动手实践AI领域的"重大基础性突破"
AWS DeepComposer现已开放预览。这款音乐键盘旨在扩展机器学习技能，让我们深入了解其背后的科学原理。
生成对抗网络的工作原理
生成对抗网络（GAN）包含两个神经网络模型，两者都在相同数据集上训练。第一个模型根据训练数据学习生成新的音乐伴奏，第二个"对抗"模型（或称"评判器"）将生成的作品与真实作品进行比较，并向生成器提供反馈。基于这些反馈，生成器不断改进，创作出更接近真实世界的音乐。
行业应用场景
无论是学生、学者还是开发者，都可以使用生成式AI创建跨行业的实际应用：从将草图转换为图像以加速产品开发，到改进复杂物体的计算机辅助设计。
某中心的AI部门软件开发经理指出：“我们看到生成式AI正在以最意想不到且有效的方式得到应用。这就是为什么我对开发AWS DeepComposer感到如此兴奋，它让企业能够利用机器学习做更多事情。”
实际操作三步曲
-
输入旋律：通过连接AWS DeepComposer键盘到计算机，或在控制台中使用虚拟键盘演奏。用户也可以选择控制台上现成的旋律，使用预训练流派模型（爵士、摇滚、流行、交响乐）在几秒钟内生成原创音乐作品。
-
模型训练：除了预训练流派模型外，还可以在某机构的SageMaker中构建自己的自定义流派模型。
-
发布作品：一键将音轨发布到SoundCloud，或将MIDI文件导出到喜欢的数字音频工作站。
技术实现机制
该系统采用类似管弦乐队与指挥的协作模式：生成器模型如同乐队，评判器模型则扮演指挥角色。指挥不仅评判输出质量（如音符和节奏是否正确），还提供反馈指导改进，最终产生符合要求的作品。
通过AWS DeepComposer，开发者能够以实践方式学习生成式AI，从而为传统业务创造全新的解决方案实现方式。