كيف يمكن تمييز الموسيقى المولدة بالذكاء الاصطناعي عن الصوت المعدل؟ اكتشافات جديدة مثيرة!

في عصرٍ يتزايد فيه استخدام الذكاء الاصطناعي في مجالات الموسيقى، تبرز أهمية تمييز الموسيقى المولدة بالذكاء الاصطناعي عن النسخ المعدلة أو المعالجة. لا تقتصر هذه المهمة على كونها مجرد اختبار، بل تتعلق بإيجاد حلول فعلية لتحديات عالم الصوت.

تُظهر الأبحاث الأخيرة التي أُجريت في جامعة معينة أن المعيار التقليدي لتقييم كواشف الموسيقى الذكية كان يستند غالبًا إلى مقارنة الأغاني الأصلية مع تلك المولدة بالذكاء الاصطناعي. لكن في الواقع، يتم رفع النسخ المعدلة باستمرار على منصات مثل يوتيوب، وهي عملية تتضمن إعادة تعديل، إعادة ترميز، أو تحوير النغمات. وهذا الأمر يجعل العملية أكثر تعقيدًا، لأنه رغم أن تلك النسخ ليست مولدة بالذكاء الاصطناعي، إلا أنها قد تتضمن بعض الأثر الترددي الذي يشبه بصمة الصوت الاصطناعية.

لمواجهة هذه التحديات، قام الباحثون بتطوير مجموعة بيانات تضم نسخًا مولدة بالذكاء الاصطناعي وأخرى معدلة وأيضًا النسخ الأصلية، مع التركيز على الأغاني ذاتها كأساس للتحليل. استخدموا تقنية تحويل الطيف المدرب مسبقًا PaSST (Pretrained PaSST Spectrogram Transformer) لدراسة عينات صوتية مدتها 10 ثوانٍ، وتم تحقيق دقة متوازنة بلغت 0.811 على اختبار المجموعة المحجوزة.

الأرقام على مستوى المقاطع أظهرت أن الموسيقى المولدة بالذكاء الاصطناعي حققت درجة F1 تصل إلى 0.836، بينما كانت النسخ المعدلة أقل بفارق ملحوظ، حيث سجلت 0.720. تشدد هذه النتائج على أن الموسيقى المولدة تمتلك سمات صوتية يمكن الكشف عنها حتى بعد تعديلها، ولكن في الوقت نفسه، تشير إلى أن هذه السمات قد تتداخل مع آثار الصوت المعدل.

هذه الدراسة، التي تستفيد من تصورات Grad-CAM لاستكشاف مدى الاعتماد على المناطق الزمنية الترددية العالية الثقة في التنبؤات، تفتح آفاقًا جديدة في مجتمع الباحثين العاملين في ذكاء الصوت. كيف يمكن استخدام هذه النتائج تحسين تقنيات الكشف عن الموسيقى بالذكاء الاصطناعي؟ تعد هذه أسئلة تستحق النقاش والتفاعل.