آینده موسیقی و هوش مصنوعی: شفافیت، حقوق و چالش ها

یک پیمایش تازه از سوی دیزر (Deezer) و مؤسسه تحقیقاتی ایپسوس (Ipsos) واقعیت قابل توجهی را نشان می‌دهد: بخش عمده شنونده‌ها نمی‌توانند تشخیص دهند که یک قطعه موسیقی توسط هوش مصنوعی تولید شده یا ساختهٔ یک انسان است. این عدم قطعیت، بحث‌های تازه‌ای دربارهٔ شفافیت، مسائل کپی‌رایت و آیندهٔ کار در صنعت موسیقی به راه انداخته است.

The survey numbers that turned heads

تحقیق مشترک بر پایه پرسش از 9,000 نفر در هشت کشور از جمله ایالات متحده، بریتانیا و فرانسه انجام شده است. نکتهٔ اصلی این است که 97٪ از پاسخ‌دهندگان نتوانسته‌اند به‌طور قابل اتکا بین قطعات تولیدشده توسط هوش مصنوعی و قطعات ساخته شده توسط انسان تمایز قائل شوند. حدود 71٪ گفته‌اند از ناتوانی خود برای تشخیص تفاوت شگفت‌زده شده‌اند — نشانه‌ای از اینکه صوت‌های تولیدشده توسط هوش مصنوعی به سرعت به سطحی متقاعدکننده و فریب‌دهنده نزدیک می‌شوند.

این اعداد پیامدهای گسترده‌ای برای درک عمومی، اعتماد مصرف‌کننده و سیاست‌گذاری دارند. وقتی آزمایش‌های کنترل‌شده نشان می‌دهند که تقریباً تمامی شنوندگان در یک نمونه بین‌المللی قادر به تمییز نیستند، پرسش‌های تازه‌ای پیش می‌آید: آیا معیارهای شنیدن انسان به‌طور بنیادی تغییر کرده‌اند؟ آیا فناوری تولید صدا و موسیقی به حدی رسیده که خصوصیاتِ سبک، تن صدا و بافت تولیدی را از نسخه‌های انسانی غیرقابل تفکیک کند؟

از منظر روش‌شناسی، نتایج چنین پیمایش‌هایی معمولاً وابسته به طراحی آزمایش، نمونه‌گیری و نوع قطعات آزمایشی هستند؛ اما تکرار چنین نتایجی در نمونه‌های بزرگ بین‌المللی (مانند نمونه فوق) نشان می‌دهد که پدیدهٔ «تشخیص‌ناپذیری موسیقیِ تولید شده توسط هوش مصنوعی» فراتر از خطاهای آماری یا موردی است و احتمالاً بازتاب تکنولوژی‌های قدرتمند تولید محتواست.

تجزیه و تحلیل بیشتر داده‌ها می‌تواند نشان دهد که آیا تفاوت‌های فرهنگی و جغرافیایی در توانایی تشخیص وجود دارد یا خیر؛ مثلاً آیا شنوندگان در کشورهایی با سنت قوی موسیقایی نسبت به دیگران حساسیت بیشتری نشان می‌دهند، یا آیا نسل‌های جوان‌تر به علت آشنایی بیشتر با موسیقی دیجیتال بیشتر فریب داده می‌شوند. این نوع تحلیل‌های فرعی برای سیاست‌گذاران و پلتفرم‌های استریمینگ اهمیت بسزایی دارد.

What listeners want from streaming platforms

پاسخ‌دهندگان به نظرسنجی به وضوح انتظارات خود از پلتفرم‌های پخش موسیقی را اعلام کرده‌اند. ترجیحات کلیدی شامل موارد زیر بودند:

• 73% از برچسب‌گذاری روشن برای قطعات تولیدشده توسط هوش مصنوعی حمایت کردند;
• 45% خواهان گزینه‌ای برای فیلتر کردن موسیقی‌های تولیدشده توسط هوش مصنوعی بودند;
• 40% گفتند که به‌طور کامل از گوش دادن به آثار هوش مصنوعی اجتناب خواهند کرد.

