在人工智能时代的功能音乐
为什么这个问题很重要
大约十年前，音乐流媒体服务商为最佳音乐推荐系统展开了激烈竞争。显然，一个完美的推荐系统将能够每次都为用户提供最满足其需求的音乐。然而，有些人认为推荐系统只是过渡性技术。无论你的音乐目录有多大，都不可能为每一个可能的用户请求提供完美匹配。
现代生成式人工智能系统有望通过生成根据每个请求定制的音乐来解决这个问题。然而，这些生成式系统仍然不能产生高质量的音乐，计算成本巨大，并且存在复杂的伦理和法律问题。
因此，本文旨在比较基于搜索的音乐检索和音乐生成的优劣，并探讨我们是否应该期望生成式系统完全取代、增强或甚至不会影响当前的解决方案。在开始之前，让我们定义一下“搜索算法”和“生成模型”的含义。
搜索算法
搜索算法是解决搜索问题的一种方法。当用户想要从数据库中检索一段信息或一个对象（如视频或歌曲）时，就存在一个搜索问题。让我们称用户的请求为查询，搜索的结果为响应。搜索算法的目标是找到最满足用户需求的那段信息，即针对给定查询提供最佳响应。
然而，搜索问题还存在时间限制。大多数情况下，我们更愿意在10秒内收到第二好的响应，而不是在10小时后才收到最佳响应。因此，搜索算法应该在合理的时间内找到一个质量令人满意的响应。
生成模型
生成模型是解决预测问题的一种方法。基于一组输入参数（查询），该模型生成对于最优的预测…