L’intelligenza artificiale è in arrivo anche per la musica

I nuovi modelli di intelligenza artificiale che creano canzoni da zero stanno complicando le nostre definizioni di paternità e creatività umana.

Nella parte finale di questo articolo sono presenti esempi di musica generata dall’IA.

L‘intelligenza artificiale era appena un termine nel 1956, quando i migliori scienziati del campo dell’informatica arrivarono al Dartmouth College per una conferenza estiva. L’informatico John McCarthy aveva coniato l’espressione nella proposta di finanziamento dell’evento, un incontro per capire come costruire macchine in grado di usare il linguaggio, risolvere problemi come gli esseri umani e migliorarsi. Ma era una scelta azzeccata, che coglieva la premessa fondante degli organizzatori: qualsiasi caratteristica dell’intelligenza umana poteva “in linea di principio essere descritta con tale precisione da poter essere simulata da una macchina”.

Nella loro proposta, il gruppo aveva elencato diversi “aspetti del problema dell’intelligenza artificiale”. L’ultimo punto della lista, forse il più difficile a posteriori, era la costruzione di una macchina in grado di mostrare creatività e originalità.

All’epoca, gli psicologi erano alle prese con la definizione e la misurazione della creatività negli esseri umani. La teoria prevalente – che la creatività fosse un prodotto dell’intelligenza e di un alto quoziente intellettivo – stava svanendo, ma gli psicologi non sapevano con cosa sostituirla. Gli organizzatori del Dartmouth ne avevano una loro. “La differenza tra il pensiero creativo e il pensiero competente e privo di immaginazione sta nell’introduzione di una certa casualità”, hanno scritto, aggiungendo che tale casualità “deve essere guidata dall’intuizione per essere efficiente”.

Quasi 70 anni dopo, a seguito di una serie di cicli di boom-and-bust nel settore, oggi disponiamo di modelli di IA che seguono più o meno questa ricetta. Mentre i modelli linguistici di grandi dimensioni che generano testi sono esplosi negli ultimi tre anni, un altro tipo di IA, basato sui cosiddetti modelli di diffusione, sta avendo un impatto senza precedenti sui settori creativi. Trasformando il rumore casuale in schemi coerenti, i modelli di diffusione possono generare nuove immagini, video o discorsi, guidati da richieste di testo o altri dati di input. I migliori possono creare risultati indistinguibili dal lavoro delle persone, così come risultati bizzarri e surreali che sembrano decisamente non umani.

Ora questi modelli stanno entrando in un campo creativo che probabilmente è più vulnerabile alla disruption di qualsiasi altro: la musica. Le opere creative generate dall’intelligenza artificiale, dalle esecuzioni orchestrali all’heavy metal, sono pronte a soffocare le nostre vite più di quanto abbia fatto finora qualsiasi altro prodotto dell’intelligenza artificiale. È probabile che le canzoni si mescolino alle nostre piattaforme di streaming, alle playlist per feste e matrimoni, alle colonne sonore e molto altro ancora, che ci accorgiamo o meno di chi (o cosa) le ha prodotte.

Per anni, i modelli di diffusione hanno suscitato un dibattito nel mondo dell’arte visiva, per stabilire se ciò che producono riflette una vera creazione o una semplice replica. Ora questo dibattito è arrivato anche per la musica, una forma d’arte profondamente radicata nelle nostre esperienze, nei nostri ricordi e nella nostra vita sociale. I modelli musicali sono ora in grado di creare canzoni capaci di suscitare risposte emotive reali, presentando un esempio lampante di quanto stia diventando difficile definire la paternità e l’originalità nell’era dell’intelligenza artificiale.

I tribunali si stanno attivamente confrontando con questo territorio torbido. Le grandi case discografiche stanno facendo causa ai principali generatori di musica AI, sostenendo che i modelli di diffusione non fanno altro che replicare l’arte umana senza alcun compenso per gli artisti. I produttori di modelli rispondono che i loro strumenti sono stati creati per assistere la creazione umana.

Nel decidere chi ha ragione, siamo costretti a riflettere sulla nostra creatività umana. La creatività, sia nelle reti neurali artificiali che in quelle biologiche, è solo il risultato di un vasto apprendimento statistico e di connessioni disegnate, con una spruzzata di casualità? Se è così, allora la paternità è un concetto scivoloso. Se non è così – se c’è un elemento distintamente umano nella creatività – che cos’è? Cosa significa essere commossi da qualcosa che non ha un creatore umano? Ho dovuto lottare con queste domande la prima volta che ho ascoltato una canzone generata dall’intelligenza artificiale che era davvero fantastica: è stato inquietante sapere che qualcuno ha semplicemente scritto un prompt e ha cliccato su “Genera”. Questa situazione è in arrivo anche per voi.

