Türkçe altyazı Turkish subtitles
0:00 Hızlı bir deney. Quick experiment. 0:01 Kısa bir müzik fikri çalacağım. I'm going to play a short musical idea. 0:03 İyi ya da kötü olup olmadığını yargılama, sadece kendine şu soruyu sor. Don't judge whether it's good or bad, just ask yourself this question. 0:07 Nereden geldiğini düşünüyorsun? Where do you think it came from? 0:24 Peki, bu bestelenmiş bir şey miydi? Okay, was that something that was composed? 0:28 Başka bir deyişle, bunu yıllar önce ben yazdım. In other words, I wrote that years ago. 0:30 Yoksa anlık icat mı edildi? Was it something that improvised? 0:33 Kayıt sırasında o anda aklıma mı geldi, yoksa büyük ölçüde emdiğim ve kopyaladığım diğer sanatçılardan ağır şekilde etkilenmiş türev bir şey miydi, ya da yapay zeka akor dizisini önerip ben de onu uyarladığım ortak yaratım mıydı? I made it up just right there in the moment. while we were doing the recording, or was it something derivative where it was heavily influenced by other artists that I've essentially absorbed and copied or was it co-created where basically AI proposed the chord sequence and I just adapted it. 0:54 Bu kategoriler birbirinden farklı görünse de, pratikte sınırlar bulanıklaşır. Well those categories sound distinct, but in practice the boundaries blur. 0:58 Ve işin aslı şu ki, sadece dinleyerek bunu muhtemelen ayırt edemezsin. And here's the thing, from listening alone, you probably can't tell. 1:02 Ama asıl soru şu: Gerçekten önemli mi? But here's a real question, does it really even matter? 1:06 Ya beğenirsin ya da beğenmezsin, müzik o kadar öznel ve o kadar farklı zevkleri barındırıyor ki, herhangi bir şarkı için evrensel bir uzlaşıya varmak zor. Either you like it or you don't, and music is so subjective with so many different tastes that it's hard to get a universal consensus on any particular song. 1:15 Geleneksel olarak müziği, özgünlüğün çıktıda görünürmüş gibi ele aldık, ama müzisyenler bunun nadiren doğru olduğunu bilir. We've traditionally treated music as if originality was visible in the output, but musicians know that's rarely true. 1:22 Örneğin, blues müziğinde 12 artı 3 eşittir blues formülü vardır. For instance, blues music, it's had a formula of 12 plus three equals blues. 1:29 Ne demek istiyorum? What do I mean by that? 1:31 Yani, çok benzer bir sırayla çalınan üç akorlu 12'lik bir akor yürüyüşüdür. Well, it is a 12-bar progression with three chords played in a very similar sequence. 1:37 Yani hepsi temalar üzerinde varyasyonlardan ibaret, en azından çoğu öyle. So it's all just variations on themes, at least a lot of it is. 1:42 Ve halk müziğine bakalım. And we look at folk music. 1:44 Bunun da çoğu varyasyondur, bir sanatçı diğerinin şarkısını coverlar, bunu yaparken kendi tarzını ekler, sonra da caz var ve caz tamamen icat üzerine değil mi, sürekli bir temayı duyup üzerine eklersin, A lot of this is also variations as one artist will essentially do a cover of another artist's song, maybe add their own flavor to it as they do that, and then we've got jazz and jazz is all about improvisation right you just 2:00 ve ayrıca diğer alanlardan dokular ve kuralları ödünç alıp bunları kendi işlerine entegre eden prodüktörler de oldu. keep on hearing a theme and then taking that and adding to it, and then, we've had producers who essentially borrow textures and conventions from other areas and work those into their work as well. 2:14 Yani yapay zeka, yeniden birleştirme fikrini icat etmedi. So AI didn't invent this idea of recombination. 2:17 Değiştirdiği şey hız, ölçek ve şeffaflık eksikliği. What it changed is the speed, the scale, and the opacity. 2:21 Ekranınıza bağırıp bunun hepsinin hoparlörlerinizden dökülen yapay zeka çöplüğüne dönüşeceğini söylemeden önce, lütfen şunu düşünün. Before you start shouting at your screen that this is all just going to result in AI slop dribbling out of your speakers, I want you to consider this. 2:29 Ne zaman yapay zeka çöplüğü ya da herhangi bir türden çöplük müzik gibi sunulmadı ki? When have we not had AI slop, or some form of slop, passing for music? 