본 연구는 인공지능 기반 작곡 프로그램 현황을 살펴보고 실정을 고려한 제언을 제공하고자 한다. 인공지능 기반 작곡 프로그램은 기존의 '전문가 시스템' 방식의 알고리즘을 벗어나 심층신경망 이론의 발전 및 빅데이터 처리 기술 향상과 더불어 눈부신 성장을 보이고 있다. 이에 따라 클래식 음악과, 팝음악을 작곡하는데 있어 인공지능 기반 작곡 프로그램이 학계와 산업계에서 다양하게 제안되고 있으며, 최근 수년 사이 대중의 평가도 달라지고 있다. 다만 해당 기술 개발과 관련하여 여전한 한계점들이 분명히 존재하는 바, 대중의 인식 문제, 데이터베이스화되지 않은 가치 있는 사료들의 누락, 관련 법규의 미비, 음악적인 부분보다는 기술적 관점에서 해당 산업이 주도되는 점 등을 개선할 필요가 있겠다. 이 같은 점이 보완된다면, 인공지능 기반 기술은 국가 경쟁력 확보와 유지에 있어 중요한 역할을 해낼 것으로 보인다.
본 연구는 인공지능 기반 작곡 프로그램 현황을 살펴보고 실정을 고려한 제언을 제공하고자 한다. 인공지능 기반 작곡 프로그램은 기존의 '전문가 시스템' 방식의 알고리즘을 벗어나 심층신경망 이론의 발전 및 빅데이터 처리 기술 향상과 더불어 눈부신 성장을 보이고 있다. 이에 따라 클래식 음악과, 팝음악을 작곡하는데 있어 인공지능 기반 작곡 프로그램이 학계와 산업계에서 다양하게 제안되고 있으며, 최근 수년 사이 대중의 평가도 달라지고 있다. 다만 해당 기술 개발과 관련하여 여전한 한계점들이 분명히 존재하는 바, 대중의 인식 문제, 데이터베이스화되지 않은 가치 있는 사료들의 누락, 관련 법규의 미비, 음악적인 부분보다는 기술적 관점에서 해당 산업이 주도되는 점 등을 개선할 필요가 있겠다. 이 같은 점이 보완된다면, 인공지능 기반 기술은 국가 경쟁력 확보와 유지에 있어 중요한 역할을 해낼 것으로 보인다.
This study aimed to provide an overview of artificial intelligence based music composition programs. The artificial intelligence-based composition program has shown remarkable growth as the development of deep neural network theory and the improvement of big data processing technology. Accordingly, ...
This study aimed to provide an overview of artificial intelligence based music composition programs. The artificial intelligence-based composition program has shown remarkable growth as the development of deep neural network theory and the improvement of big data processing technology. Accordingly, artificial intelligence based composition programs for composing classical music and pop music have been proposed variously in academia and industry. But there are several limitations: devaluation in general populations, missing valuable materials, lack of relevant laws, technology-led industries exclusive to the arts, and so on. When effective measures are taken against these limitations, artificial intelligence based technology will play a significant role in fostering national competitiveness.
This study aimed to provide an overview of artificial intelligence based music composition programs. The artificial intelligence-based composition program has shown remarkable growth as the development of deep neural network theory and the improvement of big data processing technology. Accordingly, artificial intelligence based composition programs for composing classical music and pop music have been proposed variously in academia and industry. But there are several limitations: devaluation in general populations, missing valuable materials, lack of relevant laws, technology-led industries exclusive to the arts, and so on. When effective measures are taken against these limitations, artificial intelligence based technology will play a significant role in fostering national competitiveness.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 본 논문에서는, 국내외 인공지능 기반 작곡 프로그램의 개발 현황에 대해 살피고 관련 산업을 개인 및 산업체가 활용하는 것과 관련한 제언을 진행하고자 한다. 특히 각 연구개발이 진행되어 온 맥락과 개발 목표, 사용되는 장면에 대한 기술을 통해 추후 기술개발이 되어야 한 방향성을 모색하고자 한다.
이에 앞서 2017년, 코클리어닷 AI는 ‘애트모(Atmo, Generative Music for Spatial Atmosphere)’라는 작곡 프로그램을 제안하였다. 주변 소리를 인식하여 상황과 분위기에 맞는 음악을 작곡하는 공간 맞춤형 작품을 제공하는 것을 목적으로 한다.
