中央音乐学院学报 2023 年第 3 期

Journal of the Central Conservatory of Music · 9·

音乐人工智能的哲学审思

黄宗权

摘 要： 人工智能的兴起给音乐创作、表演带来一系列新的技术变革和发展契
机，同时也带来了一系列的观念冲击。人工智能是否能最终能取代音乐家引发了大量
的争论。文章立足当前人工智能在音乐创作、表演等领域的发展现状，在分析了音乐
人工智能的技术路线的基础上，从哲学、美学的角度探讨了人工智能在音乐创作、表
演等方面所面临的挑战。文章对音乐的情感表达、创作主体意识和创造性、音乐认
知、音乐的美学本质等哲学问题进行了思考。
关键词： 音乐情感； 算法作曲； 音乐表演； 具身认知； 音乐创造
中图分类号： J60 － 02 文献标识码： A 文章编号： 1001 － 9871 （ 2023） 03 － 0009 － 13
DOI:10.16504/j.cnki.cn11-1183/j.2023.03.003
“人工智能” （ Artificial Intelligence，AI） （ Marvin Minsky，1927 － 2016） （ 他也是达特
这一概念诞生于 1956 年在美国达特茅斯召开 茅斯会议的 发 起 者 之 一） ，早 年 写 过 一 本 重
的 “人 工 智 能 夏 季 研 讨 会 ” （ Summer Ｒe- 要著作 《音乐·意识·意义》 （ Music，Mind，
search Project on Artificial Intelligence） 。不过， and Meaning） ，在书中探讨了 “我们为什么
当时的参会者并没有就该术语的界定达成共 会喜欢音乐，以及这种 ‘喜欢’ 自身的本质
②
识，与会者更多是关注如何用机器来模拟人 是什么？” 等问题。
的智能。现在学界普遍认可的界定是科学家 随着计算机的算力以及数据量的指数级
帕特里克·温斯顿 （ Patrick Winston） 的抽象 增长，人工智能在音乐领域取得了重大进展，
定义： “人工智能是对计算的 研 究，以 实 现 它正迅速成为音乐创作、音乐分析、音乐推
①
感知、推理和行动。” 荐、音乐信息检索的重要工具，并以惊人的
在音乐人工智能领域，被誉为人工智能 速度改变我们的创作和欣赏音乐的方式。在
之父 的 麻 省 理 工 学 院 教 授 马 文 · 明 斯 基 音乐表演领域，一些 “自动” 演奏的系统被

收稿日期： 2023 － 04 － 10
作者简介： 黄宗权 （ 1976 ～ ） ，男，中央音乐学院教授、北京市文联签约评论家。
项目来源： 本文为国家社科基金艺术学重大项目 “音乐与人工智能协同创新发展理论研究” 部分成果，
项目编号： 21ZD19。
① Patrick Henry Winston，Artificial Intelligence ，Boston： Addison-Wesley Publishing Company，1992，p. 5.
② Marvin Minsky，“Music，Mind，and Meaning”，Computer Music Journal，vol. 5，No. 3，1981，pp. 28 － 44.
 ·10· 中央音乐学院学报 （ 季刊） 2023 年第 3 期

不断开发出来，另一些研究开始利用人工智 结起来以编码的方式 “教会” 机器，即所谓

能的机 器 学 习 来 进 行 音 乐 和 舞 蹈 的 交 互 式 的 “专家 系 统”，如 菲 根 鲍 姆 （ Feigenbaum）
表演。① 等人创建的 DENDＲAL 系统。在这个阶段，研
人工智能技术的潜力及在音乐领域一日 究人员最终发现，把知识总结出来，教给机器
千里的快速发展，让人们开始思考： 音乐人 其实非常困难。这不仅是因为人类的知识不太
工智能有真正的音乐智慧、音乐理解力、音 容易被总结和编码，更因为人类有大量的 “默
乐创作力和音乐表演能力吗？ 它们是否会有 会知识” （ Tacit Knowledge，也译为 “隐性知
美感经验、情感理解和审美表达？ 人的音乐 识”） 无法被总结和编码。第三阶段为学习期
实践有哪些是可以被人工智能取代，哪些不 （ 20 世纪 90 年代至今） ，这一时期研究的出发
能被取代？ 这些问题显然不仅是科学或技术 点是让计算机系统 “自我” 学习。显然，由
问题，更是哲学和美学问题。人工智能对人 于音乐艺术的特殊性和复杂性，在前两个阶
类感性经验领域的 “挑战”，切中了人类主
段，音乐人工智能是无法取得实质性突破的。
体性的核心要旨，对这些问题进行探究，就
在第 三 个 阶 段 学 习 期，机 器 学 习 （ Ma-
必须从哲学、美学的维度对音乐创作和表演
chine Learning， ML ） 或 深 度 学 习 （ Deep
行为中的意识、主体性、情感、审美认知等
Learning，DL） 成为了人工智能发展的主流。
问题进行审思。
所谓的 “机器学习”，就是 “通过算法，使得
机器能从大量既有数据中学习规律，从而对新
一、当前音乐人工智能的主要技术
的样本做智能识别或对未来做出预测”②。“深
路线和发展现状
度学习” 是一种基于人工神经网络的机器学
习技术，人工神经网络仿照生物神经系统工
音乐人工智能的发展建基在人工智能技术
作原理的计算模型，通过多个人工神经元之
的整体发展之上。人工智能技术的发展，从 20
间的连接和信息传递，模拟人类大脑的感知、
世纪 50 年代起，大致经历了三个阶段： 第一
思维和决策等过程。③ 深度学习属于机器学
个 阶 段 为 推 理 期 （ Logic Ｒeasoning，1956 －
1960） ，其实质是定理自动证明系统，功能以 习的一个分支，二者的主要区别在于数据的

做数学运算和推理、证明数学公式为主，如西 分析方法。前者依赖算法和大量的数据，后

蒙 （ Herbert A. Simon） 和纽厄尔 （ A. Newell） 者则是以人脑为模型的人工神经网络。

等人创建的 “逻辑理论家” 系统 （ Logic Theo-
rist） 。到了 20 世纪 80 年代末，以数理逻辑为
基础的人工智能走到了尽头。第二阶段为知识
期 （ Knowledge Egineering，1970 － 1980 ） ，这
一阶段的主要研究方向是把人类掌握的知识总
基于不同的技术路线，机器学习大致可
以 分 为 五 大 “流 派 ”： 符 号 主 义 （ Symbol-
ists） 、联结 主 义 （ Connectionist） 、贝 叶 斯 派
（ Bayesians） 、进化主义 （ Evolutionaries） 、行
为类比主 义 （ Analogizer） ，这 些 流 派 采 用 不

