AWS rất vui mừng được tuyên bố người chiến thắng đầu tiên Thử thách phá biểu đồ AWS DeepComposer, Catherine Chu. Trình soạn thảo sâu AWS cung cấp cho các nhà phát triển một cách sáng tạo để bắt đầu với học máy (ML). Để làm cho việc học trở nên thú vị hơn, vào tháng 2020 năm XNUMX, chúng tôi đã phát động Thử thách Chartbusters, một cuộc thi trong đó các nhà phát triển sử dụng AWS DeepComposer để tạo ra các tác phẩm gốc và cạnh tranh để thể hiện các kỹ năng ML và AI tổng hợp của họ. Thử thách đầu tiên, Bạch đến tương lai, yêu cầu các nhà phát triển sử dụng thuật toán AI tổng hợp mới được cung cấp trên bảng điều khiển AWS DeepComposer để tạo ra các tác phẩm theo phong cách của nhà soạn nhạc cổ điển Bach.
Khi Catherine Chui lần đầu biết đến AWS DeepComposer, cô không hề biết rằng một ngày nào đó mình sẽ là người chiến thắng trong Thử thách Chartbusters và trở thành ngôi sao của một bài đăng blog trên Blog học máy của AWS. Chúng tôi đã phỏng vấn Catherine về trải nghiệm của cô ấy với thử thách và cách cô ấy tạo ra tác phẩm chiến thắng của mình.
Catherine với giải đĩa vàng
Bắt đầu với học máy
Trước khi tham gia Chartbusters Challenge, Catherine chưa có kinh nghiệm về ML và tự mô tả mình là người mới bắt đầu với AI. Cô lần đầu tiên được giới thiệu về AWS DeepComposer khi chồng cô, Kitson, tham dự AWS re:Invent vào năm 2019. Kitson là giáo viên của khóa học Bằng cấp Đám mây AWS Educate đầu tiên, Chứng chỉ Cao hơn về Quản trị Trung tâm Dữ liệu và Đám mây, tại Học viện Dạy nghề Hồng Kông Giáo dục (IVE).
Catherine nhớ lại: “Sau khi Kitson đi cùng một sinh viên IVE đến AWS re:Invent 2019 để tham gia AWS DeepRacer Championship Cup, anh ấy đã tham dự hội thảo AWS DeepComposer và mang một thiết bị trở lại Hồng Kông”. “Đó là lần đầu tiên tôi nhìn vào sản phẩm thực tế và hiểu được phần nào về nó.”
Catherine với bàn phím AWS DeepComposer của mình
Catherine được truyền cảm hứng để cạnh tranh trong Thử thách Chartbusters khi cô nhìn thấy chồng mình chơi với bàn phím AWS DeepComposer cùng với các học sinh của anh ấy. Catherine yêu thích nhạc piano cổ điển, đã đạt được Hiệp hội các Trường Âm nhạc Hoàng gia (ABRSM) cấp 7.
“Lúc đầu, tôi rất ngạc nhiên tại sao anh ấy lại chơi một cây đàn piano nhỏ ở nhà với học sinh của mình, vì tôi biết anh ấy là giáo viên CNTT chứ không phải giáo viên dạy nhạc. Tôi cảm thấy kỹ năng piano của anh ấy còn yếu nên tôi bắt đầu giúp anh ấy dạy kỹ năng piano cho học sinh của mình.”
Sự tò mò với bàn phím AWS DeepComposer đã thôi thúc cô làm việc với các học viên của Kitson, những người cũng đang cạnh tranh trong Thử thách Chartbusters. Sau khi giúp đỡ các học sinh về kỹ năng chơi đàn piano, cô đã có cảm hứng để thi đấu trong Bạch đến tương lai.
“Trong vòng một giờ học, tôi đã hoàn thành bài hát đầu tiên của mình bằng AI, thật vui và thú vị!”
