“題目要一個個處理，目前要緊的還是處理機器學習中的難點。”邱偉濤說。
邱偉濤說：“是的，這就是路之航的設法。他向來也不同意用僅僅用機器學習的體例來研討小提琴吹奏，他以為，埋冇在樂曲後的數學應當是研討的核心之一。”
邱偉濤眼睛一亮，彷彿是第一次聽到這個說法：“教員，甚麼教員？”
所謂的機器學習是建立在統計的數據的根本上，依托於電子設備的停頓和大量的數據計算才氣，你曉得這麼做能夠成果會不錯，但是至於為甚麼不錯，機器學習就冇有體例奉告你。
“如果是棋類，能夠通過一局勝負來判定某種形式好不好，但音樂如何判定？據我所知，在小提琴吹奏大賽中，評委們為了‘誰的吹奏更好’都能打起來，吹奏一首曲子，十小我能夠吹奏出十種氣勢。大師的審美分歧，評價標準也不獨一。”
這確切是Violin-β體係目前的題目，路之航點頭，表示肖萌持續說下去。
所謂的評價體係，就是讓VB體係不竭的、幾次的吹奏同一首曲子，然後體係對每次的吹奏成果停止打分，所謂“擇其善者而從之，其不善者而改之”，分數低，就申明要改進，分數高，則能夠加強上風。吹奏幾千上萬遍以後，VB就能找到最合適的形式。
路之航說：“用數學規律來當評委而不是人。”
路之航深深看她一眼，點頭道。
要滿足這個要求，需求海量的數據，然後團隊再從已有的數據裡總結出規律，再推行到每一首小提琴樂曲中。
現在，VB項目組采取的是聞名的神經收集和機器學習的體例讓電腦學會拉小提琴。機器學習要以大量的數據為根本。而典範的小提琴樂曲何止百首，上千首曲子都是有的。每首曲子都有分歧的吹奏體例，一樣一首曲子在分歧的吹奏家手上課也閃現分歧的氣勢：輕巧，纏綿，傷感……但非論那種氣勢，說白了都是數據。隻要有充足的數據和計算資本，VB便能夠在吹奏時能夠在力度，長度和節拍長停止調控，達到一流的吹奏家的程度。
路之航點了點頭。
如此有氣勢的宣言讓肖萌聽得一愣，但是不由得心潮彭湃起來。
肖萌無言。客歲時，陸以則和機器人鋼琴吹奏比賽打個了平局，這事兒鬨得挺大，網民都在感慨“除了棋類，人類在吹奏上也輸給了計算機”，音樂家們都感覺有些丟麵子。
肖萌說，“我以為目前Violin-β相稱於一個練習了三四年、有很好天賦的琴童。吹奏根本很好，但感情表達不敷到位，很多末節的措置都不敷細緻，顯得有些生硬。”