① Baptiste Caramiaux，Marco Donnarumma，Artificial Intelligence in Music and Performance： A Subjective Art －

Ｒesearch Inquiry，arXiv 15843，2007.
② 余凯等： 《深度学习的昨天、今天和明天》， 《计算机研究与发展》，2013 年，第 9 期，第 1799—1804
页。
③ 孙志军、薛磊等： 《深度学习研究综述》， 《计算机应用研究》，2012 年，第 29 （ 08） 卷，第 2806—
2810 页。
 黄宗权： 音乐人工智能的哲学审思 ·11·

同的 算 法 来 模 仿 人 类 思 维、 人 体 “硬 件 ” Neural Networks，ANN） ，使用人工搭建神经

（ 神经系统） 和人类行为，使机器从数据中 网络模型来学习音乐数据的特征，并根据学
自动学习，做出预测和决策。 到的特征生成新的音乐。常见的神经网络类型
机器学习的兴起使得广义上的声音创造 包括循环神经网络 （ ＲNN） 、长短时记忆网络
面临一场革命。机器学习和深度学习为音乐 （ LSTM） 和 变 分 自 编 码 器 （ VAE） 等。（ 3 ）
人工智能带来了各种新技术。这些新技术被 遗传算法 （ Genetic Algorithms，GA） ，模拟自
应用于从作曲、表演到音乐研究等不同的场 然界中的进化过程，通过对音乐片段进行变
景中。 异、交叉和选择等操作，以生成新的音乐作
现有人 工 智 能 不 论 采 用 何 种 技 术 模 式， 品。 （ 4 ） 马尔可夫链 （ Markov Chains） ，基
让机器学习的过程实质都可以分为三步： 训 于概率模型，通过分析音乐数据中的状态转
练、预测和反馈。 “训练” 是向人工智能输 移概率来生成新的音乐序列。 （ 5） 交互式作
入大量的数据 （ 训练集） ，并给出希望它做 曲 （ Interactive Composition） ，将 人 类 音 乐 家
什么的指示，以使人工智能从大量的数据中 的创作过程与计算机算法相结合，实现人机
提炼出特定的模式。 “预测” 是人工智能根 协作的音乐创作方式。此外，还有随机生成
据不同的模式，在不同的场景下，预测可能 （ Ｒandom Generation ） 等 算 法， 不 再 一 一
会发生何种 状 况，以 及 如 何 采 取 应 对 措 施， 赘述。
以产生一定的结果。 “反馈” 是对人工智能 不同的算法和音乐结合开辟了音乐人工
产生的结果提供评价，让人工智能不断修正、 智能的新型应用。音乐人工智能可以分析特
提升，然后进入下一个新的循环。相对应的 定的音乐流派、节奏、模式和旋律，并利用
音乐创作过程也大致分为三个步骤： （ 1） 分 这些信息创作新的音乐作品。比如，音乐形
析音乐 （ 把大量的既有作品作为数据加以分 式语法使分析和编写音乐过程的规则形式化，
析，分解成 “模式 － 部件”） 。（ 2） 把分解的 它能通过研究巴赫作品的和声规则，进而辅
“模式 － 部 件 ” 进 行 相 似 性 的 计 算、归 类。 助创作新的作品。① 音乐人工智能还能模拟
（ 3） 根据设定的算法，把 “模式 － 部件” 重 民间传统音乐的创作。比如，希普拉·舒克
组，以生成新的音乐作品。 拉 （ Shipra Shukla） 、海 德 尔 · 班 卡 （ Haider
在人工智能技术的基础上，在音乐创作 Banka） 基于马尔可夫的遗传算法，探索模拟
领域产生了各类算法作曲 （ Algorithmic Com- 印度古典音乐的创作。②
position） ，也即，采 用 计 算 机 算 法 来 生 成 音 一些音乐家与工程师合作采用组合系统，
乐的技术。其主要的技术类型有： （ 1） 音乐 语法，概率和分形 （ Fractals） 来创作一些不
规则系统 （ Ｒule-Based Systems） ，根据预先定 再是模仿经典名作的新音乐作品。比如，遵
义的音乐理论规则 （ 如，根据已有作品的和 循进化算法 （ Evolutionary Algorithm） 程序来
声规则、旋律规则和节奏规则） 等来生成新 使音 乐 各 种 要 素 （ 旋 律、 节 奏、 和 声 等 ）
的音乐作品。 （ 2） 人工神经网络 （ Artificial “进化”。通过各种要素的交叉、组合、突变

① Salim Perchy，Gerardo Sarria，“Musical Composition with Stochastic Context-Free Grammar”，in Proceedings

of 8th Mexican International Conference on Artificial Intelligence （ MICAI） ，November，2009，pp. 1 － 12.
② Shipra Shukla，Haider Banka， “Markov-Based Genetic Algorithm with ∈-Greedy Exploration for Indian
Classical Music Composition”，Expert Systems with Applications，vol. 211，No. 118561，2023.
 ·12· 中央音乐学院学报 （ 季刊） 2023 年第 3 期