Creare connessioni

Dopo la conferenza di Dartmouth, i partecipanti hanno intrapreso diverse direzioni di ricerca per creare le tecnologie fondamentali dell’IA. Allo stesso tempo, gli scienziati cognitivi seguivano un invito del 1950 di J.P. Guilford, presidente dell’American Psychological Association, ad affrontare la questione della creatività negli esseri umani. Si giunse a una definizione, formalizzata per la prima volta nel 1953 dallo psicologo Morris Stein sul Journal of Psychology: Le opere creative sono sia nuove, cioè presentano qualcosa di nuovo, sia utili, cioè servono a qualcuno. Alcuni hanno chiesto di sostituire “utile” con “soddisfacente”, mentre altri hanno spinto per un terzo criterio: che le cose creative siano anche sorprendenti.

Più tardi, negli anni Novanta, l’avvento della risonanza magnetica funzionale ha permesso di studiare meglio i meccanismi neurali alla base della creatività in molti campi, compreso quello musicale. Negli ultimi anni, inoltre, i metodi computazionali hanno reso più facile tracciare il ruolo della memoria e del pensiero associativo nelle decisioni creative.

Ciò che è emerso non è tanto una grande teoria unificata di come un’idea creativa nasce e si sviluppa nel cervello, quanto piuttosto un elenco sempre più ampio di potenti osservazioni. Possiamo innanzitutto dividere il processo creativo umano in fasi, tra cui una fase di ideazione o proposta, seguita da una fase più critica e valutativa che cerca il merito nelle idee. Una delle principali teorie che guidano queste due fasi è la teoria associativa della creatività, secondo la quale le persone più creative sono in grado di creare connessioni inedite tra concetti distanti.

“Potrebbe essere come un’attivazione diffusa”, dice Roger Beaty, ricercatore che dirige il Cognitive Neuroscience of Creativity Laboratory della Penn State. “Si pensa a una cosa e si attivano i concetti correlati a quel concetto”.

Queste connessioni spesso si basano specificamente sulla memoria semantica, che memorizza concetti e fatti, in contrapposizione alla memoria episodica, che memorizza ricordi di un particolare momento e luogo. Recentemente, sono stati utilizzati modelli computazionali più sofisticati per studiare come le persone creino connessioni tra i concetti attraverso grandi “distanze semantiche”. Per esempio, la parola apocalisse è più strettamente legata all’energia nucleare che alla festa. Gli studi hanno dimostrato che le persone altamente creative possono percepire concetti molto semanticamente distinti come vicini. È stato riscontrato che gli artisti generano associazioni di parole a distanze maggiori rispetto ai non artisti. Altre ricerche hanno supportato l’idea che le persone creative abbiano un’attenzione “dispersa”, ovvero che spesso notino informazioni che potrebbero non essere particolarmente rilevanti per il loro compito immediato.

I metodi neuroscientifici per valutare questi processi non suggeriscono che la creatività si sviluppi in una particolare area del cervello. “Nulla nel cervello produce creatività come una ghiandola secerne un ormone”, ha scritto il decano Keith Simonton, leader nella ricerca sulla creatività, nel Cambridge Handbook of the Neuroscience of Creativity.

Le prove indicano invece alcune reti disperse di attività durante il pensiero creativo, dice Beaty: una per sostenere la generazione iniziale di idee attraverso il pensiero associativo, un’altra coinvolta nell’identificazione di idee promettenti e un’altra ancora per la valutazione e la modifica. Un nuovo studio, condotto da ricercatori della Harvard Medical School e pubblicato a febbraio, suggerisce che la creatività potrebbe addirittura comportare la soppressione di particolari reti cerebrali, come quelle coinvolte nell’autocensura.

Finora la creatività delle macchine, se così si può chiamare, ha un aspetto molto diverso. Sebbene all’epoca della conferenza di Dartmouth i ricercatori di IA fossero interessati a macchine ispirate al cervello umano, l’attenzione si era spostata al momento dell’invenzione dei modelli di diffusione, circa un decennio fa.

