Dopo mesi di silenzio, il nostro blog indipendente torna a farsi sentire. Da oggi, The King Of The Six Strings sarà attivo nei mesi di maggio, giugno, luglio e agosto. Apriamo una stagione densa di idee e proposte di riflessione con un argomento già trattato su queste pagine: quello dell’intelligenza artificiale e del suo rapporto con la musica e, più in generale, con il mondo dell’arte.

Ad oggi (ci asteniamo dal citare marchi e software specifici per motivi di trasparenza) è sufficiente visitare la categoria “Musica” degli store di app online per accorgersi del proliferare di “soluzioni” descritte come in grado di rivoluzionare il mondo dell’arte, “democratizzando” la composizione musicale e rendendola accessibile a chiunque. Come? Grazie all’AI, ovviamente.

Spesso, il servizio si presenta come gratuito. Sembra che ci venga offerta la possibilità di produrre brani in poco tempo, a costo zero. In cosa consiste, quindi, l’introito (non necessariamente economico) di chi “offre” i suddetti servizi? Certo, non intendiamo affermare che un introito debba esserci per forza, tuttavia occorre considerare che anche la semplice pubblicazione di un’app ha un costo. E mantenere, hostare, utilizzare modelli di intelligenza artificiale (“deployati” tramite API, SaaS, ecc.), o semplicemente eseguirne il fine-tuning, spesso non è gratuito. Senza entrare in meriti economici-etici, occorre notare come, ai fini del mantenimento delle infrastrutture necessarie ai servizi in oggetto, siano necessarie risorse. In primo luogo, dati. A questo proposito, osserviamo come operi un modello di IA.

L’IA si distingue in diverse branche, tra loro intersecate. Le principali sono il machine learning e il deep learning (quest’ultimo considerabile al pari di un “sottoinsieme” del ML). Entrambi i metodi sono caratterizzati da un elemento comune: l’utilizzo del “layer” come base per l’architettura delle reti neurali. Con “layer”, si intende un dato livello interpretativo dei dati, che passa da rappresentazioni poco convenienti a rappresentazioni più efficienti. Un esempio è, in un piano cartesiano XY, la rotazione degli assi. Una rete neurale, in modo molto semplicistico, può essere considerata come una “media ponderata” (in senso puramente concettuale, non matematico) dei layer, dove ogni livello ha un “peso” (weight). Il peso di ciascun layer (si consideri come il tipo di layer sia definito a priori e non in fase di addestramento) è proprio quell’elemento che viene regolato, secondo diversi metodi e metriche di accuratezza (accuracy) ed errore (loss), durante la fase di training. Tuttavia, per “auto-calibrarsi” secondo le suddette metriche, i pesi hanno bisogno di esempi. Molti esempi. Questi esempi, che compongono quello che, nel lessico specifico, è detto “dataset”, devono rappresentare un campione il più ridotto possibile (per questioni di efficienza) ma al contempo statisticamente distribuito in modo rappresentativo della realtà. E’ quindi chiaro come questi dati non possano essere “statici”, ma debbano essere continuamente aggiornati. Nel caso di modelli di IA generativa, parliamo in linea di massima di miliardi di parametri da calibrare, quindi risulterebbe impossibile aggiornare un dataset di qualità “a mano”. E’ da qui che nasce la necessità, da parte dei modelli (ma anche degli sviluppatori rispetto ai modelli stessi), di auto-alimentarsi. Ed è per questo che i servizi di IA spesso raccolgono i dati che, inconsciamente, forniamo.

In seguito a tale “digressione”, torniamo all’IA generativa applicata al campo della musica. Per i motivi precedentemente citati, quando inviamo un brano per perfezionarlo (ebbene sì, tali servizi permettono spesso di rendere “perfetti” brani originali) o forniamo un prompt per generare una composizione ex novo, la piattaforma memorizza (e invia, spesso anche all’estero) i nostri dati. Sotto questo aspetto, il GDPR (General Data Protection Regulation, provvedimento europeo ai fini della protezione dei dati personali) ci tutela, richiedendo, in sintesi (affermazione da non intendere come parere legale), un consenso consapevole da parte dell’utente. Ed è qui che entrano in gioco gli interminabili termini e condizioni che, giustamente, ci vengono propinati. Tuttavia spesso occorrerebbe un l’esperienza di un avvocato per interpretarli. I primi segnali di allarme, tuttavia, emergono quando, leggendo il contratto (perchè sì, si tratta di un vero e proprio contratto da non sottoscrivere con leggerezza) , ci imbattiamo in parole come “licenza perpetua, trasferibile, esente da royalties e non revocabile” (non facciamo riferimento ad un singolo servizio per motivi di trasparenza). Cosa significa, nel dettaglio, tutto ciò? Quanto segue è un’illustrazione da intendersi a puri fini illustrativi, non esponendo alcun parere o indicazione legale.

Quando forniamo una licenza perpetua, diamo il permesso al servizio di utilizzare i nostri dati (nel caso specifico, i nostri prompt o, peggio, brani o master) secondo i termini dell’accordo a tempo indeterminato, talvolta, forse e purtroppo, anche in seguito alla cancellazione dell’account dalla piattaforma. Nel momento in cui le libertà previste dall’accordo diventano trasferibili da parte dell’altro Ente coinvolto nell’accordo stesso, la situazione si fa complessa (più di quanto essa già non sia).

Ma l’utilizzo dell’IA in ambito musicale suscita anche quesiti etici. Personalmente, ritengo come l’intelligenza artificiale costituisca la rovina dell’arte (vi invito ad esprimere il vostro parere nei commenti). Ma presto non potremo più, drammaticamente, farne a meno. Ciò avverrà a mio parere similmente alla transizione dal nastro alle DAW. Ciò che ha portato lo storico studio di Sound City alla, seppur temporanea, chiusura. Ad oggi, metaforicamente, il mondo dell’arte è il nostro “studio”. Il nostro Sound City. In bilico tra “arretratezza” e innovazione, alla ricerca di un equilibrio.