📝📝：演算法難以拼湊出「人味」的即興創造｜卡內基美隆大學：AI 作曲傾向走安全、保守的路線
本文參考自卡內基美隆大學的校內報導《As AI-Generated Music Advances, Humans Still Lead in Creativity, CMU Research Finds》作者為 Stacey Federoff。
當我們在 2026 年回頭審視人工智慧對藝術領域的衝擊時，音樂無疑是最具爭議的領域之一。
從能夠生成電台品質音軌的 Udio 到登上告示牌（Billboard）榜單的 AI 虛擬歌手，AI 似乎已經無所不能。然而，卡內基美隆大學（CMU）的一項跨學科研究卻為這股熱潮澆了一盆冷水：
AI 雖然能「寫」歌，但在與人類的創意博弈中，依然存在難以跨越的鴻溝。
這項研究揭示了一個核心矛盾 — — 雖然 AI 大幅提升了「生產效率」，但在衡量藝術價值的「原創性」與「創造力」指標上，演算法的表現卻不盡如人意。
140 位音樂人的創意
為了釐清 AI 對創作過程的實質影響，卡內基美隆大學的海因茲學院（Heinz College）與音樂學院組成了一個跨學科團隊。研究主導者 Jose Oros 針對 140 位受過音樂訓練的參與者進行了一場對照實驗：
實驗設計：參與者被要求使用小型鋼琴鍵盤創作一段 15 秒的旋律。
對照變數： 一組參與者可以使用名為 Udio 的生成式 AI 平台，透過文字提示（Text Prompts）尋求靈感或生成旋律片段；另一組則完全不依賴 AI 進行獨立創作。
評審機制： 創作完成後，由另一組聽眾根據「創造力」、「享受程度」以及「音樂性」進行盲測評分。
人類創作的勝出
AI 傾向保守作曲
AI 生成的音樂往往使用的音符較少，傾向於選擇「安全」且「標準化」的旋律走向。本質上，AI 就是基於常態分佈的模型，生成最常見同時也是最平庸的曲風和作品。
AI 輔助反而更慢
令人驚訝的是，研究發現 AI 輔助組的創作速度反而較慢。
當 AI 產出海量內容時，人類創作者必須花費大量時間進行篩選、過濾與修飾（Curation）。這種「從大量平庸中尋找金子」的過程，往往比從零開始的靈感閃現更加耗費心智。
Jose Oros 指出，過去大部分關於 AI 的研究都聚焦於「生產力」（Productivity），但在藝術領域，我們更在乎的是「創造力」（Creativity）與「新穎性」（Novelty）。
如果工具無法幫助創作者突破既有框架，其社會價值就必須被重新審視。
人類經驗的不可替代
卡內基美隆大學音樂理論副教授 Richard Randall 提出了一個深刻的觀點：
「音樂是一個動詞，而不是一個放在桌上的名詞。」
這句話精確地捕捉到了人類音樂與演算法生成的本質差異：
音樂是「行為」：對人類而言，音樂是個人經驗、靈感與情感的表達。建立在創作者與聽眾之間的情感共鳴上。
AI 是「衍生」： 生成式 AI（如 LLM）本質上是透過龐大的數據語料庫進行學習。AI 所產出的內容是基於「機率」的組合，而非出於表達自我的慾望。
Randall 認為，人類在處理音高、節奏時，會加入非公式化的處理，例如細微的節奏延遲、推動或力度變化（Rhythmic pullbacks, delays and pushes）。這些「不完美」與「不可預測性」正是音樂打動人心的關鍵。
相比之下，AI 的創作總是傾向於「打安全牌」（Playing it safe），其本質永遠是衍生性的（Derivative）。
從「競爭」到「協作」
卡內基美隆大學並非全面否定 AI，而是試圖開發更具「共生關係」的工具。
Amuse：圖像與文字的旋律轉譯
由電腦科學系助理教授 Chris Donahue 領導的「生成創意實驗室」（Generative Creativity Lab）開發了名為 Amuse 的工具。這是一個讓人類與 AI 深度協作的平台：
使用者可以上傳圖像、文字或音頻。AI 會將這些非音樂性的素材轉化為音樂和弦進程。但最終的驅動力依然是「人類的意圖」（Human Intentionality）。
PianoGenie：藝術家的靈感夥伴
Donahue 曾與 Google AI 及搖滾樂團 The Flaming Lips 合作開發 PianoGenie。這類工具的初衷並非取代作曲家，而是作為一個「創意思考的腳手架」（Creative ideation support），幫助藝術家在枯竭時找到意想不到的切入點。
Donahue 相信，雖然 AI 終有一天能生成與人類音樂同樣動人的聲波，但人類對於創作過程的介入和主觀意圖，將永遠是音樂體驗的核心。
AI 只能是催化劑
卡內基美隆大學的這份研究為我們勾勒出了 AI 在音樂領域的定位：
AI 可以是一個優秀的「靈感探索工具」（Ideation tool），而不是一個成熟的「獨立藝術家」。
未來，AI 與人類音樂的關係或許會朝向以下三個方向發展：
降低參與門檻： 生成式 AI 讓音樂知識不足的人也能嘗試創作，這是一種「音樂創作的民主化」。
輔助創意發想： 對於專業人士，AI 可以提供不同維度的和弦或旋律建議，打破創作慣性。
重新定義「人的價值」： 當演算法能產出 80 分的平庸音樂時，人類那 20% 的非公式化、充滿經驗的情感表達（如節奏的微調、音色的塑造），將會變得更加珍貴且高價。
正如研究團隊所強調的，人類的創造力是沒有上限的。
雖然演算法善於在已有的模式中進行排列組合，但只有人類具備打破規則、將個人生命經驗轉化為獨特旋律的能力。AI 或許可以模擬音樂的形式，但只有人類能賦予音樂靈魂。