Il miglior indizio di come funzionano è nel nome. Se si immerge un pennello carico di inchiostro rosso in un barattolo di vetro pieno d’acqua, l’inchiostro si diffonde e vortica nell’acqua in modo apparentemente casuale, producendo alla fine un liquido rosa pallido. I modelli di diffusione simulano questo processo al contrario, ricostruendo forme leggibili dalla casualità.

Per avere un’idea di come funziona con le immagini, immaginate una foto di un elefante. Per addestrare il modello, si fa una copia della foto, aggiungendovi sopra uno strato di statica casuale in bianco e nero. Si fa una seconda copia e se ne aggiunge un altro po’, e così via per centinaia di volte fino a quando l’ultima immagine è puramente statica, senza alcun elefante in vista. Per ogni immagine intermedia, un modello statistico prevede quanta parte dell’immagine è rumore e quanta è realmente l’elefante. Confronta le sue ipotesi con le risposte corrette e impara dai suoi errori. Nel corso di milioni di esempi, il modello migliora nel “de-noising” delle immagini e collega questi modelli a descrizioni come “elefante maschio del Borneo in un campo aperto”.

Ora che è stato addestrato, generare una nuova immagine significa invertire il processo. Se si dà al modello una richiesta, come “un orango felice in una foresta di muschio”, esso genera un’immagine di rumore bianco casuale e lavora a ritroso, usando il suo modello statistico per rimuovere i pezzi di rumore passo dopo passo. All’inizio appaiono forme e colori approssimativi. I dettagli vengono dopo, e infine (se funziona) emerge un orango, senza che il modello “sappia” cosa sia un orango.

Immagini musicali

L’approccio funziona in modo analogo per la musica. Un modello di diffusione non “compone” una canzone come potrebbe fare una band, iniziando con accordi di pianoforte e aggiungendo voce e batteria. Al contrario, tutti gli elementi vengono generati in una sola volta. Il processo si basa sul fatto che le numerose complessità di una canzone possono essere rappresentate visivamente in un’unica forma d’onda, che rappresenta l’ampiezza di un’onda sonora rapportata al tempo.

Pensate a un giradischi. Percorrendo un solco in un pezzo di vinile, una puntina rispecchia il percorso delle onde sonore incise nel materiale e lo trasmette in un segnale per il diffusore. L’altoparlante non fa altro che spingere fuori l’aria secondo questi schemi, generando onde sonore che trasmettono l’intera canzone.

Da lontano, una forma d’onda può sembrare che segua semplicemente il volume di una canzone. Ma se si ingrandisce abbastanza da vicino, si possono vedere modelli nei picchi e nelle valli, come le 49 onde al secondo di un basso che suona un sol basso. Una forma d’onda contiene la somma delle frequenze di tutti i diversi strumenti e texture. “Si notano determinate forme”, afferma David Ding, cofondatore dell’azienda di musica artificiale Udio, “e questo corrisponde al senso melodico in senso lato”.

Poiché le forme d’onda, o grafici simili chiamati spettrogrammi, possono essere trattate come immagini, è possibile creare un modello di diffusione a partire da esse. Il modello viene alimentato con milioni di clip di canzoni esistenti, ciascuna etichettata con una descrizione. Per generare una nuova canzone, inizia con un rumore casuale puro e lavora a ritroso per creare una nuova forma d’onda. Il percorso che compie per farlo è determinato dalle parole che qualcuno inserisce nel prompt.

Ding ha lavorato per cinque anni presso Google DeepMind come ingegnere ricercatore senior sui modelli di diffusione per immagini e video, ma ha lasciato l’azienda per fondare Udio, con sede a New York, nel 2023. L’azienda e il suo concorrente Suno, con sede a Cambridge, Massachusetts, sono ora in testa alla gara per i modelli di generazione musicale. Entrambe mirano a costruire strumenti di intelligenza artificiale che consentano ai non musicisti di creare musica. Suno è più grande, vanta più di 12 milioni di utenti e ha raccolto un finanziamento di 125 milioni di dollari nel maggio 2024. L’azienda ha collaborato con artisti come Timbaland. Udio ha raccolto un finanziamento iniziale di 10 milioni di dollari nell’aprile 2024 da investitori importanti come Andreessen Horowitz e dai musicisti Will.i.am e Common.