2:35 Son günlerdeki bazı akışları dinlediniz mi? Have you listened to some of the streams these days? 2:38 Ya da geçmiş yıllardaki radyoyu? Or the radio in years past? 2:40 Peki, bu da tekrar bir zevk meselesi. Well, so that again is a matter of taste. 2:44 Dikkat etmem gereken ikinci şey ise, Billboard listelerinde zaten bir yapay zeka sanatçısının yer almış olması. And the second thing I want to consider is we've actually already had an AI artist appear on the billboard charts. 2:50 Bu işlerin bazıları gerçekten çok iyi. Some of this stuff is really good. 2:52 Sadece daha iyi olacak. It's only gonna get better. 2:54 Daha kötü olmayacak. It's not gonna get worse. 2:55 Sonuç şu: diş macunu tüpe geri girmeyecek. The bottom line is this, the toothpaste is not going back into the tube. 3:00 Bu teknoloji var ve insanlar onu kullanacak. This technology exists and people will use it. 3:03 Dolayısıyla bunun aksini iddia etmek, sadece inkâr hâlinde yaşamak demek. So pretending otherwise is just living in a state of denial. 3:06 Bence bunun yerine, bir gitar koleksiyonu olan ve ses sistemine aşırı para yatırmış bir yapay zeka meraklısı perspektifinden, müzikte yapay zekanın bazı olanaklarına bakmak daha iyi. I think instead it's better to take a look at some of the possibilities of AI in music from the perspective of an AI nerd with a guitar collection and way too much money invested in stereo equipment. 3:18 Öncelikle, müziğin her zaman teknoloji tarafından şekillendirildiğini kabul etmemiz gerekiyor; piyanonun icadından elektrikli gitara, sentezleyicilere, dijital kayıt ve oynatım ekipmanlarına kadar. First off, we need to acknowledge the fact that music has always been shaped by technology, from the invention of the piano to the electric guitar to synthesizers, digital recording and playback equipment. 3:30 Tüm bunlar katkıda bulundu. All of this stuff contributed. 3:31 Hatta canlı performanslar bile, orijinal sesin doğasını değiştirmek için amplifikatörler ve reverb, distorsiyon gibi ses efektleri kullanıyor. Even live performances use amplifiers and audio effects like reverb and distortion to change the nature of original sound. 3:38 Bugün, başka bir sıçrayışla, teknoloji artık sadece insanlara müzik yapmada yardım etmekle kalmıyor, bizimle birlikte müzik de yaratabiliyor. Today, in another leap, technology isn't just helping people make music, it can now create music with us. 3:45 Gelin, bunun on yıllar içinde nasıl evrildiğine bir bakalım. Let's take a look at how this has evolved over the decades. 3:48 50'lerin ve 60'ların algoritmik müziğiyle başlayacağız. We're gonna start with the 50s and 60s with algorithmic music. 3:53 Peki bu ne anlama geliyor? Now what does that mean? 3:54 Bilgisayarlar, sentezleyiciler veya MP3'ler henüz varken bile çok uzun zaman önce müzik yapmaya başladı. Well, computers started making music long before synthesizers or MP3s even existed. 4:00 50'lerde araştırmacılar, algoritmik besteler üretmek için erken dönem ana bilgisayarlarını kullandı. In the 50's, researchers used early mainframes to generate algorithmic compositions. 4:06 Müziği matematiksel kurallarla oluşturuyorlardı. They were creating music with mathematical rules. 4:10 Bilgisayar bilimcileri, temelde delikli kartlar kullanarak makinelere melodi çalmayı öğretiyordu. Computer scientists were essentially teaching machines to play melodies using punch cards. 4:15 Evet, hayal edin. Yeah, imagine that. 4:16 Ben de 70'lerin sonunda lisedeyken bunu denemiştim. I even tried my hand at this back when I was in high school in the late 70s. 4:20 Evet, o kadar yaşlıyım. Yeah, I'm that old. 4:22 Ancak bu eserler, rastgele ve mekanik bir tınıya sahipti; yine de önemli bir fikri ortaya koydu. These pieces though, sounded random and mechanical, but they introduced a key idea. 4:28 Bu fikir, müziğin verilerle temsil edilebileceğiydi. That is that music can be represented as data. 4:32 Bu fikri ileriye taşıyoruz. So we carry that idea forward. 4:35 Ardından 70'lerde ve 80'lerde dijital sentez geldi. Then in the 70s and 80s, we got digital synthesis. 4:38 Gerçek enstrümanlara benzer sesler çıkarabilen sentezleyiciler ve benzeri cihazlar ortaya çıktı. We had synthesizers and things of that sort that could play sounds that sounded like real instruments. 