基于数字的计算机音乐塑造生成模式的智能融合
塑造模式的创新是衡量当代艺术价值的两大核心指标之一。对于计算机音乐而言，人工智能是变更传统音乐塑造生成模式的驱动力量。基于数字，人类智能与人工智能在计算机音乐塑造生成模式上的智能融合创新得以实现。
20世纪50年代，计算机音乐正式诞生。其与乡农倡议召开的、著名的创立人工智能研究领域的达特茅斯工作坊几乎同时出现。可以说，从一开始，计算机音乐与人工智能就相互交织。而计算机音乐智能生成的相应的音乐传播讯息作品亦形成了多种风格，比如布莱恩·伊诺（Brian Eno）于1996年建构的生成音乐[7]、巴特兰（Buttram）于2003年建构的非线性音乐[8]、法内尔（Farnell）于2007年建构的过程音乐[9]等。但无论计算机音乐如何发展，基于人类智能和计算机智能（经典的自动化智能，以非监督式机器学习为代表的人工智能）的智能融合是其核心塑造理念。
诚然，对于音乐作品传播讯息而言，纯粹基于人类智能是经典的方法模式。纯粹基于计算机智能，不依赖任何人类的创意输入，亦能生成相应的音乐作品传播讯息。例如，基于元胞自动机（cellular automata）的计算机仿生隐喻可以建构相应的分形（fractal）自相似（self-similarity）音乐。但唯有智能融合才能真正共同发挥人类智能和计算机智能的各自优势，融汇形成合力，塑造出全新的、受到传播受众欢迎的、达成相应传播效果目标需求的音乐作品传播讯息。
纵观计算机音乐的发展历程，特别是对音乐作品传播讯息的智能生成塑造模式，主要分为四大流派：
一是将人类智能，特别是音乐创作的经典模式进行符号化，形成各种形式系统，自动化生成音乐作品传播讯息，可被称作符号化流派。其经典实例如：美国伊利诺伊大学香槟分校团队[10]将人类智能进行符号化建立规则系统，并运用马尔科夫链的计算机智能，智能融合地生成的音乐作品传播讯息——《伊利亚克组曲》（Illiac Suite）弦乐四重奏；通过了图灵测试的著名作曲家兼计算机科学家、美国加州大学圣塔克鲁兹分校荣休教授戴维·科普（David Cope）创造出音乐智能实验（experiments in musical intelligence，EMI）系统[11]等。
二是基于机器学习，特别是非监督式机器学习，对过往的音乐作品进行模式识别，以期习得当中包含灵感在内的音乐创作模式，再运用习得的创作模式智能生成全新音乐作品传播讯息，可被称作机器学习流派。其经典实例如：微软公司建构的MySong智能和弦编配平台[12]；加拿大多伦多大学团队[13]基于多层的循环神经网络计算机仿生隐喻进行了流行音乐传播讯息的智能生成塑造（即Song From PI项目）等。
三是基于极值优化，以生成、判别、反馈、迭代的GDFI循环进化模式不断对音乐作品传播讯息进行重构升级，使其越来越适应目标传播受众的需求，可被称作极值优化流派。其经典实例包括仅依靠计算机智能的自动化生成迭代和传播受众基于人类智能的判别反馈，而不依赖作曲人和编曲人，塑造出高质量的音乐作品传播讯息，基于种群进化计算机仿生隐喻（即遗传算法），建构了达尔文音乐引擎（Darwinian music engine）[14]等。
四是基于具有自生成能力的数学模型，纯粹以计算机智能的自我运行，生成音乐作品传播讯息，可被称作自生成流派。其经典实例包括基于元胞自动机的计算机仿生隐喻可以建构相应的分形自相似音乐等。
从传播效果的角度对上述四大流派进行解析，可以发现，第一大流派（符号化流派）和第二大流派（机器学习流派）皆基于对音乐塑传者过往的人类智能经验的参考，认为尊重塑传者过往的成功经验塑造的音乐作品传播讯息，能够在未来也获得传播受众的喜爱；第三大流派（极值优化流派）则从传播受众的需求出发，追求音乐作品传播讯息朝着适应传播受众的方向不断进化，坚持的是从传播应用实践的目标需求“倒逼”传播讯息的生成理念；第四大流派（自生成流派）则坚信具有自生成能力的数学模型因具有宇宙中普遍存在的通行的数学美（如分形的自相似特征），这一美的模式应该也能够为传播受众所喜爱。这四大流派的三大理念取向自然带来不同的音乐作品传播讯息的智能生成塑造解决方案。但传播的应用实践却往往不是纯粹坚持某一流派，而是基于数字，进行流派之间的混搭，进而形成融汇各派优势的解决方案。
上述四大流派原本的发展速度较为平均，但随着基于人工神经网络计算机仿生隐喻的深度学习的迅猛发展，特别是深度生成模型这一非监督式机器学习所能达成的令人惊叹的效果，导致机器学习流派的大爆发。从本质上说，深度生成模型基于非监督式机器学习，对过往的音乐作品传播讯息进行无损还原的降维数字化编码，即经过降维获得的数字编码在经过升维之后又能无损还原成为原先的音乐作品。编码和解码的建构一旦完备，解析其内在含义和围绕其建构各式音乐作品传播讯息智能生成塑造解决方案皆得畅通。道格拉斯·艾克（Douglas Eck）是这一流派的重要推手之一。他与施米德胡伯（Schmidhuber）于2002年[15]创造性地在循环神经网络这一计算机仿生隐喻当中加入长短期记忆模块，使其一举获得了进行蓝调即兴（improvisation）创作的能力。2011年，艾克被谷歌公司挖走，离开了加拿大蒙特利尔大学，随后即在谷歌大脑（Google Brain）开创了Magenta新媒体艺术研究团队。Magenta是谷歌大脑中研究基于机器学习创作音乐和艺术的项目，其主旨是运用深度机器学习的算法智能生成歌曲、图像、绘画等各种艺术作品传播讯息，其已建构如AI Duet、Performance RNN、Nsynth等多个计算机音乐项目，是当下计算机音乐研究的主导驱动力量之一。