I risultati ottenuti finora da Udio e Suno suggeriscono che esiste un pubblico considerevole di persone a cui potrebbe non importare se la musica che ascoltano è prodotta da esseri umani o da macchine. Suno ha pagine di artisti per creatori, alcuni con un grande seguito, che generano canzoni interamente con l’intelligenza artificiale, spesso accompagnate da immagini dell’artista generate dall’intelligenza artificiale. Questi creatori non sono musicisti nel senso convenzionale del termine, ma abili suggeritori che creano opere che non possono essere attribuite a un singolo compositore o cantante. In questo spazio emergente, le nostre normali definizioni di paternità – e i confini tra creazione e replica – si dissolvono.

I risultati ottenuti finora da Udio e Suno suggeriscono che c’è un pubblico considerevole di persone a cui potrebbe non importare se la musica che ascoltano è fatta da esseri umani o da macchine.

L’industria musicale sta reagendo. Entrambe le società sono state citate in giudizio dalle principali case discografiche nel giugno 2024 e le cause sono ancora in corso. Le etichette, tra cui Universal e Sony, sostengono che i modelli di intelligenza artificiale sono stati addestrati su musica protetta da copyright “su una scala quasi inimmaginabile” e generano canzoni che “imitano le qualità delle registrazioni sonore umane autentiche” (la causa contro Suno cita, ad esempio, una canzone simile agli ABBA chiamata “Prancing Queen”).

Suno non ha risposto alle richieste di commento sul contenzioso, ma in una dichiarazione di risposta al caso pubblicata sul blog di Suno in agosto, l’amministratore delegato Mikey Shulman ha detto che l’azienda si addestra sulla musica trovata su Internet, che “contiene effettivamente materiale protetto da copyright”. Ma, ha sostenuto, “imparare non significa violare”.

Un rappresentante di Udio ha dichiarato che l’azienda non commenta le cause in corso. All’epoca della causa, Udio ha rilasciato una dichiarazione in cui afferma che il suo modello ha filtri per garantire che “non riproduca opere protette da copyright o voci di artisti”.

A complicare ulteriormente le cose è la guida dell’Ufficio statunitense per il copyright, pubblicata a gennaio, secondo cui le opere generate dall’IA possono essere protette da copyright se comportano una quantità considerevole di input umano. Un mese dopo, un artista di New York ha ricevuto quello che potrebbe essere il primo copyright per un’opera d’arte visiva realizzata con l’aiuto dell’IA. La prima canzone potrebbe essere la prossima.

Novità e mimetismo

Queste cause legali si addentrano in una zona grigia simile a quella esplorata da altre battaglie giudiziarie che si stanno svolgendo nel campo dell’IA. Si tratta di stabilire se sia consentito addestrare modelli di intelligenza artificiale su contenuti protetti da copyright e se le canzoni generate copino slealmente lo stile di un artista umano.

Ma è probabile che la musica generata dall’intelligenza artificiale proliferi in qualche forma, a prescindere da queste decisioni giudiziarie; YouTube ha riferito di essere in trattative con le principali etichette discografiche per concedere in licenza la loro musica per l’addestramento dell’intelligenza artificiale, e la recente espansione degli accordi di Meta con Universal Music Group suggerisce che la concessione di licenze per la musica generata dall’intelligenza artificiale potrebbe essere sul tavolo.

Se la musica AI è qui per restare, sarà buona? Consideriamo tre fattori: i dati di addestramento, il modello di diffusione stesso e il suggerimento. Il modello può essere buono solo quanto la libreria di musica da cui apprende e le descrizioni di quella musica, che devono essere complesse per catturarla bene. L’architettura di un modello determina quindi la capacità di utilizzare ciò che è stato appreso per generare canzoni. È fondamentale anche la richiesta che si dà al modello, nonché la misura in cui il modello “capisce” cosa si intende con “abbassa il volume del sassofono”, per esempio.

Il risultato è una creazione o una semplice replica dei dati di addestramento? Potremmo porre la stessa domanda sulla creatività umana.

La questione più importante è probabilmente la prima: quanto sono ampi e diversificati i dati di addestramento e quanto sono ben etichettati? Né Suno né Udio hanno rivelato quale musica sia stata inserita nel loro set di addestramento, anche se questi dettagli saranno probabilmente resi noti durante le cause legali.

Udio afferma che il modo in cui queste canzoni sono etichettate è essenziale per il modello. “Un’area di ricerca attiva per noi è: come possiamo ottenere descrizioni sempre più raffinate della musica?”. Dice Ding. Una descrizione di base identificherebbe il genere, ma potrebbe anche dire se una canzone è lunatica, edificante o calma. Descrizioni più tecniche potrebbero menzionare una progressione di accordi due-cinque-uno o una scala specifica. Udio afferma che questo avviene grazie a una combinazione di etichettatura automatica e umana.