等一系列操作来让音乐 “进化” 成特定的作 智能在音乐实践中的局限 又 是 显 而 易 见 的。

品。法籍作曲泽纳基斯 （ Iannis Xenakis） 的 这种局限表现在其所有训练集的来源均来自
几部 代 表 作 （ Metaux， Anaktoria 和 Terretek- 既有的数字化信息 （ 音乐数据） ，而与真实
torh） 等就是根据数学模型来创作的。 的人类生活世界没有直接交集。它依赖于特
此外，研究者们还采用概率语法 （ Prob- 定的算法或数理逻辑。人们可以理解现有音
abilistic Grammars） 来分析音乐作品的模型化 乐人工智能的不足，将其视为新事物的初始
结构 ①、基于马尔可夫链通过在线的 “语法 发展阶段，但音乐人工智能在将来是否能突
归纳生成器” （ Grammatical Induction Genera- 破临界点而具有独立创作的能力？ 音乐人工
tor） 来即兴创作音乐等 ②。 智能可以取代艺术家吗？ 这些问题并不容易
这些通过算法作曲产生的音乐作品的艺 给出简单的答案。
术品质如何？ 2023 年，一项基于评估比较的 笔者认为，基于音乐在创作、表演方面
研究得出的 结 论 认 为： “任 何 算 法 方 法 与 人 的特殊性，在现有技术条件下，音乐人工智
类创作的音乐之间仍然存在显著差距。”③ 不 能要实现独立创作或取代艺术家，所面临的
过，突飞猛进的音乐人工智能所显示出的令 挑战是巨 大 的。从 哲 学 （ 美 学） 的 角 度 看，
人震惊的音乐 “创作” 能力，还是让人们禁 音乐人工智能至少要面临下文所论述的几方
不住 思 考，音 乐 人 工 智 能 是 否 可 以 创 作 出 面的问题。这并不是说，人工智能只要解决
“全新 ” 的 音 乐 作 品 来？ 这 里 所 谓 的 “全 了这些问题，就能实现对人类的取代，而是
新”，指的是计 算 系 统 不 是 采 用 某 种 一 开 始 说，这些问题 如 果 无 法 得 到 根 本 性 的 突 破，
就嵌入的特定作曲模型，也不是在选定的几 音乐人工智能将有极大可能在经过一个阶段
个作品中进行分析、重组基础上生成新的音 的快速发展之后，陷入平台期。
乐作品，而是 像 人 类 一 样 “无 中 生 有”，创
作出与既有作品没有关联的独立的音乐作品。 二、数理逻辑和思维过程的差异以及
人们开始思考，音乐人工智能是否可以不依 “艺术世界” 的 “非对应性” 问题
赖 “人工”，而独立具有 “智能”，从而创造
新的风格或音乐样式？ 能否通过音乐表达特 麦卡锡 （ J. McCarthy） 是 当 年 达 特 茅 斯
定的情感？ 人工智能 “会议宣言” 的主笔，这位著名的
之所以 围 绕 这 些 问 题 会 产 生 一 些 争 论， 人工智能先驱，在会议倡议书的开篇，写下
是因为： 一方面，人工智能表现出了令人惊 了一句著名 的 论 断： “本 研 究 基 于 这 样 一 种
诧的 “音乐 才 能”； 而 另 一 方 面，现 有 人 工 推测，即，学习的每一个方面或智能的任何

① S. Abdallah， N. Gold， A. Marsden， “ Analysing Symbolic Music with Probabilistic Grammar ”， in

D. Meredith （ eds） Computational Music Analysis，Springer： Basel，2016，pp. 157 － 189； Donya Quick，
“Learning Production Probabilities for Musical Grammars”，Journal of New Music Ｒesearch，45 （ 4） ，2016，
pp. 295 － 313.
② K. M. Kitani，H. Koike，“Improve Generator： Online Grammatical Induction for on-the-Fly Improvisation
Accompaniment”，in Proceedings of 10th Conference on New Interfaces for Musical Expression （ NIME） ，
Sydney，Australia，15 － 18 June 2010，pp. 469 － 472.
③ Z. Yin，F. Ｒeuben，S. Stepney，et al，“Deep Learning＇s Shallow Gains： A Comparative Evaluation of Algo-
rithms for Automatic Music Generation”，Machine Learning，2023，pp. 1785 － 1822.
 黄宗权： 音乐人工智能的哲学审思 ·13·

其他特征，原则上都可以如此精确地被描述， 的感知、理解密切相关。它在人的文化和社
以至于可以制造一台机器来模拟它。”① 当时 交环境中发 挥 着 关 键 作 用。波 拉 尼 还 认 为，
与会的人工智能的先行者 们 都 乐 观 地 认 为， 默会知识是人类理解世界的基础，是大多数
人脑的思维是有可能在人脑以外产生的。在 经验 （ 例如技能、直觉、经验和经常性的常
他们看来，只要揭开大脑神经网络背后的秘 识 ③） 的本质，“技术规则可以是有用的，但
密，人类就可以构建出一个类似于人脑的电 它们并不能决定艺术实践； 它们只是可以作
子大脑。 为艺术实践中的一种指导原则，前提是它们
然而，现在看来，麦卡锡们当年的假设 能够被融合到艺术实践的实际知识中。它们
更像一个美好的愿望。迄今为止，人的智能 无法取代这种知识”④。
活动尚未被 “精确地描述出来” 也未能实现 从现 有 技 术 条 件 来 看， 人 工 智 能 （ 机
“以一部机器来模拟它”。其困难在于，人类
器） 建立的机械 化 和 自 动 化 过 程， 是 一 种
的智能活动还有许多谜题未被解开。在哲学
将知识显 性 化、 符 号 化 的 过 程。 以 外 显 符
上，人类的思维过程至今存在许多 “难以理
号表征的方 式 使 之 成 为 人 工 智 能 可 识 别 的
解的事 情”。比 如，“意 识 难 题” （ The Hard
数据结构。 比 如， 要 让 一 台 机 器 完 成 图 像
Problem of Consciousness） ，也 即，我 们 很 难
识别 的 任 务， 必 须 将 图 像 扫 描、 认 读、 对
搞清楚人类意识究竟是什么，它是怎么产生
照、识别 等 过 程 的 每 个 步 骤 都 设 定 清 楚，
的，又是如何起作用的。因此，也就难以把
才能编写程序让机器来执行。可以说，使知
它清楚地描述出来，并让机器模拟这一过程。
识显 性 化 （ 可 表 述 化） 是 机 器 计 算 的 重 要
如前文所提及的，在人类的思维过程和
前提。然而，音乐的创作和表演却是一种典
日常经验中，存 在 大 量 的 “默 会 知 识”。这
型的内隐 （ implicit） 知识 （ 技能） ，它极其
个概念由匈牙利哲学家迈克尔·波拉尼 （ Mi-
chael Polanyi） 首先提出，所以也被后世称为 难以被显性化，也因此难以真正地传授给人

“波拉尼悖论” （ Polanyi＇s Paradox） ②。其表达 工智能。

的核心命题是： 人类所知远胜于其所能言传。 而且音乐的一个重要特点是，它不具有

这一理念深刻地指出了有很多知识是我们无 统一普遍的 “规范”。音乐的边界往往取决

法借用语言等符号表意系 统 来 阐 释 清 楚 的， 于文化传 统 中 的 “习 俗 惯 例 ” 或 “惯 例 实
也自然无法传授给人工智能。 践” （ Customary Practice） 。音 乐 艺 术 总 是 会
具体说来，默会知识通常是指体现在人 呈现出某一种特定的文化结构要素，体现出
类的行为、经验和直觉中，难以用语言或符 某种文化传统和文化实践的特征。也即，音
号表达的知识或技能。它与潜意识和非语言 乐是一个具有广阔外延的能指，它囊括了不

① Minsky Marvin，Ｒochester Nathaniel，Claude E. Shannon and McCarthy John，“A Proposal for the Dart-
mouth Summer Ｒesearch Project on Artificial Intelligence，August 31，1955 ”，AI Magazine，27 （ 4 ） ，
2006，p. 12.
② M. Polanyi，“Tacit Knowing： Its Bearing on Some Problems of Philosophy”，Ｒeviews of Modern Physics，34
（ 4） ，1962，pp. 601 － 616.
③ 同注②。
④ M. Polanyi，Personal knowledge： Towards a Post-Critical Philosophy，Chicago： University of Chicago Press，
1958，p. 52.
·14· 中央音乐学院学报 （ 季刊） 2023 年第 3 期