4:46 Hem bildiğimiz geleneksel enstrümanları taklit edebiliyorlar hem de hiç var olmayan enstrümanlardan çıkan sesler icat edebiliyorlardı. And traditional instruments that we knew, as well as they could invent sounds from instruments that didn't even exist. 4:54 Yaklaşık aynı dönemde MIDI, yani Müzik Enstrümanı Dijital Arayüzü adlı şey ortaya çıktı. Then around that same era, we got this thing called MIDI, the Musical Instrument Digital Interface. 5:00 Bu çok önemli hale geldi. And that became really important. 5:02 Nota, zamanlama, perde, hız gibi müzik olaylarını kontrol etmek için gereken her şey için evrensel bir dil sağladı. It gave us a universal language for notes, for timing, pitch, velocity, everything you need to control music events. 5:10 Bu devrim niteliğindeydi. This was huge. 5:11 MIDI, bilgisayarların, enstrümanların ve yazılımların birbiriyle konuşmasını sağladı. MIDI lit computers, instruments, and software all talk together. 5:16 Bugün bile dijital müzik üretiminin omurgasıdır. It's the backbone of digital music production even today. 5:20 Sonra 90'larda dijital ses istasyonları ortaya çıktı. Then in the 90s, we had digital audio workstations. 5:24 Bilgisayarı bu alana gerçekten dahil etmeye başladığımız dönem buydu. This is where we really started bringing computers into this. 5:27 Bilgisayarlar artık düzenleme, dizilim, efekt ve örnekleme için tam bir yaratıcı ortağa dönüştü. Computers were now full creative partners for editing, sequencing effects and sampling. 5:33 Ardından 2000'lerde makine öğrenimini devreye soktuk. Then in 2000s, we introduced machine learning into the picture. 5:39 Bu sayede otomatik ses ayarı, ritim eşleştirme ve akıllı ses temizleme araçları sahneye çıktı. And in this case, auto tuning, beat matching and smart audio cleanup tools came onto the scene. 5:46 Sonra 2020'lerde derin öğrenme ve daha yakın zamanda üretken yapay zeka geldi. Then in the 2020s, we got deep learning and more recently, generative AI. 5:53 Ve bu teknolojiler gerçekten patlama yaptı. And these things really took off. 5:55 Araştırmacılar, binlerce şarkı üzerinde modeller eğiterek yeni desenler, armoniler veya hatta ritimler üretebileceklerini fark etti. Researchers realized you could train models on thousands of songs to generate new patterns, harmonies, or even beats. 6:02 Bu, modern yapay zeka müzik sistemlerinin temelidir; bu sistemler, bir bilgisayardan daha önce hiç görülmemiş bir sanatsal yetkinlikle beste yapabilir ve icra edebilir. This is the foundation of modern AI music systems, which can compose and perform with more artistry than we've ever seen before from a computer. 6:11 Günümüzdeki yapay zeka modelleri, melodi, armoni, bas çizgileri ve hatta çok enstrümanlı düzenlemeler dahil olmak üzere tam şarkılar besteleyebilir. Today's AI models can compose full songs, melody, harmony, baselines, even multi-instrument arrangements. 6:20 Hans Zimmer tarzında sinematik bir müzik veya Chopin tarzında lirik, ifade dolu bir piyano nokturnu isteyebilirsiniz. You can ask AI for a cinematic score in the style of Hans Zimmer, or a lyrical expressive Chopin-style piano nocturne. 6:28 Ve o, bu müzisyenlerin asla yazmaya vakit bulamadığı materyalleri üretecektir. And it will generate the material these guys never actually got around to writing. 6:32 En güzel yanı, yapay zeka anında tekrar üretebilir ve size sınırsız fikir sunar. The best part, AI can iterate instantly, giving you unlimited ideas. 6:37 Yani sonuçlardan memnun kalmazsanız, memnun kalana kadar işlemi tekrarlayın. So if you don't like the results, just run it again until you do. 6:41 Ve tabii ki dil modelleri, şaşırtıcı olmayan bir şekilde söz yazar. And then language models can, not surprisingly, write lyrics. 6:46 Büyük dil modelindeki orta L harfi, tabii ki dil anlamına gelir. That's what the middle L in large language model stands for is language, of course. 6:51 Ve bunları herhangi bir tarzda yazabilirler. So and they can write this in any style. 6:53 Rap, pop, metal, country veya hatta çok dilli karışımlar olabilir. It could be rap, pop, metal, country, even multilingual blends. 