تصور کنید ابزاری داشته باشید که به‌جای تلاش برای بی‌نقص بودن، از اشتباهات هوش مصنوعی برای خلق صداهای عجیب و هرگز شنیده نشده استفاده کند. این دقیقاً همان چیزی است که Engram ارائه می‌دهد؛ دستگاهی که توهمات مدل‌های صوتی را به جای «باگ»، به عنوان یک «ویژگی» در اختیار موسیقی‌دانان قرار می‌دهد.
این رویکرد در حالی رخ می‌دهد که اکثر ابزارهای موسیقی فعلی تلاش می‌کنند تا خروجی‌هایی شبیه به آهنگ‌های رادیویی و بی‌نقص تولید کنند. اما Engram شبیه به یک «مدار-شکنی» (Circuit Bending) دیجیتال عمل می‌کند — یعنی همان‌طور که برخی نوازندگان با دستکاری سخت‌افزاری اسباب‌بازی‌های الکترونیکی، صداهای غیرمنتظره می‌سازند، این دستگاه هم منطق هوش مصنوعی را به‌طور عمدی می‌شکند تا به بافت‌های صوتی نامتعارف برسد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی هنر تولید محتوا با مدل‌های مولد اشاره کردیم، مرز بین خطا و خلاقیت در این فناوری‌ها در حال کمرنگ شدن است.
طبق اعلام شرکت Thoughtful Things در کمپین کیک‌استارتر (Kickstarter) که در ۲۷ سپتامبر ۲۰۲۶ آغاز شد، این سمپلر سخت‌افزاری با قیمت ۶۷۵ دلار عرضه می‌شود. این دستگاه بر اساس چند محدودیت فنی مشخص طراحی شده است:
- استنتاج (Inference) — مثل لحظه‌ای که یک آشپز دستور پخت را اجرا می‌کند و غذا را می‌پزد — در این دستگاه به‌صورت محلی انجام می‌شود؛ یعنی یک «هوش مصنوعی کوچک» روی سخت‌افزار نصب شده و نیازی به اینترنت نیست.
- آموزش اخلاقی: طبق مستندات شرکت، مدل‌ها صرفاً با مجموعه‌داده‌های باز و دارای مجوز تجاری (CC-BY) آموزش دیده‌اند تا از داده‌های غیرقانونی استفاده نشود. این تأکید بر شفافیت داده‌ها در حالی است که استارتاپ‌هایی مانند پنگرام نیز در تلاش‌اند تا با ایجاد لایه‌های اعتماد، اصالت محتوای مصنوعی را تضمین کنند.
- سفت‌افزار باز: کاربران می‌توانند کد دستگاه را تغییر دهند یا مدل‌های شخصی خود را روی آن بارگذاری کنند.
ایوان کینگ (Evan King)، بنیان‌گذار این پروژه، Engram را «ضبط‌کنندای میدانی برای فضای نهان (Latent Space)» توصیف می‌کند — فضایی که شبیه به یک نقشه مخفی از تمام احتمالات صوتی است و مدل در آن سفر می‌کند. به نقل از دموهای منتشر شده، اگر از دستگاه بخواهید صدای «پیانو» تولید کند، به‌جای یک صدای شفاف، خروجی‌ای تحریف‌شده و به‌طور مبهم شبیه به پیانو دریافت می‌کنید؛ این یعنی اولویت دستگاه، «عجیب بودن» است نه «دقیق بودن».
برای یک هنرمند، این یعنی تغییر کامل در گردش‌کار. شما دیگر برای رسیدن به یک محصول نهایی پرامپت نمی‌نویسید، بلکه در حال تراشیدن نویز هستید. این رویکرد، موسیقی هوش مصنوعی را از عصر «فشار دادن یک دکمه» خارج کرده و دوباره به دست نوازنده‌ای می‌سپارد که می‌خواهد هرج‌ومرج را کنترل کند.
گام بعدی شما
- اگر به موسیقی تجربی علاقه دارید، بررسی کنید که چگونه مدل‌های کوچک (SLM) می‌توانند روی سخت‌افزارهای لبه اجرا شوند.
- برای درک بهتر مفهوم فضای نهان، تلاش کنید با تغییر Temperature در مدل‌های صوتی، خروجی‌های غیرمنتظره بسازید.
- دنبال کنید که آیا جامعه متن‌باز سفت‌افزار Engram را برای خلق ژانرهای جدید موسیقی توسعه می‌دهد یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های تخصصی برای استنتاج محلی مراجعه کنید.
گفتگو