同文化语境下的音乐形态，而不可能只有一 品就不可能拥有和呈现出那些与审美相关的
种单一的特征。 属性”③。
包括音乐在内的艺术领域存在的这种一 这些哲学思考实质是厘清艺术品的重要
个能指对应多个所指的现象，不仅存在于不 特质，即，在人类社会生活中，包括音乐在
同的文化传统当中，也存在于不同时代的艺 内的艺术不仅是一个物理意义上的 “物件”，
术作 品 中。 哲 学 家 丹 托 所 说 的 “艺 术 界 ” 而是具有特定的精神意味和意义指向。比如，
（ Art World） 就试 图 解 释 艺 术 外 延 的 边 界 问 一首音乐作 品，绝 不 只 是 一 些 声 音 的 组 合，
题： “把某件物品看作是艺术 作 品，需 要 某 而是蕴含了人的情感诉求和价值追求。这些
种眼睛无法看到的东西———一种艺术理论的 音响之外的 “意义” 属于难以被显性化的默
氛围，一种艺术史知识： 这就是艺术界。”①
会知识。
也就是说，在现实生活中，一个 “物件” 是
然而，与人类在社会生活中逐步积累的
否成为 “艺术作品”，在一定程度上不是取
知识经验不同，人工智能的很多 “知识” 是
决于这个物件本身，而是取决于以什么样的
从数据获取的。人工智能既无法理解默会知
眼光 来 看 待 它，或 人 们 赋 予 了 它 什 么 样 的
识，也不是发自 “内心” 感受 （ 或意识） 到
意味。
这些默会知识。人工智能并没有内在的情感
哲学家波普尔也指出，艺术属于 “世界
模型和 价 值 体 系，也 没 有 社 会 属 性。由 此，
3” 的范畴。即，艺术属于知识和信息世界，
艺术品具有的 “世界 3” 的特性，在人工智
具有非客观 世 界 的 一 些 属 性 （ 比 如 价 值 观、
能这里就消失了。从现状来看，人工智能的
信仰等） ，它区别于物理世界 （ 客观世界） 、
数理逻辑无法完成如同人类的那样的思维过
精神世界 （ 主观世界） ，艺术是人类对客观
世界和主观世界的理解和解释。“世界 3” 属 程 （ 诸如意识等） ，人工智能对音乐艺术的

于 “人 类 心 灵 产 物 的 世 界。例 如 语 言、传 “理解”，也 无 法 像 人 类 那 样 导 向 独 立 的 精

说、故事与宗教神话； 科学猜想或理论以及 神性。

数学 建 构； 歌 曲 和 交 响 曲； 绘 画 和 雕 塑。
……我们可以区分科学世界和虚构世界、音 三、音乐情感的交互表达
乐世界和美术世界以及工程的世界，……人 与感受问题
类心灵产物的世界”②。 “世界 3” 是人类创
造的而非虚构之物，它们具有实在性、自主 《乐记》 的开篇这 样 说 道： “凡 音 之 起，
性。波普尔的这一理念，是强调 “从关注艺 由人心生也。人心之动，物使之然也。感于
术作品的审美相关属性，转而去关注艺术作 物而动，故形于声。声相应，故生变，变成
品的社会语境； 没有这一社会语境，艺术作 方，谓之音。”④ 中国的古人很早就意识到，

① Arthur C. Danto，“Art World”，in Carolyn Korsmeyer ed.，Aesthetics： The Big Questions，Cambridge： Wi-
ley-Blackwell，1998，p. 40.
② 〔英〕 卡尔 · 波普尔： 《通过知识获得解放》，范景中、李本正译，杭州： 中国美术学院 出 版 社，
1996 年，第 365—366 页。
③ 〔新西兰〕 史蒂芬·戴维斯： 《艺术诸定义》，韩振华、赵娟译，南京： 南京大学出版社，2014 年，
第 161 页。
④ 蔡仲德： 《中国音乐美学史资料译注 （ 上） 》，北京： 人民音乐出版社，1990 年，第 225 页。
 黄宗权： 音乐人工智能的哲学审思 ·15·

音乐是情感的艺术，情感是音乐的第一源动 受； （ 2 ） 表 情 状 态，即 面 部 表 情、姿 态 表

力。在西方文化中，艺术家的艺术创作很大
程度上是为了表达自我情感和对外在世界产
生的情感。如巴迪欧 （ Alain Badiou） 在 《当
代艺术十五论》 （ Fifteen Theses on Contempora-
ry Art） 之 三 所 说 的： “艺 术 是 真 理 的 过 程，
这个真理 总 是 感 性 或 感 官 的 真 理。”① 这 里
的 “感 性” 指 的 是 对 现 实 的 形 式 美 的 感 知
和理解，其重要部分是人与世界之间的情感
联系。
由于情感的重要性和独特性，情感识别
与表达也成为人工智能领域的重要问题。由
此产生了 “情感计算” （ Affective Computing）
这一新兴领域。其主要的研究路径是开发可
靠的算法，采用多模态 （ Multi-Modal） 的 识
别 方 式， 即， 采 用 视 频、 音 频、 图 像、 语
音、生理信号等多种数据，来进行面部表情
识别、语音识别、心率监测等等，试图解决
人工智能识别、解释和表达情感的问题，并
在此基础上让人工智能理解人类的行为和心
理状态。
情感计算的产生和这样一种理论观点有
关，即，认为人类的情感可以被认为是由主
观体验 （ Subjective Experience）
（ Emotion） ③、以及生理唤醒
al） ④ 三个核心要素组成的，分别对应 三 个
方面： （ 1 ） 个体对不同情感状态的自我感
情、语调表情、音乐表情 （ 音调、节奏、速
度等） 的变化； （ 3 ） 情感产生的生理反应，
是一 种 生 理 的 激 活 水 平，具 有 不 同 的 反 应
模式。
情感的识别和表达对于信息的交流和理
解是必不可少的，这也是人类最大的心理需
求之一。人类的认知、行为均受到情感的驱
动，并影响着人际互动以及群体活动。人工
智能最早的先行者们，也意识到了人工智能
研究必须进行情感问题的探求。马文·明斯
基始终认为情感是机器实现智能不可或缺的
能力。在 《心智会社》 （ The Society of Mind）
中提 出 智 能 机 器 的 情 感 问 题 之 后，⑤ 他 在
《音乐· 意识 ·意义》 一书里，也探究了音
乐的情感认知问题，思考了规则性韵律和主
题重复是如何影响情感表征框架 （ Ｒepresen-
tation Frames） 和记忆结构的，乐句及音乐表
达又是如何唤起情感反应的。⑥
与其他艺术形式不同，音乐的情感在创
作和欣赏中占据着重要地位，音乐也是所有
艺术中，最善于传达情感的。音乐作品传递
的并不是简单的声音信息，而是包括了音乐
②、外部表现 家凝结在其中的情感。在音乐的表演实践中，
（ Physical Arous- 音乐则承载着表演者的情感经验。如果人工
智能无法具有情感、无法表达情感，那就无
法像人类那样创作真正的足以表达内在情感

① Alain Badiou，“Fifteen Theses on Contemporary”，Art Performance Ｒesearch，9 （ 4） ，2004，p. 86.