6:58 Özellikle deyimler bulmak ve temaları keşfetmek konusunda çok iyilerdir. They're especially good at brainstorming phrases and exploring themes. 7:02 Yani bir şarkı yazıyorsanız ve bir sonraki dizede takılıp kaldıysanız, yapay zeka iki saniyede size 50 alternatif sunabilir ve hangisinin iyi, hangisinin berbat olduğunu siz karar verirsiniz. So if you're writing a song and you're stuck on the next line and what it should be, well, AI can give you 50 alternatives in two seconds and let you decide which is good and which is garbage. 7:15 Yapay zeka ayrıca şarkı söyleyen sesleri modelleyebilir. AI can also model singing voices. 7:18 Buradaki fikir, insan bir şarkıcı olmadan gerçek bir arka vokal sesine sahip olma hayalidir. So imagine the idea here where you have actual backing vocals without a human singer. 7:25 Ayrıca ses stil transferi de var; bu, bir kişinin şarkı söylerken tamamen farklı bir sese sahip olmasını sağlıyor. There's also a voice style transfer, letting one person singing sound like a completely different voice. 7:32 Şimdi burada, sadece şarkınızı değil, aynı zamanda nasıl seslenmek istediğinizi de seçebildiğiniz bir sonraki seviye karaokeyi konuşuyoruz. Now here, we're talking next level karaoke when you can pick not only your song, but also who you wanna sound like. 7:39 Yapay zeka araçları sesi temizleyebilir ve vokalleri ayırabilir. AI tools can clean audio, separate vocals. 7:42 Ayrıca parçaları otomatik olarak master yapmaya, akor dizileri önermeye veya hatta yaylı düzenlemeleri yazmaya da yardımcı olabilirler. They can also help auto-master tracks, suggest chord progressions, or even write string arrangements. 7:50 Mühendislerin yerini almak yerine, en iyi araçlar süper akıllı asistanlar gibi davranır. Instead of replacing engineers, the best tools act like super smart assistants. 7:55 Hatta her kayıt yapmaya çalıştığımda stüdyomuzun yanından geçen trenin sesini çıkarmak için bir yapay zeka filtresi bile kullanabiliriz; bu, gerçek bir hikayeye dayanıyor. We could even use an AI filter to take out the sound of a train that loves to ride by our studio every time I'm trying to record, based on a true story. 8:05 Yapay zeka, hareketlerinize, sesinize veya hatta çalmalarınıza tepki vererek gerçek zamanlı müzik bile üretebilir. AI can even generate music in real time, reacting to your movements, your voice, or even your playing. 8:12 Bir insanın ve bir makinenin birlikte doğaçlama yaptığını hayal edin. Imagine a human and a machine improvising together. 8:15 Harika olabilir, berbat olabilir, ama enstrümanları sadece insanların kullandığı doğaçlama oturumlarında bu durum hiç mi farklı oldu? Could be great, could be awful, but when has that not been the case with improv sessions, with only humans manning the instruments? 8:23 Eski günlerde içinde bulunduğum bazı garaj grubu oturumlarını hatırlıyorum ve sadece toleranslı komşulara şükürler olsun diyorum. I'm reminded of some garage band sessions I was in back in the day, and I'll just say thank goodness for tolerant neighbors. 8:30 Modeller, kaydedilmiş müzikten oluşan büyük veri kümeleri üzerinde eğitim alarak öğrenir ve ne dersiniz? Models learn by training on large data sets of recorded music, and guess what? 8:35 İnsanlar da öyle yapar, ama buna birazdan daha yakından bakacağız. People do too, but more on that in a minute. 8:38 Yapay zeka, yaygın akor dizileri, ritim yapıları ve enstrüman kombinasyonları gibi kalıpları öğrenebilir. AI can learn patterns, things like common chord progressions, rhythm structures, and instrument combinations. 8:46 Üretim sırasında model, sonra ne gelmeli olduğunu tahmin eder. During generation, the model predicts, then, what should come next? 8:51 Bir sonraki nota, bir sonraki vuruş, ses örneği ve bunları bu olasılıklardan yola çıkarak inşa etmeye devam eder. The next note, the next beat, the sound sample, and it continues building those from those probabilities. 8:58 Bu yüzden yapay zeka, tarz taklidinde, türleri harmanlamada ve varyasyonları keşfetmede bu kadar iyidir. This is why AI is so good at style imitation, at blending genres and exploring variations. 