Catherine thu âm tác phẩm đầu tiên của mình
Xây dựng trong AWS DeepComposer
Để bắt đầu, cô kết nối bàn phím AWS DeepComposer của mình với bảng điều khiển và ghi lại giai điệu đầu vào. Catherine đã chọn kỹ thuật Autoregressive Generative AI và mô hình Autoregressive CNN (AR-CNN) Bach. Thuật toán AR-CNN cho phép bạn cộng tác lặp đi lặp lại với thuật toán ML bằng cách thử nghiệm các siêu tham số để tạo ra bố cục gốc. Khi quyết định cách vận dụng mô hình của mình, cô ấy đã tính đến những điều sau:
“Chúng tôi có thể sử dụng đầu ra từ một lần lặp của thuật toán AR-CNN làm đầu vào cho lần lặp tiếp theo để giúp nó tốt hơn và mượt mà hơn. Tôi giữ rủi ro sáng tạo ở mức thấp nhất có thể và không xóa quá nhiều nốt gốc vì tôi muốn giữ lại giai điệu gốc của mình.”
Ảnh chụp màn hình sau đây cho thấy Phòng thu âm trang trên bảng điều khiển AWS DeepComposer.
Catherine đã dành vài giờ để ghi lại giai điệu của mình, sau đó dành thời gian điều chỉnh các tác phẩm để nâng cao khả năng sáng tác của mình. Cô đã sáng tác khoảng 10 tác phẩm và đánh giá từng tác phẩm cho đến khi hài lòng với giai điệu cuối cùng của mình. Catherine nhận thấy chức năng hợp âm và hợp âm trong bàn phím AWS DeepComposer rất hữu ích cho việc tự động tạo ghi chú cho sáng tác của cô.
Cô đã tìm hiểu thêm về thuật toán AR-CNN trong phần học tập AWS DeepComposer. Viên nang học tập cung cấp nội dung ngắn gọn, dễ sử dụng để giúp bạn tìm hiểu các khái niệm về thuật toán AI tổng quát.
“Tôi đã học được khái niệm về AR-CNN, hai mạng lưới thần kinh có thiết kế phức tạp để giúp thêm và xóa ghi chú. Tôi sẽ không thể trải nghiệm nó bên ngoài khung cảnh này. Mặc dù hiện tại tôi vẫn chưa quen với Amazon SageMaker nhưng tôi nghĩ các viên nang học tập sẽ giúp ích cho tôi trong tương lai.”
Ảnh chụp màn hình sau đây hiển thị các gói học tập có sẵn trên bảng điều khiển AWS DeepComposer.
Bạn có thể nghe sáng tác đoạt giải của Catherine, “Tiệc tùng trong vườn ở Bach” trên Soundcloud của AWS DeepComposer .
Kết luận
Thử thách phá biểu đồ AWS DeepComposer Bạch đến tương lai đã giúp Catherine, người không có kiến thức nền tảng về ML, phát triển hiểu biết của mình về AI tổng hợp chỉ trong vài giờ và sau đó giành chiến thắng trong Thử thách biểu đồ AWS DeepComposer đầu tiên.
Catherine với các sinh viên IVE tại Hồng Kông.
“Thử thách đã truyền cảm hứng cho tôi rằng học máy có thể đưa ra một số ý tưởng sáng tác nhạc mới và sáng tạo. Tôi sẽ tiếp tục tham gia các thử thách tiếp theo để học hỏi những điều mới mẻ và nâng cao về học máy. Ngoài ra, tôi sẽ tiếp tục giúp đỡ các sinh viên của chồng tôi tại IVE bằng cách đưa ra phản hồi cho họ về âm nhạc.”
Xin chúc mừng Catherine Chui vì chiến thắng xứng đáng của cô ấy!
Chúng tôi hy vọng câu chuyện của Catherine đã truyền cảm hứng cho bạn tìm hiểu thêm về ML và AWS DeepComposer. Kiểm tra phần tiếp theo Thử thách phá biểu đồ AWS DeepComposer, Âm thanh của Khoa học, sẽ diễn ra từ ngày 9/1 đến ngày 9/23.
Lưu ý
Paloma Pineda là Giám đốc tiếp thị sản phẩm cho Thiết bị trí tuệ nhân tạo AWS. Cô đam mê sự giao thoa giữa công nghệ, nghệ thuật và thiết kế lấy con người làm trung tâm. Khi ra khỏi văn phòng, Paloma thích chụp ảnh, xem phim nước ngoài và nấu các món ăn Pháp.