② L. Leahu，S. Schwenk，P. Sengers，“Subjective Objectivity： Negotiating Emotional Meaning”，in Johann，
G. Marsden ed.，Designing Interactive Systems，New York： ACM Press，2008，pp. 425 － 434.
③ H. Binali，V. Potdar，“Emotion Detection State of the Art”，in V. Potdar ed.，Proc. of the Cube Int＇l Infor-
mation Technology Conf，New York： ACM Press，2012，pp. 501 － 507.
④ L. Ashbarry，B. Geelan，K. D. Salas，L. Lewis，“Blood and Violence： Exploring the Impact of Gore in Vio-
lent Video Games”，in Proc. of the Symp. on Computer-Human Interaction in Play，New York： ACM Press，
2016，pp. 44 － 52.
⑤ M. Minsky，The Society of Mind，New York： Simon ＆ Schuster，1986.
⑥ M. Minsky，“Music，Mind，and Meaning”（ 1981） ，Ｒeprinted in S. M. Schwanauer and D. A. Levitt ed.，
Machine Models of Music，Massachusetts： The MIT Press，1993，pp. 327 － 354.
·16· 中央音乐学院学报 （ 季刊） 2023 年第 3 期

的音乐作品。如果一个智能体没有主观的价 外部表现方式当作情感本身”①。
值、没有主观的情感感知，它就只能停留在 在音乐 人 工 智 能 与 情 感 表 达 的 问 题 上，
表面 的 声 音 处 理，也 就 不 可 能 达 到 与 观 者 阿迪亚沙 · 达 什 （ Adyasha Dash） 等 人 的 最
（ 听众） 产生深层的情感共鸣，也就无法通 新研究表明，“基 于 人 工 智 能 的 情 感 音 乐 生
过音乐 表 演 行 为 对 音 乐 作 品 赋 予 可 理 解 的 成系统” （ AI-based Affective Music Generation
意义。 Systems，AI-AMG） 在情感的表达上面临两大
那么，是否可以通过算法的改进、算力 挑战： 一是，情感 “控制” （ Control） ，它指
的提升和海量的数据来解决情感计算的问题， 的是允许创作者生成的音乐具有所需要的情感
以使音乐人 工 智 能 可 以 识 别、表 达 情 感 呢？ 内容，同时，又能精确地控制音乐特征，让这
从理论上来说并非不可能。其难点在于情感 些音乐展示特定的情感信息。二是，“叙述适
表现出来的可感特征与情感的真实状态之间 应性” （ Narrative Adaptability） ，它 指 的 是 系
具有模糊性和不确定性。
统能生成连贯的音乐段落，且这些音乐段落
从主观方面看，情感属于主观意识的范
可以根据给定的情感要求，准确可靠地传达
畴。情感的表现形式具有高度的主观随意性、
不同情感之间的过渡，以及处理不同情绪特
变化的随机性、特征模糊性以及个体差异性，
征之间的相互作用。②
所以很难确定某种表情或声音状态与特定的
音乐情感 的 复 杂 性 还 在 于，“在 音 乐 中
情感状态具有一成不变的对应关系。某人表
感知情感的能力也受文化影响，在跨文化研
现出泣不成声的情感状态，有可能是痛哭流
究中观察到情感感知的异同”③。同时，由于
涕，也有可能是喜极而泣，还有可能是悲欣
人的情感的变化很大一部分来源于社会交往
交集。
活动，音乐作品和其他艺术品一样，常常充
从客观方面看，在音乐的音响中，情感
当了人际交 往 的 媒 介 物，具 有 社 会 情 感 性。
和音乐的声响之间并非简单绝对的一一对应
音乐表演其实是演奏者和观者 （ 听众） 基于
关系。即，很 难 说 某 一 （ 类 ） 特 定 的 音 符
（ 或音符组 合） 与 复 杂 的、微 妙 的、不 可 言 某一文化传统，在共同的价值观、社会规范、

传的情绪 （ 情感） 之间具有确定的、必然的 文化常识基础上的一种交流。人们 “从一段

对应关系。因此，也就很难用数学的方法来 音乐中体验到的情感是结构特征、表演特征、
对情感进行赋值，或建立数据化的模式。也 听众特征、语境特征和乐曲外特征的综合效
正因为此，人工智能领域对情感计算存在一 应”④。
些争议，有些研究者甚至认为 “情感计算” 人工智能没有类似人类的人际交往或者
是一个错误的研究方向，因为 “它没有揭示 社会情感方面的认知。这就使得当前的 “情
情感的本质及内在逻辑程序，并且把情感的 感计算” 最多能让人工智能看起来 “具有”

① 仇德辉： 《情感机器人： 人工情感的逻辑框图与深度算法》，北京： 台海出版社，2018 年，第 47 页。

② Adyasha Dash，Kat Ｒ. Agres. ， AI-Based Affective Music Generation Systems： A Ｒeview of Methods， and
Challenges，arXiv： 2301. 06890，2023.
③ M. Susino，S. Schubert，“Cross-Cultural Anger Communication in Music： Towards a Stereotype Theory of E-
motion in Music”，Musicae Scientiae，21，2017，pp. 60 － 74.
④ Susino Marco，Emery Schubert，“Musical Emotions in the Absence of Music： A Cross-Cultural Investigation
of Emotion Communication in Music by Extra-Musical Cues”，PLOS ONE，15 （ 11） ，2020，pp. 1 － 21.
 黄宗权： 音乐人工智能的哲学审思 ·17·