9:05 İnsanlar gerçekten o kadar farklı mı? Are people really that different? 9:07 Herhangi başarılı bir müzisyene sorun, onlar da müziklerinde büyük etkileri olduğunu söyleyecektir. Ask any successful musician, and they will tell you that they had major influences on their music as well. 9:15 Aslında, size geniş bir yelpazeden gelen, çeşitli tarz ve türlerden oluşan uzun ve eklektik bir etki, grup ve solo sanatçı listesi vereceklerdir. In fact, they'll give you a long eclectic list of influences, bands, solo artists, that come from a wide variety of styles and genres. 9:25 Birbirlerinden öğrendiler ve tüm etkilerinin ve cesaret edip söyleyelim, kalıplarının benzersiz kombinasyonlarından yeni müzikler yarattılar. They learned from each other and created new music from unique combinations of all their influences and dare we say, patterns. 9:35 Bakın, tüm notalar zaten icat edilmiş durumda. Look, all the notes have already been invented. 9:38 Üretilecek yeni bir nota kalmadı. There's no more new notes to create. 9:41 Şu an yaptığımız şey, yeni sonuçlar ve yeni şarkılar oluşturmak için onları yeni yollarla ve yeni kalıplarla yeniden düzenlemekten ibaret. What we're doing now is just rearranging them in new ways and new patterns to create new results and new songs. 9:48 Belirli bir sanatçının müziğinizde büyük bir etkiye sahip olduğunu söylemek, tüm verilerinizi örnekledim, bir model oluşturdum ve şimdi beste yaparken çıktınızı tahmin ediyorum demekten çok daha kabul edilebilir geliyor. Saying that a certain artist was a major influence on your music sounds a lot more acceptable than, I sampled all your data, generated a model, and now predict your output when I compose. 10:00 Ama benzetme hâlâ orada duruyor. But the analogy is still there. 10:02 Duyduklarımızın etkileri, bir sonraki ürettiklerimize kaçınılmaz olarak yansıyor. The influences of what we've heard inevitably work their way into what we produce next. 10:08 Duyduklarımızdan öğreniyoruz. We learn from what we hear. 10:10 Bu, çeşitlilik içeren bir taklit biçimidir. It's a form of imitation, but with variation. 10:13 Duyduğunuz şarkılar, yazdığınız müziği etkiler. The songs you hear influence the music you write. 10:17 Belirli bir sanatçının tüm kataloğunu dinleyip o tarzda bir şarkı bestelersem, kimse beni telif hakkı ihlaliyle suçlamaz. If I go to listen to the whole catalog of a particular artist and then compose a song in that style, no one accuses me of copyright violation. 10:26 Müzik, başlangıcından beri bu şekilde bestelenmiştir. It's how music has been composed since the very beginning. 10:29 Yapay zeka bunu, insan sezgilerimizi şok edecek farklı bir ölçekte yapıyor. AI just does it on a different scale that's shocking to our human sensibilities. 10:34 Mevcut gerçekliği yansıtacak yeni bir referans çerçevesi geliştirmemiz gerekiyor. We need to develop a new frame of reference to reflect the current reality. 10:39 Yapay zekanın insan bir müzisyenle ortak olarak çalışmasının farklı varyasyonlarına bir bakalım. Let's take a look at some different variations on how AI can work with a human musician as a partner. 10:45 Yani müziğin yazılmasını, revize edilmesini ve icrasını ele alacağız. So we'll consider writing the music, revising it and performing it. 10:50 Bir insanın yazması, revize etmesi ve icra etmesi mümkün. So we could have a human write, revise and perform. 10:53 Bu sadece geleneksel yöntemdir. That's just traditional. 10:54 Müziği hep böyle yaptık ve bu gayet iyi. That's how we've always done music and that's fine. 10:56 Hâlâ işe yarıyor. It still works. 10:58 İnsan müziği yazıp revize ederken yapay zekanın performansta yardımcı olduğu bir çeşitlilik de olabilir. We could have variation where we have the human write and revise the music But AI helps in the performance. 11:06 Yani bu, performansı mükemmelleştiriyor ve her seferinde aynı şekilde, tutarlı bir biçimde yapıyor. So this is perfecting the performance and it's going to do it consistently the same way every single time. 11:13 Şimdi, insanın yazma sürecine dahil olduğu başka bir çeşitliliğe bakabiliriz. Now we could look at another variation where we've got a human who's involved in writing. 