این اولویت‌ها نشان‌دهندهٔ تقاضای قوی برای شفافیت، کنترل کاربران و احترام به ترجیحات شنیداری است، در حالی که محتوای تولیدشده توسط هوش مصنوعی در فضای استریم گسترده می‌شود. در عمل، «برچسب‌گذاری شفاف» می‌تواند شامل متادیتا (اطلاعات فنی)، هشدارهای قابل مشاهده برای کاربر و امکاناتی برای پیگیری سرمنشأ و روش تولید یک اثر باشد.

گزینه‌های فیلترینگ نیز از منظر تجربهٔ کاربری اهمیت دارند: برخی کاربران ممکن است ترجیح دهند فیدهای پیشنهادی و لیست‌های پخش خود را به آثار انسانی محدود کنند، در حالی که دیگران ممکن است کنجکاو باشند و بخواهند آثاری که با هوش مصنوعی ساخته شده‌اند را کشف کنند. پلتفرم‌های پخش موسیقی (پلتفرم‌های استریمینگ) باید راهکارهایی قابل‌تنظیم ارائه دهند تا طیف نیازهای کاربران را پوشش دهند.

از منظر اعتماد مصرف‌کننده و برندسازی، این نیازها برای سرویس‌های پخش نظیر Deezer، Spotify و Apple Music الزامی است. ارائهٔ شفافیت نه‌تنها پاسخ اخلاقی به خواست کاربران است، بلکه می‌تواند به حفظ اعتبار پلتفرم‌ها کمک کند و از سردرگمی بازار جلوگیری نماید.

Deezer’s response and the scale of AI uploads

دیزر — سرویس پخش موسیقی که حدود 9.7 میلیون مشترک دارد — اعلام کرده است که اکنون آهنگ‌های تولیدشده توسط هوش مصنوعی تقریباً یک‌سوم بارگذاری‌های روزانه را تشکیل می‌دهند و روزانه از مرز 50,000 قطعه فراتر رفته‌اند. این حجم عظیمِ محتوای جدید فشار قابل‌توجهی بر سیستم‌های مدیریت محتوا، متادیتا و مکانیزم‌های کشف موسیقی وارد می‌کند.

در واکنش به این موج، دیزر ابزارهای برچسب‌گذاری را معرفی کرده، آثار تولیدشده توسط هوش مصنوعی را از فیدهای ادیتوریال و پیشنهادهای الگوریتمی حذف نموده و از افشای شفاف‌تر به کاربران حمایت کرده است. این اقدامات بخشی از تلاش برای بازگرداندن کنترل به کاربر و ایجاد مرزهای اخلاقی و عملی در فضای توزیع موسیقی است.

اجرای چنین سیاست‌هایی با چالش‌های فنی همراه است. شناسایی دقیق یک قطعه به‌عنوان تولیدشده توسط هوش مصنوعی می‌تواند به سه صورت انجام شود: اتکا به اعلام تولیدکننده (self-declaration) در متادیتا، استفاده از روش‌های تشخیص فنی (detectors) که الگوهای صوتی را تحلیل می‌کنند، یا بررسی زنجیرهٔ انتشار/ورودی که نشان‌دهندهٔ ابزارهای به‌کاررفته در تولید است. هر روش مزایا و محدودیت‌های خود را دارد؛ اعلام خودیانه ممکن است ناقص یا نادرست باشد، ابزارهای تشخیص خطا دارند و داده‌های انتشار نیز ممکن است به‌راحتی دستکاری شوند.