情绪特征，但这只是让其 “表现出有情感” 审美价值方面却极有可能陷入平庸的境况。

的样子，与真正有意识的由内而外的情绪是
两回事。由此，很难说人工智能具有了人类 四、音乐表现中的 “身心感知”
拥有的一般意义上的情感或情绪。人工智能 与意识问题
是根据特定的程序和训练来 “运算” 及处理
信息，它没有人类那样的感知、意识，也不 传统的认知理论将人的大脑类比于计算
体验情感。虽然它可能会生成描述或模拟情 机，能处理大量复杂的信息，这些信息由感
绪的文本和音响，但并不意味着它自身具有 觉、知觉系统输入，经过一系列加工、处理
情绪。 最终 完 成 认 知 过 程。 这 种 “身 心 二 元 论 ”
在音乐创作和表演中，个体的情感状态 （ Mind-Body Dualism ） 或 者 “实 体 二 元 论 ”
和作品表现出来的情感特征也并不是总是一 （ Substance Dualism） 的主张受到了笛卡尔主
致的。听起来悲伤的作品，完全可能是在快 义 （ Cartesianism ） 的 影 响。 该 哲 学 观 点 认
乐的心境下创作。在音乐创作之外，音乐表 为，意识和身 体 是 两 个 不 同 的 实 体 或 物 质，
演也需要情感，音乐表演的重要目的是使人 由不同的物质或要素组成，它们之间存在着
产生共鸣。每个表演者对音乐表情符号的情 互动关系。但意识是能够独立于身体存在的，
感表达方式有不同的理解，如果这种理解是基 身体是意识的物理容器。
于某种规则的标准化演奏，则对音乐作品的阐 而现代的具身认知 （ Embodied Cognition）
释会导致僵化。如波兰钢琴家和作曲家帕德瑞 理论则认为： “首先，认 知 取 决 于 具 有 各 种
夫斯基 （ Ignacy Jan Paderewski，1860 － 1941） 感觉运动能力的身体所产生的经验类型； 其
所说的： “当使用 espressivo、con molto、senti- 次，这些个体的感觉运动能力本身嵌入了更
mento、con passione 等词时，都要求 （ ……） 广泛的生物、心理和文化背景中。”② 也 即，
一定量的情绪，而情绪排除了规律性……演 主张 “大脑 － 身 体 － 环 境 ” 在 认 知 发 生 过
奏肖邦的 G 大调夜曲，要有节奏的僵硬和对 程中构成 一 个 动 态 的 统 一 体。 其 中， 身 体
所指 示 的 运 动 速 度 的 虔 诚 尊 重， 那 就 是 是认知过 程 发 生 的 核 心； 认 知 是 在 身 体 与
（ ……） 令人难以忍受的单调 （ ……） ，肖邦 环境接触 所 获 得 经 验 的 基 础 上 形 成 的； 认
发自内心的演奏。他的演奏不是理性的，而 知取 决 于 个 体 的 具 身 行 为 所 产 生 全 部 经
是情绪化的”。① 这种个性化的演奏，显然是 验。认知 由 身 体 的 感 知、 意 欲、 动 作 和 响
人工智能所无法达到的。人工智能对待音乐 应过程构成。
作品所 “表现” 的对象或音乐 “传达” 出的 具身认 知 理 论 不 支 持 身 心 二 元 论 观 点，
意味，与人类的处理方式是完全不同的。由 而是认为，“符 号 信 息 加 工 认 知 理 论 和 联 结
于数理逻辑的程序化和标准化，人工智能的 主义心理学等将人类的认知过程定义为对符
音乐呈现或许在技术上是精准无误，但是在 号、信息的加工和操作，忽视了身体、活动

① E. Coutinho，M. Gimenes，J. M. Martins ＆ E. Ｒ. Miranda，“Computational Musicology： An Artificial Life

Approach”，2005 Portuguese Conference on Artificial Intelligence ，2005，pp. 85 － 93.
② F. J. Varela，E. Thompson，＆ E. Ｒosch，The Embodied Mind： Cognitive Science and Human Experience，
Massachusetts： The MIT Press，1991，pp. 172 － 173.
·18· 中央音乐学院学报 （ 季刊） 2023 年第 3 期
①
与经验在认知中的作用” 。并认为这种认识 代替人类观赏同类的表演行为。
忽视了身体的感官系统存在的差异，会导致 与身心认知相关的另一个核心问题是意
认知存在偏差。 识。简单地说，所谓 “意识” 就是体验和感
行为与环境的 “耦合” 模型与大脑的内 知自身和他者存在的一种状态及其产生的感
部独立 “计算” 模型，哪一种更接近人的认 受，其重要体现是能够区分自我意识 （ 自身
知真相？ 身体情况和环境对认知过程是否具 的想法） 和他我意识 （ 他人的想法） ，这是
有重要影响？ 不同的哲学立场决定了对此的 心智理论 （ Theory of Mind） 的重要内容。
不同看法。与传统身心二元论的类计算机模 意识能够把一切经验之物纳入思考范围，
型相反，具身认识观强调作为主体的身体在 这使无限思想成为可能。另一方面，意识能
认知能力 中 的 重 要 性。强 调 感 （ 知 ） 觉 经 够对意识本身进行反思，即，把意识自身作
验、人的身体，以及外部环境共同构成人的 为一个思考对象。这是人类和人工智能一个
认知系统，三者不可分。这种观点进而主张 很大的不同。人类并不是只对输入的信息做
感 （ 知） 觉经验和身体的感 （ 知） 觉高度相 出固定的、程序化的反应，人类会不断追问
关。具身认知支持者的观点是，身体或身体 诸如 “我是谁？” “我的种种主观的想法、念
与环境的 互 动 构 成 （ 或 促 进 ） 了 认 知。因 头和感受是怎么来的” 这类问题，针对意识
为，心理过程不是简单计算过 程，“知 识 没 的意识就具有了 “元意识” （ Meta Mind） 的
有单独存在的实体，而是嵌入、分布在实时 性质，这种元意识能够对艺术的创作、演出
的感知、记忆、注意和行动过程中，并与这 行为进行反思。创作者和表演者能够清楚地
②
些心理和行为的过程密不可分” 。 意识到自身的行为将会给他者带来什么，并
具身认知理论对我们看待音乐表演实践 调整自身的行为。
是有启发的，按照这种观点，在音乐表演中， 这种反 思 能 力 是 形 成 自 我 意 识 的 关 键，
无论是表演者的呈现还是听众的感知，都不 人类不仅能产生符号化的知觉表征，还能对
是被动地接收声音，身体和环境影响了音乐 知觉行为本身进行表征。比如，人类的演奏
表演行为和聆听欣赏。音乐表演的本质，实 者，不仅能识别出某个乐谱的符号 （ 一阶知
际上是在一个特定的 “美学空间” 里，演奏 觉） ； 还会说 （ 或者在头脑中默想） ： 我刚才
者将作曲家创作的 “声音蓝图”，转化成听 认出了那个音符，或者我刚才演奏了那个音
众可感知的声音结构，并清楚地展示给听众。 符 （ 二阶知觉） ； 可能还会对自己的知觉结
每一次的演绎，都有着独特的声音存在样式， 果提出疑问： 我刚才看的那个音符是某个音，
这个样式有着独一无二的结构和奥秘，有经 我会 不 会 看 错 （ 演 奏 错 了 ） 了？ （ 三 阶 知
验的听众是可以感受和认知这一奥秘的。而 觉） 。这种三阶知觉能力，能 够 让 人 类 产 生
计算机的智能只是机械的智能，它的本质还 一种非常新颖高级的意识活动，不断地提升、
是按照人的指令进行精密、快速的计算，或 调整 音 乐 实 践 行 为，进 而 影 响 听 众 的 观 赏
者按照某种规则呈现某种声音，它无法真正 体验。

