Les progrès de l’informatique quantique peuvent présenter des opportunités créatives durables pour les artistes expérimentant l’apprentissage automatique. Le dernier album d'ILA, « Quantum Computer Music », vise à montrer comment.
Le projet a vu l'artiste, producteur et chanteur basé à Londres approcher les systèmes d'apprentissage automatique en tant que collaborateurs plutôt que générateurs automatisés.
Utilisant une combinaison de calcul de réservoir quantique (QRC), de sonification de l'ADN et de synthèse de l'IA (plus de détails dans une seconde), avec son dernier article ILĀ s'est appuyé sur son précédent projet « Recurse », une collaboration avec la société de technologie quantique MOTH et l'Université Harvard, décrite comme le « premier mélange infini au monde ».
Qu’est-ce que le QRC et comment s’applique-t-il à la musique, me demanderez-vous ? En bref : il s’agit d’une méthode d’apprentissage automatique dans laquelle les données peuvent être déversées dans un système – appelé réservoir – provoquant une réaction du système de plusieurs manières complexes.
Le processus d'ILĀ implique de former le système sur ses enregistrements vocaux originaux, sur lesquels le système produit sa propre « version ». ILĀ sculpte ensuite une nouvelle version, parfois en la réinjectant pour une itération ultérieure.
«C'est un dialogue évolutif et autoréférentiel entre moi et la machine qui brouille la frontière entre l'auteur et la production», a déclaré IL à Music Ally. « Les résultats ne sont pas des fragments génératifs aléatoires. D'une certaine manière, ce sont des reflets de moi-même à travers une lentille quantique. »
Jusqu'à tout récemment réservé aux chercheurs universitaires hautement spécialisés, le QRC est de plus en plus utilisé par les créatifs qui expérimentent avec de petits ensembles de données de haute qualité.
« Un gros problème avec de nombreux modèles de langage étendus est qu'ils sont formés à partir de grandes quantités de données récupérées sur Internet, souvent sans la permission des artistes », a déclaré ILĀ à la BBC. « (QRC) nécessite beaucoup moins de données pour créer des résultats significatifs, ce qui le rend plus durable et collaboratif par nature. »