11:18 Yapay zeka revizyonda yardımcı olur ve öneriler sunar. AI helps with revising and gives suggestions. 11:22 İnsan neyi tutacağını, neyi atacağını belirler ve ardından canlı performansı gerçekleştiren yine insandır. The human decides what to keep and what to throw out and then we have the human involved in doing the actual live performance. 11:29 Dolayısıyla burada gerçekleşen bir yapay zeka yardımı var. So here we have an AI assist that's occurred. 11:33 Dikkate alınacak başka bir çeşitlilikte, yapay zeka başlangıçta besteyi yazar, ancak revizyonları insan yapar ve "İlk taslak güzeldi, ama aslında şunu istiyorum" der. Another variation to consider, we have AI write the composition initially, but the human does the revisions on it and decides, okay, that was a nice first draft, but here's what I really want it to do. 11:44 Bana daha fazla seçenek ver. Give me some more options. 11:45 Hayır, bunlardan birini seçeceğim, o tür bir şey. No, I'm gonna pick from those, that sort of thing. 11:48 Ve sonunda insan, eseri gerçekten icra eder. And then the human actually ends up performing the thing in the end. 11:51 Yani bu, yapay zekanın ilham vermesi demek. So it's AI inspired. 11:53 Sana ilk fikri, kıvılcımı veren bir iş birliği ortağı, beyin fırtınası ortağı gibi; ama sonra insan bunu sonuna kadar taşır. It's like having a collaboration partner, brainstorming partner that gave you the initial idea, the spark, but then the humans carried it the rest of the way. 12:01 Gördüğünüz gibi, bu matrisin nasıl işleyeceğine dair birçok farklı çeşitlilik var; yapay zekanın yazdığı, revize ettiği ve icra ettiği duruma kadar. And there's a lot of different variations, as you can see how this matrix would play out, all the way down to where AI is writing, revising, and performing. 12:09 Bu, saf yapay zeka durumu. This is the pure AI case. 12:12 Ancak benim bu konudaki amacım, dikkate alabileceğimiz hibrit bir dizi durum olduğunu göstermek. But my point with this is that there's a hybrid set of cases that we could consider. 12:17 Ve bunlardan çok fazla var. And there are a lot these. 12:19 Müzikte yapay zekadan ne kadar ve nerede istediğinizi siz belirleyebilirsiniz. And you can decide where you want and how much involvement you want from AI in the music. 12:25 Herhangi bir iş birliğinde olduğu gibi, ekibin her üyesinin güçlü ve zayıf yönlerini bilmeniz gerekir. As with any collaboration, you need to know the strengths and weaknesses of each member of the team. 12:31 Yapay zeka ile müzikal iş birliği söz konusu olduğunda durum farklı değil. It's no different when we're talking about musical collaboration with AI. 12:35 Peki burada kim ne konuda en iyisi? So who's best at what here? 12:37 Bir yanda yapay zeka, diğer yanda insanlar var. We've got AI, we've got humans. 12:39 Peki yapay zeka gerçekten ne konuda iyi? Well, what is AI really good at? 12:41 Şeyi sonsuz kez tekrar tekrar yapabilmesinde çok iyi. Well, it's good at doing things over and over and over again in infinity. 12:47 Sınırsız bir sabrı ve sınırsız varyasyonları var. It's got infinite patience, infinite variations. 12:50 Bize ne kadar uzun istiyorsak o kadar uzun şarkılar üretebilir, yeni müzikler besteleyebilir. It can generate songs as long as we ask it to, compose new music. 12:56 Bunların varyasyonlarını yapabilir ve diğer şeylerle harmanlayabilir. It can do variations on those and blend them with other things. 13:00 Zenginleştirme yapabilir, yani müziği temizleyebilir. It can do augmentation, so clean up music. 13:04 Bizim için transkripsiyonlar yazabilir. It can write transcriptions for us. 13:06 Hatta farklı bir anahtara aktarma gibi modülasyon bile yapabilir. It could even do a modulation where we put it into a different key, things like that. 13:11 Ona bunu tekrar yap ama şimdi bu tarzda yap gibi şeyler söyleyerek müziği daha kişiselleştirebiliriz. We can personalize the music more by telling it to do this again, but now do it in this style or things of that sort. 13:19 Sonuç olarak, iş birliği ortağı olarak yapay zekanın asıl güçlü olduğu nokta ölçek. So the bottom line is what AI is really good at here as a collaborative partner is scale. 