① 叶浩生： 《西方心理学中的具身认知研究思潮》， 《华中师范大学学报 （ 人文社会科学版） 》，2011

年，第 4 期，第 153—160 页。
② J. Kevin O ＇Ｒegan，Alva Noë，“A Sensorimotor Account of Vision and Visual Consciousness”，Behavioral
and Brain Sciences，24，2001，pp. 939 － 1031.
 黄宗权： 音乐人工智能的哲学审思 ·19·

然而，人工智能并不理解其工作的意义 让深谙贝多芬风格的专家审定 AI 生成的音乐

（ 至少现在和可以预见的将来是如此） 。无论 是否符合贝多芬音乐风格。
是创作还是表演，人工智能所做的工作实际 经过手稿研究、数据学习、神经网络构
上是计算出既有作品的特征。从数学的角度 建、算法调试、MIDI 乐谱输出、试 奏 视 听、
看，它其实是 将 一 些 音 乐 的 特 征 进 行 赋 值， 生成乐队总谱等复杂工作，最终使作品得以
并依据特定的算法，用这些赋值产生另外一 搬上舞台。不得不说，这部作品具有浓郁的
个作品，但它本身没有自我意识，也就更谈 “贝多芬风格”，比如，长大的尾声和贝多芬
不上即时的互动和反思了。自我意识的缺位， 特有的力度对比、和声进行、动机展开和终
导致人工智能在音乐的创 作 和 表 演 行 为 中， 止式等等。熟悉贝多芬作品的人，完全能毫
并非像 人 类 一 样 是 发 自 内 心 的 “自 我 ” 驱 不费力地感受到这首作品与贝多芬本人创作
动，而是执行特定的算法和受到数据的驱动， 的作品有清晰可辨的 “似曾相识” 之处。
这一区 别 显 然 也 导 致 人 类 和 人 工 智 能 创 作 但是，这是 一 种 还 原 还 是 一 种 创 造 呢？
（ 或 通 过 表 演 呈 现 ） 的 作 品， 具 有 本 质 的 贝多芬自己创作的九首交响作品每一首的风
不同。 格特点都不尽相同，何以 “第十” 会是前面
九 首 的 “概 括 式 总 结 ” 呢？ 一 位 评 论 家
五、艺术经验与音乐的创造性问题 （ Henk Douwes） 的话也许代表了很多人的困
惑： （ 作品） “听起来绝对是 ‘贝多芬式的’。
2021 年，音乐人工智能界一件备受瞩目 单就音乐而言，听起来很像对贝多芬之前作
的事是 德 国 卡 拉 扬 研 究 所 罗 德 （ M. Ｒoder） 品的低级翻版，其中明显有 《第五交响曲》
组织了上百人的一个 AI 音乐团队，根据贝多 谐谑乐章的痕迹，听起来很刺耳。其实完全
芬残存的音乐手稿和其他线索，完成了人工 可以学习第七、第八或第九 《交响曲》 的谐
智能版 的 《贝 多 芬 第 十 交 响 曲 》 的 创 作 和 谑乐章。即使留存的乐谱草稿确实有贝多芬
演出。 之前音乐的影子，也不意味着作品就应发展
该项目的主要研究者有： 美国罗格斯大 成目前的样子。天才的贝多芬能容忍这种平
学的 艾 尔 格 莫 （ A. Elgammal） ，主 要 负 责 用 庸的 ‘翻唱’ 吗？”①
贝多芬的音乐来训练 并 构 建 AI 神 经 网 络 系 其实，早在 1981 年，美国作曲家、人工
统，再从中生成所需的贝多芬音乐片段； 奥 智能研究者戴维 · 库伯 （ David Cope） 就创
地利作曲家沃尔佐瓦 （ Werzowa） ，负责从 AI 立了 音 乐 智 能 实 验 （ Experiments in Musical
生成的音乐素材中选择最合适的片段来合成 Intelligence） ，通过人工智能来创作音乐。库
最终的作品； 康奈尔大学计算音乐学专家高 伯分别采用了 “通过规则创作” 与 “重组匹
特姆 （ M. Gotham） ，负责贝多芬的乐谱手稿 配” 两种方法来创作音乐，前者要求每次为
的识别工作，以及 AI 生成的乐谱编辑合成工 新作品编写新的规则，后者采用重组方法将
作； 古 谱 研 究 专 家 （ 钢 琴 演 奏 家 ） 莱 文 现有音乐重新组合，以新的逻辑创作新作品。
（ Ｒ. D. Levin） ， 负 责 校 订 贝 多 芬 乐 谱 手 稿， 1997 年，在一次演讲中，他播放了一首以重
担任钢琴视奏，通过视奏 AI 生成的乐谱，并 组方法创作的巴赫作品，听众无法分辨到底