이에 본 논문에서는, 국내외 인공지능 기반 작곡 프로그램의 개발 현황에 대해 살피고 관련 산업을 개인 및 산업체가 활용하는 것과 관련한 제언을 진행하고자 한다. 특히 각 연구개발이 진행되어 온 맥락과 개발 목표, 사용되는 장면에 대한 기술을 통해 추후 기술개발이 되어야 한 방향성을 모색하고자 한다.
제안 방법
전술한 쥬크덱의 경우, 현재까지 1000만곡 이상을 작곡한 것으로 알려져 있으며, 국내 회사와 협업하여 음원을 공개하고 있고 코카콜라 및 구글 등 대기업과 작업을 지속하고 있다. 해당 프로그램의 경우, 딥러닝을 기반으로 한 작곡 엔진과, 악기, 다이내믹, 컴프레서, 이퀄라이저, 리버브 등을 선택하는 프로덕션 엔진 각각에 2초와 38초가 소요되는 정도로 효율적인 작업 방식을 특징으로 한다.
성능/효과
둘째, 앞서 “사람은 말로 표현하는 것보다 더 많이 알고 있다”는 폴라니의 역설은 딥러닝 기반의 기술개발이 눈부시게 이뤄지고 있는 지금에서도 여전히 유효하다.
패턴인식과 자연어처리가 모두 활용되는 분야 중 대표적인 영역은 인공지능 비서 서비스일 것이나, 음악 역시 패턴과 자연어로 이루어져 있다는 점에서 큰 수혜를 받고 있다. 복잡 다양한 자극의 세부적 특징을 추출해가는 과정에서 자극의 강약과 같은 특성을 다양한 방식으로 분석하며, 또한 독특한 방식으로 조합할 수 있다는 점에서, 기존의 데이터를 기반으로 한 딥러닝의 속도가 향상되는 결과를 낳았으며, 이는 클래식음악을 넘어 인공지능 기반 팝음악 작사 및 작곡의 발전을 가져오고 있다.
후속연구
후발주자가 선발주자를 따라잡기 힘든 속성을 가지고 있는 인공지능을 활용하여 운 문화를 창출하고 고부가가치 산업을 이끌어 갈 때에, 인공지능 기술에 대한 접근성이 부족하거나 이런 기술을 활용하는데 있어 취약한 개인을 보호하기 위한 정책 역시 필요할 수 있겠다. 또한 국가 경쟁력 확보와 유지 측면에서도 이러한 인공지능 기반 예술 산업에 대한 관심과 투자 역시 지속적으로 요구될 것으로 보인다.
셋째, 인공지능 창작물과 인공지능을 활용한 서비스 개발이 학계와 산업계에서 동시다발적으로 이루어지고 있는 만큼, 기술의 보호 및 이전, 그리고 저작권과 관련한 법규가 재정비 되어야 할 필요가 있다. 또한 인공지능은 완성된 그 자체에서 머무르기보다, 이를 기반으로 계속해서 발전해나가는 성격을 띠기에, 진화하는 기술적 속성과 컨텐츠를 어느 수준까지 보호하고 규제해야 할지에 대한 담론이 필요하겠다.
더욱이, 현재의 머신러닝은 지금까지의 데이터를 기반으로 학습을 한다는 점에서, 인간의 창작물과 창의성에 단단히 기반하고 있다. 앞으로 새로이 출현할 음악 장르 혹은 가상 악기 등으로 뮤지션들은 끊임없이 창조적인 예술품들을 만들어낼 것이며, 이는 인공지능 작곡 프로그램들에게 매우 중요한 자료로 사용될 것이다. 또한 인공지능 창작물은 인간에게 또 다른 의미의 영감을 부여할 것이다.
인공지능 기반 기술을 더 풍부하게 발전시키기 위해 양질의 데이터를 수집하고 이를 공공의 이익을 위해서 사용할 수 있는 절차에 대한 더 깊은 논의가 필요할 것으로 보인다. 이 새로운 기술과 그 결과물을 효율적으로 활용하기 위해서는 제도 상에서 이를 어떻게 다룰지에 대한 실증적인 연구가 동반되어야 할 것이다.
인공지능을 이용한 기술의 융합과 서비스 산업은 이제 진입 단계에 들어섰다. 인공지능 기반 기술을 더 풍부하게 발전시키기 위해 양질의 데이터를 수집하고 이를 공공의 이익을 위해서 사용할 수 있는 절차에 대한 더 깊은 논의가 필요할 것으로 보인다. 이 새로운 기술과 그 결과물을 효율적으로 활용하기 위해서는 제도 상에서 이를 어떻게 다룰지에 대한 실증적인 연구가 동반되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
obivious란?