“Poiché vogliamo rivolgerci a un’ampia gamma di utenti, ciò significa anche che abbiamo bisogno di un’ampia gamma di annotatori di musica”, spiega. “Non solo persone con un dottorato in musica che possano descrivere la musica a un livello molto tecnico, ma anche appassionati di musica che abbiano un proprio vocabolario informale per descrivere la musica”.

I generatori di musica AI competitivi devono anche imparare da una fornitura costante di nuove canzoni prodotte da persone, altrimenti i loro risultati rimarranno bloccati nel tempo, suonando stantii e datati. Per questo motivo, oggi la musica generata dall’IA si affida all’arte generata dall’uomo. In futuro, tuttavia, i modelli musicali dell’IA potrebbero addestrarsi sui propri risultati, un approccio che si sta sperimentando in altri settori dell’IA.

Poiché i modelli partono da un campionamento casuale di rumore, non sono deterministici; dando allo stesso modello di intelligenza artificiale la stessa richiesta si otterrà ogni volta una nuova canzone. Questo anche perché molti creatori di modelli di diffusione, tra cui Udio, iniettano ulteriore casualità nel processo: in sostanza, prendono la forma d’onda generata a ogni passo e la distorcono leggermente nella speranza di aggiungere imperfezioni che servano a rendere l’output più interessante o reale. Gli stessi organizzatori della conferenza di Dartmouth raccomandarono questa tattica già nel 1956.

Secondo il cofondatore e direttore operativo di Udio, Andrew Sanchez, è proprio la casualità insita nei programmi di intelligenza artificiale generativa a scioccare molte persone. Negli ultimi 70 anni, i computer hanno eseguito programmi deterministici: Dare al software un input e ricevere sempre la stessa risposta.

“Molti dei nostri partner artisti ci chiederanno: “Ma perché fa così?””, dice. “Noi rispondiamo: “Beh, non lo sappiamo davvero””. L’era generativa richiede una nuova mentalità, anche per le aziende che la creano: i programmi di intelligenza artificiale possono essere disordinati e imperscrutabili.

Il risultato è una creazione o una semplice replica dei dati di addestramento? Gli appassionati di musica AI mi hanno detto che potremmo porre la stessa domanda sulla creatività umana. Ascoltando musica durante la nostra giovinezza, i meccanismi neurali di apprendimento sono ponderati da questi input e i ricordi di queste canzoni influenzano i nostri risultati creativi. In uno studio recente, Anthony Brandt, compositore e professore di musica alla Rice University, ha sottolineato che sia gli esseri umani sia i grandi modelli linguistici utilizzano le esperienze passate per valutare possibili scenari futuri e fare scelte migliori.

In effetti, gran parte dell’arte umana, soprattutto nella musica, viene presa in prestito. Questo spesso porta a controversie legali, con artisti che sostengono che una canzone è stata copiata o campionata senza autorizzazione. Alcuni artisti suggeriscono che i modelli di diffusione dovrebbero essere resi più trasparenti, in modo da poter sapere che l’ispirazione di una determinata canzone è costituita da tre parti di David Bowie e una di Lou Reed. Udio afferma che sono in corso ricerche per raggiungere questo obiettivo, ma al momento nessuno è in grado di farlo in modo affidabile.

Per i grandi artisti, “c’è quella combinazione di novità e influenza che è in gioco”, dice Sanchez. “E penso che questo sia qualcosa che è in gioco anche in queste tecnologie”.

Ma ci sono molte aree in cui i tentativi di equiparare le reti neurali umane a quelle artificiali cadono rapidamente sotto la lente d’ingrandimento. Brandt individua un ambito in cui vede la creatività umana nettamente superiore a quella delle macchine: quello che chiama “amplificazione dell’anomalia”. I modelli di intelligenza artificiale operano nel campo del campionamento statistico. Non lavorano enfatizzando l’eccezionalità, ma piuttosto riducendo gli errori e trovando modelli probabili. Gli esseri umani, invece, sono incuriositi dalle stranezze. Invece di essere trattati come eventi bizzarri o “unici””, scrive Brandt, l’eccentricità “permea il prodotto creativo”.