از دیدگاه کسب‌وکار، افزایش چشمگیر آهنگ‌های هوش مصنوعی می‌تواند مدل‌های درآمدی اشتراک‌محور و درآمد ناشی از پخش را تحت تأثیر قرار دهد؛ به‌ویژه اگر این آثار با کیفیت متغیر و قیمت تولید پایین، سهم بازار را از آثار انسانی تصاحب کنند. در نتیجه، دسترسی به ابزارهای اعتبارسنجی و استانداردهای گزارش‌دهی برای صنعت و قانون‌گذاران اهمیت حیاتی دارد.

Why artists and the industry are on edge

افزایش تولید آهنگ توسط هوش مصنوعی پرسش‌های پیچیده‌ای را مطرح کرده است. کارشناسان حقوقی از چالش‌های کپی‌رایت هشدار می‌دهند، به‌ویژه زمانی که مدل‌ها سبک‌ها، ملودی‌ها یا ساختارهای خاص هنرمندان را تقلید می‌کنند. این وضعیت می‌تواند منجر به دعاوی حقوقی‌ متعدد شود — از نقض حقوق مؤلف گرفته تا تضییع حقوق اجراکنندگان و بهره‌کشیدن از مشاغل هنری بدون توافق یا پرداخت مناسب.

نگرانی‌های اقتصادی نیز جدی است: محتوای خودکار و کم‌هزینه می‌تواند بازار را با حجم عظیمی از آثار اشباع کند و در نتیجه درآمد هنرمندان انسانی را کاهش دهد. در بازارهایی که محاسبهٔ پاداش و حق‌التألیف براساس تعداد پخش است، سیل آثاری که تولید آنها هزینهٔ کمی داشته است، ممکن است سهم درآمدی هنرمندان واقعی را کاهش دهد و در عین حال مسئلهٔ کیفیت محتوای منتشرشده را مطرح سازد.

این نگرانی‌ها پس از آن تشدید شد که یک قطعهٔ تولیدشده به‌طور کامل توسط هوش مصنوعی توانست رتبهٔ اول جدول بیلبورد (Billboard) را کسب کند — برای اولین بار آهنگی که به‌طور کامل از طریق هوش مصنوعی خلق شده بود به صدر جدول رسید — و آثار هوش مصنوعی در هفته‌های بعد نیز در فهرست‌های این مجله ظاهر شدند. این رویداد نشان داد که هوش مصنوعی می‌تواند به‌سرعت توجه شنوندگان را جلب کند و دینامیک‌های جدول‌ها و معیارهای موفقیت را تغییر دهد.

علاوه بر مسایل حقوقی و مالی، دغدغه‌های دیگری نیز وجود دارد: حقِ مالکیت معنوی، حقوق شخصی هنرمندان (مانند حقوق نام و صدای فرد)، و خطر از بین رفتن تنوع فرهنگی در صورتی که الگوریتم‌ها و مدل‌های تجاری یک نوع صدای استاندارد را تقویت کنند. هنرمندان، اتحادیه‌ها و سازمان‌های جمع‌آوری حق‌التألیف ممکن است از طریق مذاکرهٔ دسته‌جمعی یا اقدامات قانونی به دنبال تعیین چارچوب‌هایی برای حفاظت از منافع باشند.

راهکارهای پیشنهادی از سوی متخصصان شامل ایجاد استانداردهای جدید برای ثبت منشا محتوا، استفاده از امضاهای دیجیتال یا واترمارک‌های نامرئی صوتی، و تدوین مقرراتی است که صراحتاً حقوق مربوط به آموزش مدل‌های هوش مصنوعی را محدود کند. همچنین نقش پروسه‌های شفاف گزارش‌دهی درآمد و الگوریتم‌های توزیع درآمد در حفظ عدالت اقتصادی برجسته می‌شود.

What’s next for policy and listeners?