프랑스의 인공지능 기반 창작집단인 obivious (오비어스) 는 미국 타임지와의 인터뷰에서 밝혔듯 “작품을 만드는 과정에서 인간의 관여를 최소화 하려 노력했다”면서 창조성이 인간의 전유물이 아님을 분명히 하였다. 실제로 인공지능이 세계최초로 그림 해당 그림은 예상가의 40배에 달하는 액수를 기록하며 뉴욕 크리스티 경매에서 낙찰이 되었다.
심층신경망에서 양질의 결과물을 산출하기 위한 요소는?
머신러닝은 딥러닝의 재등장으로 인해 더 높은 수준의 추진력을 갖게 되었는데, 1980년대에 잠시 등장했던 심층 신경망 이론 (Deep Neural Networks) 이 빅데이터 처리기술과 컴퓨터의 하드웨어 향상을 바탕으로 기술 구현이 가능해지면서, 인간의 두뇌 작동 방식에 더욱 가까운 학습모델을 만들어낸다.[4] 이때 양질의 결과물 산출에 선제적으로 요구되는 것은 양질의 데이터이다. 특히 고도로 산업화된 분야일수록 관련된 데이터가 방대한 수준으로, 체계적으로 축적되어 있기에, 딥러닝을 이용한 새로운 기술의 발전이 더욱 용이해진다.
딥러닝 기반으로 해결되지 않는 문제의 예는 어떤 것이 있는가?
이 문제는 최근 글로벌대기업IBM이 개발한 의료인공지능시스템 ‘왓슨’의 부진과 관련이 있다. 암 진단 등의료 영역에서 높은 수준의 정확한 판단을 제공할 것으로 여겨졌던 인공지능 플랫폼 왓슨의 암 진단 정확도는 기대에 미치지 못했으며, 이에 본사의 대규모 구조조정설이 있을 정도로 왓슨의 위상이 크게 떨어져있다. 이는, 폴라니의 역설을 간과했기 때문인 것으로 평가된다.
참고문헌 (14)
Hutson M. How Google is making music with artificial intelligence. Science. 2017.
Simonton DK. Quantifying creativity: can measures span the spectrum? Dialogues in Clinical Neuroscience. 2012;14(1):100-4.
Toiviainen P. Musical creativity: Multidisciplinary research in theory and practice. Music Perception: An Interdisciplinary Journal. 2008;25(3):257-60.
Kahng M, Andrews PY, Kalro A, Chau DHP. Activis: Visual exploration of industry-scale deep neural network models. IEEE transactions on visualization and computer graphics. 2018;24(1):88-97.
Quick D. Kulitta: a framework for automated music composition: Yale University; 2014.
Bhattacharya J, Lee E-J. Modulation of EEG theta band signal complexity by music therapy. International Journal of Bifurcation and Chaos. 2016;26(01):1650001.
Davies SR, Mistry U, Millen L, Skrypchuk L, Braithwaite J, editors. Evaluation of an EEG/electro-dermal hybrid device to ascertain a user's attentional state. Proceedings of the Human Factors and Ergonomics Society Annual Meeting; 2016: SAGE Publications Sage CA: Los Angeles, CA.
Vico-Vela FJ, Sanchez-Quintana CA, Albarracin-Molina D. MELOMICS: Contributions of computer science and biology to receptive music therapy. 2014.
de la Torre-Luque A, Caparros-Gonzalez RA, Bastard T, Vico FJ, Buela-Casal G. Acute stress recovery through listening to Melomics relaxing music: a randomized controlled trial. Nordic Journal of Music Therapy. 2017;26(2):124-41.
Lim B, Smith A, Stumpf S. ExSS 2018: Workshop on Explainable Smart Systems. 2018.
Acampora G, Cadenas JM, De Prisco R, Loia V, Munoz E, Zaccagnino R, editors. A hybrid computational intelligence approach for automatic music composition. Fuzzy Systems (FUZZ), 2011 IEEE International Conference on; 2011: IEEE.
Kim JS, Lee MH. 5G Mobile Communications: 4th Industrial Aorta. The Journal of the Convergence on Culture Technology (JCCT). 2018;4(1):337-51.
Al-Awaji BH. Big Data Applications and Challenges. International Journal of Advanced Computer Technology. 2017;6(2):22-7.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.