في عصر التكنولوجيا الحديثة، أصبح الذكاء الاصطناعي (AI) جزءًا لا يتجزأ من صناعة الموسيقى، حيث يتم دمج الأصوات الاصطناعية مثل الطبول، والقيثارات، والأصوات البشرية مع أدوات يعزفها عازفون بشريون. ومع ذلك، فإن أنظمة الكشف عن الموسيقى المُنتَجة بالذكاء الاصطناعي لا تزال في مرحلة مبكرة، حيث تعتبر المقاطع الموسيقية إما مُنتَجة بالكامل بالذكاء الاصطناعي أو بالكامل بواسطة البشر.

أحدث بحث نُشر على موقع الأبحاث العالمية arXiv جاء لحل هذه المشكلة، مُعيدًا صياغة رصد الموسيقى المُنتَجة بالذكاء الاصطناعي كمسألة انحدار تعتمد على نسبة طاقة الذكاء الاصطناعي (alpha) في النطاق من 0 إلى 1. تم استخدام مجموعة بيانات موسيقية متعددة المسارات لإنشاء مزج يجمع بين محتوى موسيقي بشري ومحتوى مُعتمد على الذكاء الاصطناعي، باستخدام طريقة مشابهة لرمز الصوت العصبي.

النتائج أظهرت أن نموذج التعرف المعتمد على الشبكات العصبية التلافيفية (CNN) الذي تم تدريبه على مسارات موسيقية مُنتَجة بالكامل من قِبل الذكاء الاصطناعي أو بواسطة البشر، وحقق دقة تفوق 99% ككاشف ثنائي. لكن عند مواجهته لمحتوى مختلط، أظهر استجابة ترتفع مع زيادة مساهمات الطاقات الخاصة بالذكاء الاصطناعي، مما جعله أداة أقل دقة.

أيضًا، أظهرت التحليلات أن حساسية الكشف تعتمد على نوع الآلة الموسيقية، حيث تميل الطبول والقيثارات إلى إظهار توقيعات شديدة من عيوب الترميز، بينما تكون الأصوات البشرية والقيثارات أقل وضوحًا. ومع اعتماد نموذج آخر مبني على الشبكات العصبية التلافيفية (CNN) لانحدار النسبة (alpha)، تم الحصول على نتائج مبهرة مع خطأ متوسط قدره 0.076 ومعامل تحديد R^2 يساوي 0.85.

هذه النتائج تمثل بداية واعدة نحو تطوير أنظمة كشف موسيقي أكثر دقة، تلائم سير العمل في إنتاج الموسيقى الواقعية، مما يسهل على المنتجين والمستمعين فهم أكبر لمحتوى المقاطع الموسيقية التي تستمع إليها اليوم.