پلتفرم‌ها، دارندگان حقوق و ناظران قانونی هم‌اکنون تحت فشارند تا قواعد جدیدی وضع کنند. پرسش‌های اصلی این‌اند: آیا سرویس‌های پخش باید برچسب‌گذاری قطعات هوش مصنوعی را اجباری کنند؟ آیا قوانین کپی‌رایت باید تکامل یابند تا به موضوع آموزش مدل‌ها، استفاده از دیتاست‌های موسیقایی و خروجی‌های تولیدشده بپردازند؟

در سطح قانون‌گذاری، چند مسیر ممکن است دنبال شود: وضع تکالیف علامت‌گذاری و شفافیت برای پلتفرم‌ها، تعریف چارچوب‌هایی برای استفاده از آثار موجود در آموزش مدل‌ها، و اصلاح مقررات مالیاتی و پرداختی تا حقوق هنرمندان در معرض محافظت قرار گیرد. در برخی حوزه‌ها نیز ممکن است قوانین جدیدی در خصوص «آثاری که عمدتاً توسط ماشین تولید شده‌اند» مطرح شود تا شیوهٔ ثبت، دریافت حق‌التألیف و اعطای هویت حقوقی به این آثار مشخص گردد.

برای شنوندگان، مطالبهٔ فوری ساده است: شفافیت بیشتر و امکان انتخاب. این می‌تواند در قالب برچسب‌های واضح، فیلترهای کاربری و گزینه‌های سفارشی‌سازی تجربهٔ شنیداری اعمال شود. از دید مصرف‌کننده، دانستن اینکه یک قطعه با مشارکت انسانی ساخته شده یا صرفاً نتیجهٔ یک الگوریتم است، روی تصمیم خرید، اشتراک‌گذاری و حمایت از هنرمندان تأثیر می‌گذارد.

از منظر فناوری، راه‌حل‌های متعددی مطرح‌اند: امضای دیجیتال برای قطعات، سیستم‌های پیگیری زنجیرهٔ تولید (provenance) مبتنی بر بلاک‌چین، واترمارکینگ صوتی نامرئی، و ابزارهای تشخیص تولیدشده توسط هوش مصنوعی که می‌توانند به‌صورت ترکیبی با متادیتا عمل کنند. هیچ‌یک از این روش‌ها به‌تنهایی کامل نیستند؛ اما ترکیب چندین لایهٔ حفاظت می‌تواند شفافیت و اعتماد را افزایش دهد.

در نهایت، صنعت موسیقی باید یک توازن دقیق برقرار کند: بهره‌برداری از نوآوری‌های هوش مصنوعی که می‌تواند امکانات خلاقانهٔ جدیدی برای هنرمندان و تولیدکنندگان فراهم آورد، در کنار محافظت از سازوکارهایی که منافع خالقان انسانی و تنوع فرهنگی را تضمین می‌کنند. تدوین استانداردهای اخلاقی، توسعهٔ سیاست‌های شفاف و مشارکت فعال کنشگران مختلف — از هنرمندان گرفته تا پلتفرم‌ها و قانون‌گذاران — پیش‌شرطِ دستیابی به این توازن است.

در کوتاه‌مدت، گوشهٔ قابل‌لمسی از آیندهٔ موسیقی روشن است: افزایش ابزارهای هوش مصنوعی برای تولید آهنگ، فشار برای شفافیت بیشتر، و تغییرات در نحوهٔ ارزیابی و جبران آثار موسیقایی. شنوندگان خواهان کنترل و آگاهی هستند؛ هنرمندان و صاحبان حقوق نگران حفاظت از درآمد و هویت هنری خودند؛ و پلتفرم‌ها در موقعیتی قرار دارند که باید میان رشد فنی و مسئولیت اجتماعی تعادل برقرار کنند.

جمع‌بندی: فناوری هوش مصنوعی فرصت‌ها و ریسک‌های همزمانی را پیشِ‌رو گذاشته است. آینده‌ای که در آن هوش مصنوعی می‌تواند به خلق آثار جدید کمک کند، در صورتی پایدار و عادلانه خواهد بود که با شفافیت، مقررات مناسب و حفاظت از حقوق خالقان انسانی همراه شود.