Nie uwierzysz, że nie nagrał tego człowiek. Ta muzyka budzi strach i... wiarę

Ostatnio na TikToku zapanowała moda na odtwarzanie starych utworów, ale z wokalem innych współczesnych twórców, generowanym przez sztuczną inteligencję. Suchy opis może wydawać się lekko przerażający, tym bardziej że efekt był naprawdę skuteczny i fragmenty bujały.

Cała zabawa okazała się jednak prześmieszna i to było jej celem. Nie stworzenie nowego wakacyjnego hitu, a radosny eksperyment pod tytułem „co się stanie, gdy…”. Streamer Young Multi śpiewał więc „Sacrum”  i rzeczywiście brzmiał jakby to była jego piosenka. I dlatego wielu sobie z żartowało, nagrywając filmiki wyrażające podziw dla twórcy, zachwycając się jego wrażliwością, przy okazji nakręcając trend polegający na wkręcaniu innych, że nie zna się prawdy.

Sam żart był wielopoziomowy. Po pierwsze trzeba było wiedzieć kim jest Young Multi – choć ja Multiego znam wyłącznie z fragmentów TikToka, to i tak to wystarczyło, aby zrozumieć, o co chodzi w zabawie. Po drugie trzeba było znać „Sacrum” albo inne utwory z wczesnych lat dwutysięcznych i przede wszystkim wiedzieć, że w tamtym czasie były kontrowersyjne, żeby teraz docenić przewrotność przeróbek.

Tak naprawdę w tym wszystkim sztuczna inteligencja była jedynie narzędziem. Niby fundamentalnym, bo dawała nowe życie starej piosence, ale kluczem do skarbu było tło. Kontekst polegający na tym, że współczesny tiktoker-raper śpiewa popowe piosenki, które dziś budzą pewną nostalgię, a jeszcze kilkanaście lat temu były raczej żenujące.

Numer by nie powstał, gdyby nie szersze zjawisko: akceptowania tego, co dawniej było wstydliwe, patrzenie z nowej perspektywy, odrzucenie żenady i na swój sposób jej docenienie. Nawet nie muszę się zastanawiać, czy sztuczna inteligencja za 20 lat będzie potrafiła śmiać się sama z siebie, bo już znam odpowiedź.

Ludzie mając w rękach już całkiem imponujące możliwości, zamiast tworzyć wakacyjne hity, bawią się zastanawiając, co by było gdyby Karol Krawczyk zaśpiewał „Długość dźwięku samotności”. Zwykła ludzka, wręcz dziecięca ciekawość polegająca na chęci złączenia niepasujących do siebie elementów. Dlaczego? Bo ważniejszy jest sam twórca i to, co tchnęło go do stworzenia danego dzieła. Istotne jest jak dzieło się zestarzało i jak wpływa na innych po latach. Z czym sobie je kojarzymy, co nam przypomina. Stąd zabawa sztuczną inteligencją - to gra z własnymi emocjami.

Chodzi o zaspokojenie ciekawości. Np. jak brzmiałby Kurt Cobain, gdyby naprawdę nie miał broni i żył do dzisiaj. OK, być może nagrywałby tak i tak, ale ciekawsze mimo wszystko jest to, co udało mu się realnie stworzyć. Sztuczna inteligencja nigdy nie będzie nowym Kurtem Cobainem.

Dlatego jestem dziwnie spokojny obserwując start nowego narzędzia do tworzenia muzyki za pomocą sztucznej inteligencji. Teoretycznie nie powinienem, bo wypuszczone właśnie Udio jest jeszcze lepsze niż Suno, które również na podstawie raptem kilku słów potrafiło wygenerować piosenkę.

Możliwości Udio faktycznie są imponujące/przerażające. Posłuchajcie sami:

Tak, mógłbym uznać tę folkową pieśń za prawdziwą. Nie znam się na folku, nie znam się na dawnych krainach, więc łyknąłbym bez problemu.

A ta dziecięca piosenka uroczo drwiąca z Open AI? Śmiało mogłaby znaleźć się w jakimś psychodelicznym filmie nawiązującym do „Alicji w krainie czarów”.

I naprawdę niewiele trzeba, żeby coś takiego stwo… przepraszam, wygenerować. Kilka słów i gotowe. Wprawdzie moja britpopowa piosenka o wizycie na cmentarzu wcale nie brzmiała jak coś z tego gatunku, ale spokojnie trafiłaby w gusta sympatyków np. The Cure. I pewnie fani daliby się nabrać, że to jakiś zespół czerpiący z ich stylistyki, a nie bezduszne algorytmy.

To wszystko powinno powodować strach i niepewność. Tak, są podstawy, aby stwierdzić, że zbliżamy się do końca muzyki.

Nie pozwala mi uwierzyć proste, podstawowe pytanie: dlaczego miałbym słuchać muzyki generowanej przez sztuczną inteligencję?