① 韩宝强： 《人工智能续创贝多芬 〈第十交响曲〉 带给我们的启示》，《音乐与表演》 （ 南京艺术学院学

报） ，2022 年，第 1 期，第 118—121 页。
·20· 中央音乐学院学报 （ 季刊） 2023 年第 3 期

是计算机创作的还是巴赫本人创作的。① 公式而得到。”③
在风格模仿方面，音乐人工智能的创作 与艺术经验密切相关的是艺术创造问题。
早已到了足以 “以假乱真” 的地步。通过算 斯滕 伯 格 （ Ｒobert Sternberg ） 曾 提 出 一 个
法和分析，可以轻易地对已有作品的特点进 “三元智能理论”，他把智能划分为分析问题
行提炼，并基 于 提 炼 的 特 质 创 作 出 新 作 品。 的能力 （ Analytical Intelligence） 、实际解决问
但是，在独立创作方面，目前音乐人工智能 题 的 能 力 （ Practical Intelligence ） 、 创 造 力
的创作尚乏善可陈。这一现象背后的原因并 （ Creative Intelligence） 。④
不复杂，主要归结于两点： 一是，音乐人工 在 《现代汉 语 大 词 典》 中，“创 造” 的
智能无法实现基于审美经验的艺术创作； 二 意思是 “发明； 制造前所未有的事物”。 “创
是，音乐创作中，创造思维的复杂度远超过 造力” 是 指 “人 们 创 造 新 事 物 的 才 能 和 力
现有人工智能的计算能力。 量”⑤。“创造” 的本质特征其实是 “无中生
就艺术经验而言，以休谟 （ David Hume， 有”。艺术创造的本质是产 生 新 颖 的、异 乎
1711 － 1776） 为代表的经验主义者认为，人 寻常的观念，并创制有艺术价值的艺术作品。
类的知识和思想都来源于感性经验，即，通 这是人类最高智慧的体现，问题在于，人类
过感觉、体验、经历而获得经验。所有的概 自身是如何产生新颖的想法，又是如何产生
念和原则，是通过感性经验建立的，只有通 艺术灵感的？ 这些问题至今仍然没有明确的
过经验才能知道世界真相和现实的本质。休 答案。
谟认为： “一切科学牢固的基 础 是 人 性，而 现有研究还没有解开人类创造行为的密
人性的牢固基础则是经验，即我们要理解人 码。但 是 人 们 已 经 意 识 到，人 类 的 “创 造
性，只有通过经验以及与之相关的观察，在 性” 是一个复杂综合的身心过程，它无法单
观察的基础上得到经验。”② 独通过心理学、神经学、生理学来解释，更
也许休 谟 的 经 验 论 或 多 或 少 有 些 偏 激， 难以通过函数和程序来表示。人工智能的本
但就艺术创作而言，感性经验而非理性的计 质是数理逻辑，而创造性有着逻辑或者数学
算起到了更为重要的作用，这在人类的创作 难以表达的特质。
中已经无数次被证明了。经历丰富、情感丰 现有人 工 智 能 在 音 乐 领 域 体 现 出 来 的
厚的艺术家总比情感贫乏的人更能创作出打 “创作”，其实很难称得上是真正的 “创造”，
动 人 心 的 作 品。 脑 科 学 家 格 林 菲 尔 德 其实只是特定程序在输入参数或数据之后所
（ S. Greenfield） 的研究也一定程度支持了休 做的 “组合”。当然，对于什么是 “真 正 的
谟的观点： “客 观 可 观 察 的 事 件 如 何 转 变 为 创造” 的理解本身也没有统一的标准，但显
独特个人经验的第一手感觉，无法通过数学 然，仅仅用 “新” （ 即，与既有的 存 在 物 具

① 见戴 维 · 库 伯 的 个 人 网 站 http： // artsites. ucsc. edu / faculty / cope / biography. htm （ 最 后 登 录 时 间

2023. 4. 9） 。
② 文聘元编著： 《西方哲学通史》，南昌： 江西美术出版社，2019 年，第 157 页。
③ 〔英〕 苏珊·格林菲尔德： 《大脑的一天》，韩萌、范穹宇译，上海： 上海文艺出版社，2020 年，第 4
页。
④ Ｒobert J. Sternberg，Beyond IQ： A Triarchic Theory of Human Intelligence，New York ： Cambridge Universi-
ty Press，1985.
⑤ 阮智富、郭忠新编著： 《现代汉语大辞典》 （ 上） ，上海辞书出版社，2009 年，第 233 页。

有不同特征） 来定义 “创造性” 是不够的。
如赵汀阳 所 说： ” 创 造 性 在 于 改 变 力，在 于
能够改变世界或历史，改变生活或经验，改
变思想或事物，或者说，创造性在于为存在
①
增加一个变量。” 建立一个与人类大脑认知
水平相当的，具有创造性的人工大脑，在理
论上即使具有可能性，在实践中也是极为困
难的，在音乐领域尤其如此。
本文对 音 乐 人 工 智 能 的 几 点 哲 学 审 思，
绝非要否定人工智能已经取得的成绩，更非
低估人工智 能 巨 大 无 比 的 潜 力，而 是 认 为，
音乐人工智能如果不能解决本文所论及的几
个问题，将难以实现取代有真正创造力的作
曲家的目标。
如果从人类漫长的历史来看，人工智能
的本质不过是人类创造的诸多工具之一，与
所有人类创造工具一样，它们在很多方面胜
过了人类的能力。工具的作用是将人类的某
一能力给予 延 伸，并 在 某 一 方 面 代 替 人 类。
人工智能与既往人类的工具相比，是人类脑
力的延伸，但仍没有改变其工具的本质。
① 赵汀阳： 《人工智能提出了什么哲学问题》，《文化纵横》，2020 年，第 1 期，第 43—57 页。
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
（ 上接第 8 页）
中国作品音乐会、中国音乐课堂等，在开放
的环境下传播、交流，讲好 “非遗” 音乐故
事，弘扬传统音乐文化精神，增强中国音乐
文化的感染力、传播力、影响力。
中华文明是世界上唯一一个没有中断的
文明。保护和传承中国优秀传统音乐文化不
仅对中华民族精神的继承 和 弘 扬 意 义 深 远，
而且对世界历史和人类文明的发展意义重大。
站在新的历史方位，才能深刻理解音乐类非
物质文化遗产的历史价值，才会有 “继往圣
黄宗权： 音乐人工智能的哲学审思 ·21·
正是基于此，本文认为，在艺术 （ 尤其
是音乐领域） ，能 真 正 代 替 音 乐 家 的 强 人 工
智能 （ Artificial General Intelligence） 在 可 见
的未来还无法实现。不过，鉴于人工智能惊人
的迭代速度，伴随着人工智能的三驾马车算
法、算力、数据一日千里的发展，我们也有理
由对它的广阔前景报以审慎的乐观。当然，我
们人类也有足够的理由保持这样一种尊严和自
信： 只要我们还会不断 “自我反思”，还会不
断地拓展我们的审美经验，还会不断增进对同
类的理解，还会不断地探索、拓展我们的艺术
表达手段，人类就一定会持续创作不朽的音
乐，用以充实我们永恒的精神世界。
机器的归机器，人类的归人类。
本文是 根 据 作 者 在 2022 年 6 月 《中 央
音乐 学 院 学 报》 举 办 的 “音 乐 表 演 与 文 化
建构———第三届全国音乐表演研究学术研讨
会” 上的发言稿，扩充、撰写而成的。
（ 责任编辑： 温永红）
绝学” 的行动自觉和 “书文明新章” 的紧迫
感。中央音乐学院每一位音乐人都应扛起新
的时代责任，为提升中国传统音乐文化的生
命力、建设中华民族现代文明共同努力。
本文在撰写、调研过程中，得到张伯瑜教
授、章红艳教授、林 巧 芳 老 师 的 帮 助，特 此
致谢。
（ 责任编辑： 杜莹）