adells, Musical AI līdzdibinātājs.
“Nav iespējams reaģēt uz katru jaunu, atsevišķu un unikālu dziesmu vai modeli – tas nav piemērojami mērogam, kurā šis saturs tiek radīts. Tā viet ir nepieciešama infrastruktūra, kas darbojas no apmācības līdz izplatīšanai.”
Mūzikas marķēšana
Šobrīd kā pretrekacija uz notiekošo rodas jaunuzņēmumi, kas licencēšanas darbplūsmās iestrādā iepriekš raksturoto satura atklāšanas funkciju.
Tādas platformas kā YouTube un Deezer ir izstrādājušas iekšējās sistēmas, lai atzīmētu ģenerēto audio, kad tas tiek augšupielādēts, un noteiktu, kā tas parādās meklēšanā un ieteikumos.
Citi mūzikas uzņēmumi, tostarp Audible Magic, Pex, Rightsify un SoundCloud, paplašina noteikšanas un moderēšanas funkcijas visās jomās, sākot no mācību datu kopām līdz izplatīšanai.
Rezultātā ir izveidojusies sadrumstalota, bet strauji augoša uzņēmumu ekosistēma, kas MI radītā satura atklāšanu neuzskata par izpildes nodrošināšanas rīku. Drīzāk – par mākslīgi radīta satura izsekošanas infrastruktūru.
Tā vietā, lai atklātu MI radītu mūziku pēc tās izplatīšanās, daži uzņēmumi izstrādā rīkus, kas ļauj to marķēt jau radīšanas brīdī. Vermillio un Musical AI izstrādā sistēmas, kas skenē gatavus skaņdarbus, meklējot sintētiskus elementus, un automātiski iezīmē tos metadatos.
Vermillio TraceID sistēma šajā procesā iedziļinās vēl vairāk. Proti, dziesmas tiek sadalītas pamatdaļās, piemēram, vokāla tonī, melodiskajā frāzējumā un liriskajos rakstos, atzīmējot konkrētus ar MI radīta satura fragmentus.
Tas ļauj autortiesību īpašniekiem konstatēt atdarinājumu atsevišķu elementu līmenī, pat ja jaunais ieraksts aizgūst tikai daļu no oriģināla.
Uzņēmums norāda, ka tā mērķis nav ģenerēta satura likvidēšana, bet gan proaktīva licencēšana un apstiprināta mūzikas izdošana.
TraceID tiek pozicionēts kā aizvietotājs tādām sistēmām kā YouTube Content ID, kas bieži nepamana niansētus un smalkus vai daļējus atdarinājumus.
Vermillio lēš, ka autentificētas licencēšanas tirgus, kuru darbina rīki kā TraceID, varētu pieaugt no 65 miljoniem EUR 2023. gadā līdz 8,6 miljardiem 2025. gadā.
Praktiski tas nozīmē, ka autortiesību īpašnieks vai platforma, kurā saturs publicēts, var pārbaudīt skaņdarbu ar TraceID. Tas ļaus noskaidrot, vai tas satur aizsargātos elementus — un, ja satur, sistēma to atzīmē licencēšanai pirms publiskošanas.
Autoratlīdzības, autoratlīdzības un vēlreiz autoratlīdzības
Daži uzņēmumi dodas līdz pašai problēmas saknei – mācību datiem. Analizējot, kas tiek iekļauts modelī, to mērķis ir novērtēt, cik lielā mērā ģenerētais skaņdarbs ir aizgūts no konkrētiem māksliniekiem vai dziesmām.
Šāda veida atribūcija varētu ļaut precīzāk noteikt licences nosacījumus, balstot autoratlīdzību uz radošo ietekmi, nevis pēc skaņdarba relīzes strīdiem.
Šī ideja atsauc atmiņā jau senas diskusijas par muzikālo ietekmi, piemēram, “Blurred Lines” tiesvedību. Tomēr tagad diskusijas subjekts ir algoritmiska ģenerēšana. Atšķirība ir tāda, ka licencēšana var notikt pirms izdošanas, nevis ar tiesvedības palīdzību pēc tam.
Musical AI strādā arī pie noteikšanas sistēmas. Uzņēmums raksturo savu sistēmu kā daudzslāņainu, aptverot datus no ievades līdz ģenerēšanai un izplatīšanai. Tā vietā, lai filtrētu rezultātus pēc to radīšanas, sistēma seko izcelsmei no sākuma līdz beigām.
“Atribūcija nedrīkst sākties tikai tad, kad dziesma ir pabeigta – tai jāsākas brīdī, kad modelis sāk mācīties,” saka uzņēmuma līdzdibinātājs Šons Pauers. “Mēs cenšamies kvantificēt radošo ietekmi, nevis vienkārši atklāt kopijas.”
Savukārt Deezer ir izstrādājis iekšējos rīkus, kas spēj identificēt pilnībā ar MI ģenerētas dziesmas augšupielādes brīdī un samazina to redzamību gan algoritmiskajos, gan redakcionālajos ieteikumos.
Inovāciju vadītājs Orjeliēns Ero norāda, ka šī gada aprīlī šie rīki katru dienu identificēja aptuveni 20% jauno augšupielāžu kā pilnībā ar MI ģenerētas – rādītājs, kas ir gandrīz divreiz lielāks nekā janvārī.
Ģenerētie skaņdarbi netiek izņemti no straumēšanas platformas, tomēr tie netiek “veicināti”. Ero lēš, ka Deezer “tuvāko nedēļu vai mēnešu” laikā plāno sākt arī šo ierakstu marķēšanu lietotājiem.
“Mēs nebūt neesam pret mākslīgo intelektu,” saka Ero. “Taču lērums no šī satura tiek izmantots negodprātīgi – nevis radīšanai, bet platformas izmantošanai. Tāpēc mēs tam pievēršam tik lielu uzmanību.”
Problēmas apkarošana tās saknē
Spawning AI izstrādātais DNTP (Do Not Train Protocol) virza noteikšanu vēl agrākā posmā, prto, jau datu kopu līmenī. Šis atteikšanās protokols ļauj māksliniekiem un autortiesību īpašniekiem atzīmēt savus darbus kā aizliegtus izmantošanai modeļu apmācībā.
Lai gan vizuālajiem māksliniekiem šādi rīki jau ir pieejami, audio joma šajā jautājumā paliek iedzinējos
Pašlaik trūkst vienotas pieejas attiecībā uz piekrišanas sniegšanas standartiem, caurspīdīgumu vai licencēšanu plašā mērogā.
Iespējams, nākotnē regulējums to piespiedīs, taču pagaidām pieeja ir sadrumstalota. Arī lielo MI apmācības uzņēmumu atbalsts bijis nevienmērīgs, un kritiķi uzskata, ka šis protokols negūs plašu ievērību, ja to nepārvaldīs neatkarīgi un tas netiks plaši pieņemts.
“Atteikšanās protokolam jābūt bezpeļņas iniciatīvai, kuru pārrauga vairāki neatkarīgi dalībnieki, lai tas būtu uzticams,” saka Draihērsts. “Nevajadzētu uzticēt piekrišanas nākotni neskaidrai centralizētai kompānijai, kas varētu bankrotēt – vai, vēl ļaunāk, rīkoties ļaunprātīgi.”
Avots: TheVerge