Nadziewam się na kontrę. Owszem, sam z siebie nie muszę odpalać tych utworów. Będę słyszał je w radiu. W windzie. Spacerując po galerii handlowej. Kiedy robicie zakupy zastanawiacie się, co leci w tle? A coś przecież brzdąka. I cyk – autorzy dźwięków umilających wkładanie bułek do koszyka właśnie muszą się przebranżowić, bo nikt ich już więcej nie potrzebuje. Podobnie jak ludzi komponujących fragmenty do filmów, seriali, dokumentów i tak dalej, i tak dalej. Jak się to wszystko podsumuje, zbierze się spora kolejka pod niejednym urzędem pracy.

Ale, ale – głos niezgadzający z wizją bezpiecznej przyszłości muzyki staje się coraz pewniejszy -  czy na pewno tylko tam dotrą do nas dźwięki sztucznej inteligencji? Czy jeśli taki utwór wciśnie się na playlistę będziemy w stanie go rozpoznać i uderzy nas po uszach, że to nieludzka kompozycja? Na pewno?

W końcu kto w niedalekiej przyszłości będzie tworzył te playlisty? Zgadza się, sztuczna inteligencja. I najpierw przemyci 3 utwory, potem 10, a następnie cała składanka będzie składała się ze sztucznie stworzonych utworów. Nie trzeba będzie dzielić się zyskami z muzykami, którzy jeszcze zatęsknią za niskimi stawkami na platformach streamingowych. Przynajmniej coś skapywało.

Coś więcej niż przygrywanie do sprzątania, spaceru, tańca czy gotowania. Nawet artyści, których nie znoszę, którzy są typowym wytworem branży muzycznej, których zadaniem jest schlebianie gustom, grają koncerty, spotykają się z fanami, robią zdjęcia i wrzucają je do mediów społecznościowych. Co oznacza, że żyją również z tego, że ktoś chce ich zobaczyć na żywo. Doświadczyć emocji, których nie gwarantuje słuchanie muzyki na słuchawkach.

W książce "Kod kreatywności. Sztuka i innowacja w epoce sztucznej inteligencji" Marcus du Sautoy zwracał uwagę, że nie docenia się roli słuchacza, widza, czytelnika. Często wracam do tego fragmentu, ale jest on kluczowy i zwyczajnie pocieszający. Faktycznie z wręcz zadziwiającą łatwością przyznaje się, że odbiorca łyknie wszystko, co dostanie. I patrząc na listy przebojów, pisarzy sprzedających najwięcej książek i artystów zapełniających największe hale można uznać, że taki pogląd nie wziął się znikąd. To jednak wciąż tylko fragment całości.

Coraz bardziej utwierdzam się w przekonaniu, że wcale nie trzeba odwoływać się do wielkich słów: kreatywności, odwagi tworzenia, przekraczania granic. Wystarczy świadomość, że po drugiej stronie była prawdziwa osoba. Nawet jeśli kierowała się chęcią zysku, to i tak możemy pójść na koncert, zobaczyć ją, dobrze się bawić i coś przeżyć. Sztuczna inteligencja może stworzyć wpadający w ucho utwór, ale co dalej? Niech pochwali się liczbą 333 mln wyświetleń. Ciągle powraca pytanie: co dalej?

Nic. Starcie dalej wygra popularny artysta, którego będzie można zobaczyć na koncercie albo nawet w mediach społecznościowych. Nawet ci, których teoretycznie będzie najłatwiej zastąpić – bo dzisiaj tworzą wpadające w ucho przeboje atakujące zewsząd; sztuczna inteligencja przecież też będzie mogła to robić – wygrają tym, że istnieją. Mogą być w całości wyhodowani przez przemysł muzyczny, wręcz wyciągnięci z szablonu, ale to oni wystąpią na scenie i zapozują do zdjęcia. A skoro oni, będący niczym więcej jak tylko produktem, dadzą sobie radę, to tym bardziej nie musimy obawiać się o tych, którzy wkładają w swoje dzieła serce.  

Dr Stanisław Trzciński, autor książki "Zarażeni dźwiękiem. Rynek muzyczny w czasach sztucznej inteligencji", w rozmowie z PAP muzykę wygenerowaną przez sztuczną inteligencję porównał do smartfonowej fotografii. I chociaż dziś każdy z nas może robić setki fotek dziennie, może być reportem znajdującym się w sercu ważnego wydarzenia, to dalej potrzebni są fachowcy, a zawód profesjonalnego fotografa czy reportażysty wciąż istnieje.

- Mimo że każdy z nas będzie mógł coś sam wyprodukować, nadal będziemy zasłuchani w ludziach utalentowanych, wywołujących emocje, a tym bardziej w mistrzach i wirtuozach – mówi naukowiec. I nie widzę powodu, by mu nie wierzyć.