Cita la decisione di Beethoven di aggiungere una stridente nota stonata nell’ultimo movimento della sua Sinfonia n. 8. “Beethoven avrebbe potuto lasciare le cose come stanno”, dice Brandt. “Ma invece di trattarlo come un episodio isolato, Beethoven continua a fare riferimento a questo evento incongruo in vari modi. Così facendo, il compositore prende un’aberrazione momentanea e ne amplifica l’impatto”. Si potrebbe pensare ad anomalie simili nel campionamento in backward loop delle ultime registrazioni dei Beatles, alle voci pitchate di Frank Ocean o all’incorporazione di “suoni trovati”, come le registrazioni di un segnale sulle strisce pedonali o di una porta che si chiude, preferite da artisti come Charlie Puth e dal produttore di Billie Eilish, Finneas O’Connell.

Se un prodotto creativo è effettivamente definito come un prodotto che è sia nuovo che utile, l’interpretazione di Brandt suggerisce che le macchine potrebbero averci battuto sul secondo criterio, mentre gli esseri umani regnano sovrani sul primo.

Per verificare se ciò sia vero, ho trascorso qualche giorno a giocare con il modello di Udio. Ci vogliono uno o due minuti per generare un campione di 30 secondi, ma se si ha la versione a pagamento del modello si possono generare intere canzoni. Ho deciso di scegliere 12 generi, generare un campione di canzone per ciascuno di essi e poi trovare canzoni simili fatte da altre persone. Ho costruito un quiz per vedere se le persone della nostra redazione erano in grado di individuare quali canzoni erano state create dall’intelligenza artificiale.

Il punteggio medio è stato del 46%. E per alcuni generi, soprattutto quelli strumentali, gli ascoltatori si sbagliavano più spesso. Osservando le persone che eseguivano il test davanti a me, ho notato che le qualità che segnalavano con sicurezza come segno di composizione da parte dell’IA – uno strumento dal suono falso, un testo strano – raramente si rivelavano corrette. Prevedibilmente, le persone hanno ottenuto risultati peggiori nei generi con cui avevano meno dimestichezza; alcuni sono andati bene con il country o il soul, ma molti non hanno avuto alcuna possibilità contro il jazz, il pianoforte classico o il pop. Beaty, il ricercatore della creatività, ha ottenuto il 66%, mentre Brandt, il compositore, si è fermato al 50% (anche se ha risposto correttamente ai test di sonata per orchestra e pianoforte).

Ricordiamo che il modello non ha tutti i meriti: questi risultati non avrebbero potuto essere creati senza il lavoro di artisti umani presenti nei dati di addestramento. Ma con pochi suggerimenti, il modello ha generato canzoni che poche persone avrebbero riconosciuto come prodotte dalla macchina. Alcune avrebbero potuto essere suonate facilmente a una festa senza sollevare obiezioni, e ne ho trovate due che mi sono piaciute molto, anche se sono un musicista da sempre e una persona generalmente esigente in fatto di musica. Ma suonare vero non significa suonare originale. Le canzoni non sembravano guidate da stranezze o anomalie – di certo non al livello del “jump scare” di Beethoven. Né sembravano piegare i generi o fare grandi salti tra i temi. Nel mio test, a volte le persone hanno faticato a decidere se un brano fosse generato dall’IA o semplicemente brutto.

Che importanza avrà alla fine tutto questo? I tribunali giocheranno un ruolo nel decidere se i modelli musicali dell’IA serviranno a riprodurre o a creare nuovi brani – e come gli artisti saranno compensati nel processo – ma saremo noi, come ascoltatori, a decidere il loro valore culturale. Per apprezzare una canzone, abbiamo bisogno di immaginare un artista umano dietro di essa – qualcuno con esperienza, ambizioni, opinioni? Una grande canzone non è più tale se scopriamo che è il prodotto di un’intelligenza artificiale?

Sanchez afferma che la gente potrebbe chiedersi chi c’è dietro la musica. Ma “alla fine della giornata, per quanto componente AI e componente umana, si tratterà di arte”, afferma. “E la gente reagirà in base alla qualità dei suoi meriti estetici”.

Nel mio esperimento, però, ho visto che la domanda era davvero importante per le persone – e alcune si sono opposte con veemenza all’idea di ascoltare musica fatta da un modello computerizzato. Quando una delle mie cavie ha iniziato istintivamente a muovere la testa su una canzone electro-pop del quiz, il suo volto ha espresso dubbi. Era quasi come se stesse facendo del suo meglio per immaginare un umano piuttosto che una macchina come compositore della canzone. “Cavolo”, ha detto, “spero davvero che non si tratti di IA”.

Lo era.