Palle Dahlstedt

Jag vill börja med att ifrågasätta lite den typen av tester. Bara att säga att låtarna var gjorda med eller skapade med AI. Vad betyder det? Alltså med AI kan det vara att de har gjort lite grann, det kan vara att de har gjort allting. Och de här verktygen är också gjorda av människor och tränade på saker av människor. Och sen ytterligare ett problem. Du använde ordet bra kvalitet förut i inledningen. Och bra kvalitet, du syftar ju då kanske på produktionskvalitet. Alltså att det låter snyggt.

Men kvalitet går ju mycket djupare än så. Det handlar ju också om att låten har någonting att säga- att den är förankrad i någon berättelse som någon artist vill dela och så vidare. Så ja, de har ju bra kvalitet på vissa sätt-

om du lyssnar efter en djupare kvalitet- så saknas ju den där. Så jag vill frågasätta det där lite grann. Men sen spelar det ju roll på de sätt som du också redan har nämnt- nämligen det här att man känner sig lurad. Men det finns ju också de som tycker att det är coolt- att det är fascinerande. Så det säger någonting, men det säger inte allt-

Vad som har kallats för AI genom historien har skilt sig ganska mycket- eftersom olika teknologier har utvecklats gradvis. Den första algoritmiskt genererade musiken gjordes i slutet av 50-talet- på University of Illinois i USA. De komponerade en stråkvartett med hjälp av dataalgoritmer. Vi skulle inte kalla det AI idag, men de tänkte på det i de termerna- och exakt samma frågor som vi ställer idag restes. Sen har olika typer av...

Algoritmer, maskininlärning, algoritmer inspirerade av evolution och så vidare. Det har funnits i många, många decennier. Men den här deep learning-revolutionen som i princip startade 2010 ungefär- det har ju gjort att de nu kan hantera media på en helt annan nivå. De kan generera video, de kan generera fantastiska bilder, de kan generera musik-

Det som skiljer det här från autotune som du nämnde som ett exempel- är att de här verktygen har massor av information inbakat. Autotune rättar till tonhöjden på sång. Men ett AI-verktyg har en gigantisk inbyggd databas- av all musik den har tränat på. Den är tränad på all musik som finns på hela internet. Det intressanta är att du delegerar en massa beslut till det här verktyget-

men du ger inte kredit till dem som det är tränat på. Och det är ju det som gör att det väcker en del känslor. Och att då säga, jag har gjort den här låten- det är ju det som inte riktigt håller. Man har skrivit en prompt på tio ord- och kanske sagt att det ska låta som Britney Spears eller nåt- och sen säger man, jag har gjort den här låten. Men det har man ju inte. Man har tillhandahållit så här pyttelite information- men verktyget tillhandahåller terabytes av information-

Ja, alltså den är ju otyglad skulle man väl kanske kunna säga. Men vi måste ju också komma ihåg att vi pratar om branschen och så vidare. Men vi pratar inte så mycket om skaparnas situation. När sampling kom till exempel som är en liten liknande situation. När man kunde använda andras material och så där. Så branschen blev, då skapades ju det som många av oss kallar för copyright-maffian.

Det är nästan polishärt att sampla någon- men väldigt många musikskapare upplevde det tvärtom. De här reglerna begränsade deras kreativa frihet och blev jättefrustrerade. Så branschen vill en sak, men det är inte alltid det som konstnärerna vill-

Och det är också ett problem att säga om vi ska stoppa AI-genererade låtar. Men var går gränsen då? Jag kanske använder ett AI-system för att skapa ett syntljud. Eller jag använder ett AI-system för att skapa ett bit. Men jag sjunger på riktigt ovanpå. Jag skriver texten. Eller så använder jag AI för att skriva texten. Men jag lirar gitarr till. Det är helt omöjligt att dra en sån gräns. Därför att...

Alltså det här med att generera hela låtar- det är ju någonting som kommer att användas för bakgrundsmusik- bruksmusik, annonsmusik, kanske lite filmmusik- men låtskapare är inte särskilt intresserade av det. Det är liksom inte binärt, antingen i dag eller inte- utan det här är helt flytande. Och jag skulle säga att det är helt omöjligt att sätta någon slags gräns. Den här stora utmaningen som artister upplever just nu-

som du just nämnde- det är när man- genererar med hjälp av modellen- och det är när man konsumerar musiken- som har genererats i modellen. Och man kan ju likställa den här träningen- med att jag som tonsättare- har ju tränats på en himla massa musik- och all musik jag hör påverkar ju min uppfattning- om vad musik kan vara, hur musik kan låta- och influerar ju mig. Och det finns väldigt många som blir så influerade- av viss musik att de skriver musik- som låter väldigt lik någon annan-

Det kommer en stil och sen kommer det en massa epigoner- som lever på att både fullända den stilen- och göra likadan musik. Problemet med AI-modellen är att de glömmer ju inte. Vi är människor och vi dör ju av. Vi tränar oss. Vi ägnar ett halvt liv åt att träna oss- och ett halvt liv åt att producera-

om man förenklar lite- men sen dör vi ju. Nya människor får ju börja om. Men digitaliserad data- den finns liksom kvar. Och därför så vet jag inte om det är så hållbart- i längden det här heller-

Med att det ska betalas för träning och så vidare. För när man väl har gjort det en enda gång så kan man använda det oändligt. Och det är ju inte så schysst heller. Och sen kommer ju hela det här problemet med att träna på all AI-genererad musik som finns. Vilket är ett annat problem som vi nog borde diskutera. Som har väldigt intressanta följder.

Och det finns ytterligare en risk, det här som du säger, det är klart att det finns plagiatlagar redan och de testas ibland och så vidare. För en klassisk musiker som jag så är det oftast lite komiskt för att ofta är melodin väldigt lik någon medeltida ballad eller någon underliggande melodi från...

renaissancen liksom och så är det två popartister som skäller på varandra för att de har använt samma toner som den liksom men de fattar inte att det är en flera hundraårig meme liksom men problemet är ju att du kan ju råka skriva låtar som är lik någonting utan att veta om det med AI om den genererar melodier som du inte har hört men de är ju ändå kopior och det går ju inte att komma ifrån riktigt så det är ju riskabelt också från det perspektivet

Det var några saker i just det här fallet som tycker jag är lite märkliga och som tyder på att det här handlar väldigt mycket mer om den allmänna teknikfientligheten i konstvärlden. Den har funnits väldigt länge. Jag har jobbat i art and technology-området i 25 år och finkonsten, gallerivärlden, de är väldigt, väldigt...

fientligt inställda till den. Mycket därför att den inte är säljbar. Men den är konstnärligt- precis lika intressant. När man nu pratar om att konstnärerna- framförallt tränat AI-modellerna på sin egen konst. Ja, inom musiken- och inom konsten-

inom forskningen kring generativ konst, generativ musik- så har ju folk hållit på och gjort såna här algoritmer- och utforskat möjligheterna med dem konstnärligt- i liksom 50-60 år. Det är ju inget konstigt. Jag har gjort ett stycke förra året där jag spelade-