13:25 Bunu yorulmadan yapabilir. It can this with no fatigue. 13:27 Sadece tekrar tekrar yapmaya devam eder ve biz beğendiğimizi ve beğenmediğimizi seçeriz. It will just keep doing it over and over and over again and we can decide what we like and what we don't like. 13:34 Peki insan tarafında, insan müzik söz konusu olduğunda özellikle ne konuda iyidir? Now, the human over here, what are humans particularly good at when it comes to music? 13:38 Size önerim, bunun bağ kurma olduğu. Well, I'm going to suggest to you it's connection. 13:41 Müziğin ifadesini bulmak. It's finding the expression of the music. 13:45 Kelimelerde ve melodilerde yansıyan yaşanmış deneyim. It's the lived experience that falls out in the words and in the melodies. 13:50 Şeyin ne anlama geldiği. It's what does the thing mean? 13:52 Canlı performanslar da insanların özellikle iyi olduğu bir alan. Live performances also are a thing that people are particularly good that. 13:56 Ve... And... 13:57 Bazen sahneye çıkıp gitarı ezmek veya herkesin farklı şeyler yaptığı, milyonlarca hareketli parça bulunan ve kimsenin bir sonraki anın ne olacağını bilmediği bir jam oturumu izlemenin yerini hiçbir şey tutmaz. There's just no substitute sometimes for watching somebody go up there and smash a guitar on stage, or you have a jam session where all kinds of things are happening and you've got a million moving parts and nobody really knows what's about to happen next. 14:10 Ya da aynı şarkıyı tekrar çalabilir ve aynı şeyden çok farklı bir anlam çıkarmak için ona çok farklı bir duygu katabilirsiniz. Or you could take the same song and play it again with a very different feeling to give a very different meaning out of that same thing. 14:18 Peki, insanlar özellikle neyin iyi olduğu? So, where are humans particularly good? 14:21 Birçok şey var ama bunlardan birinin his olduğunu söyleyebilirim. Well, there's a lot of things, but one of them I'll say is feeling. 14:24 Eğer his yoksa, müzik sadece bir gürültü yığınına dönüşür. And if we don't have feeling, then the music is just a bunch of noise. 14:29 Müzikte yapay zekanın geleceğinin, yapay zekanın müzisyenlerin yerini almasından ziyade yeni iş birliği modelleriyle ilgili olduğunu düşünüyorum. I think the future of AI in music is less about AI replacing musicians and more about new collaboration models. 14:37 Üzgünüm ama altı telli bir gitarla ulumak, tıklım tıklık bir konser arenasının enerjisinin ya da daha samimi bir canlı müzik oturumunun deneyiminin yerini tutmaz. Sorry, dude, but howl with a six string is just no substitute for the energy of a packed concert arena or the experience of a more intimate live music session. 14:47 Et ve kemikten birinin performansını istiyorsunuz. You want a performance by someone with flesh and blood. 14:50 Kızgınlık kastetmiyorum. No offense. 14:51 Müziğe ve sanatçıya bir bağ hissetmek istiyorsunuz. You want to feel a connection to the music and to the artist. 14:55 Tıpkı sentezatörün keman virtüözlerini ortadan kaldırmadığı gibi, yapay zeka da müzisyenlerin sonu olmayacak. Just like the synthesizer didn't eliminate violinists, AI won't be the end of musicians either. 15:01 Yapay zeka destekli enstrümanlar gibi şeyler göreceğiz. We're gonna see things like AI-driven instruments. 15:04 Sadece sizin için gerçek zamanlı olarak oluşturulan, hiper-kişiselleştirilmiş müzik listeleri göreceğiz. We're going to see hyper-personalized playlists of music created just for you in real time. 15:09 Bu, o anki ruh halinize en uygun şekilde en sevdiğiniz türde yeni müzikleri sınırsız miktarda sunan favori sanatçılarınızın her an erişilebilir olması gibi olacak. It'll be like having your favorite artists available to give you new music of the sort you like best to fit your mood at that particular moment and in unlimited supply. 15:19 Ve zamanla zevklerinizi öğrenecek ve daha iyi hale gelecek. And it's gonna learn your tastes and get better over time. 15:23 Bu deneyimi zenginleştirmek için gerçek zamanlı uyumlu oyun müzikleri gibi şeylere sahip olacağız. We'll have things like real-time adaptive game music to enhance that experience. 15:28 Ve beceri seviyesinden bağımsız olarak herkesin müzikal fikirlerini ifade etmesine olanak tanıyan araçlar olacak; bu da benim gibi oyunu geliştirmeye çalışanlar için harika bir haber. And tools that let anyone, regardless of skill, express musical ideas, which is great news for wannabes like me trying to up their game. 15:37 Bakın, bir gün büyük bir başarı kazanma umuduyla gitar çalmıyorum. Look, I don't play the guitar because I'm hoping to make it big one day. 15:40 O gem çoktan yola çıktı. That ship sailed long ago. 15:42 Aynı şekilde, hâlâ Olimpiyatlar'da bir şansım olduğunu düşündüğüm için her gün koşu yapmayacağım. In the same way, I won't run every day because I still think I have a chance at the Olympics. 15:47 O da denizin ortasında çok uzakta olan başka bir gemi. That's another ship that's far out to sea. 15:49 Ama her iki aktivite de kendimin bir kısmını ifade etme şansı veriyor ve yapay zeka aslında ikisinde de daha iyi olmama yardımcı olabilir. But both of these activities give me a chance to express a part of myself and AI can actually help me do better with both of them. 15:57 Günün sonunda, müzik öznel bir konudur. In the end of the day, music is subjective. 16:00 Hepimiz aynı şeyleri beğenmeyiz. We don't all like the same thing. 16:02 Yapay zeka kötü müziği icat etmedi. AI didn't invent lousy music. 16:04 İnsanlar asırlardır bunu yapmada çok başarılı, ama yine de insan müzisyenleri dinliyoruz, değil mi? Humans have been really good at making that for ages, but we still listen to human musicians, don't we? 16:10 O halde yapay zekaya da aynı hoşgörüyü gösterelim. So why not give AI the same grace? 16:12 Ona, henüz dinlemeden sadece "yapay zeka çöpü" diye reddetmek yerine, dürüst bir değerlendirme fırsatı verelim. Give that the opportunity to have an honest hearing rather than just simply dismiss it as AI slop before you even heard it. 16:22 Daha önce de söylediğim gibi, bakın, diş macunu tekrar tüpüne girmeyecek. As I said before, look, the toothpaste is not going back into the tube. 16:26 Bu teknoloji burada. This technology is here. 16:27 Onun önüne geçip müziği nasıl daha iyi hale getirebileceğimizi bulmaya çalışalım. We might as well get out in front of it and figure out how we can use it to make music better. 16:33 Çünkü müzik, sadece kulak zarınızdan seken ses dalgalarından ibaret değildir. Because music is more than just sound waves bouncing off your eardrums. 16:37 Asıl önemli olan, tüm sanat ve tüm müzikle ilgili sorduğumuz aynı sorulardır. What really matters are the same questions we have with all art and with all music. 16:43 Sizi nasıl hissettiriyor? The questions of how does it make you feel? 16:46 Sizi etkiliyor mu? Does it move you? 16:48 Yaşam deneyimlerinizle rezonans oluşturuyor mu? Does it resonate with your life experiences? 16:51 Hiç hayal etmediğiniz şekillerde ilham veriyor mu? Does it inspire you in ways that you never even imagined? 16:55 İyi müzik bunu yapar. Good music does that. 16:57 Müzik her zaman teknolojiyle birlikte dönüştü ve yapay zeka, bu araç setindeki bir sonraki enstrüman olarak öne çıkıyor. Music has always transformed with technology and AI is simply the next instrument in that toolkit. 17:03 Ancak her enstrümanda olduğu gibi, sihir onu çalan insandan geliyor. But like every instrument, the magic comes from the human playing it. Altyazı bilgisayarımda üretildi ve videoyla ilerler; bir satıra tıklayın, o ana atlasın. Subtitles generated on my computer; they follow the video — click a line to jump there.
Yapay zekâ ile insan yaratıcılığının sınırlarının bulanıklaştığı müzik üretiminde, dinleyicilerin kaynağı ayırt edememesi özgünlük algısını sorgulatıyor. In music production, where the boundaries between artificial intelligence and human creativity are blurring, listeners’ inability to distinguish the source is calling into question the perception of originality.
Bu video youtube.com üzerinde yayımlandı; buradaki oynatıcı YouTube’undur. Türkçe özet ve altyazı AiPulse için hazırlanmıştır. This video is published on youtube.com ; the player here is YouTube’s. The Turkish summary and subtitles are prepared for AiPulse .
YouTube’da izle Watch on YouTube AI Kritik → AI Critique →