在講利用科學演算法寫流行歌之前，先來談談所謂的流行音樂。流行音樂在人類發展的歷史之中佔有著很微妙的距離感，換個角度想其實各地方所傳唱的傳統民謠和交響音樂其實也在當時屬於流行音樂，從巴哈到 Michael Jackson 都曾經是流行音樂的巨星。當然，像是藍調、爵士、搖滾樂等都是有自己獨特的音調和律動感廣為流行之後再被歸納成一種樂風。不過話說回來，現代是 Big Data 時代，我們是否能夠整理分析以前的流行音樂進而創作出新的流行歌呢 ? 那我們先來分析流行音樂幾個成功要素。
先要設計你這首歌的 Hook
在音樂創作上有個很重要的作曲重點叫 Hook ，這個東西是用來勾起人的記憶或者是在聆聽者的腦袋中放下一個記憶的錨點，讓你下次聽到同樣一句時會想起來你曾經聽過，可能是一個樂器的旋律，可能是主唱的一句歌詞，甚至是一段鼓特別的過門都可當 Hook ，阿姆斯特丹大學特別還設計了一個實驗用來統計流行音樂在人們腦袋裡的記憶錨點是專注於在這首歌的哪個地方，有興趣者可以在下面的連接參與實驗。不過你在實驗之中可以發現，有時候你真的會聽到一首歌的一小個片段就可以想起那首歌，這就是那首歌的 Hook 點。
http://www.hookedonmusic.org.uk/#whats-the-hook-how-to-play
好唱好記是流行樂的最高指導原則
Lady Gaga 、江南 Style 、Michael Jackson、Beatles 等等創下各項紀錄的冠軍單曲共同點是甚麼? 就是好唱好記。流行音樂之所以流行就是他會有一段可以大合唱的橋段，通常特色就是旋律簡單，大家都可以跟著唱，大家隨便唱也還蠻好聽的。在這種情況之下這首歌會變為一種群眾記憶，至於歌手本身能不能被眾人記得則是要靠他的努力或製造話題了。但是在這個條件之下歌曲的創作會形成一種詬病: 要讓更多人傳唱歌曲就必須變得更為簡單，這也是為什麼所謂的流行歌曲的旋律線為什麼慢慢地變得越來越簡單甚至到一致化，在哥倫比亞大學的分析將近百萬首歌之後發現歌曲的複雜度越來越下降。這也是流行音樂發展的一種趨勢。而這也可以用來解釋為什麼有些歌迷喜歡懷舊，因為他可能習慣以前的歌曲所呈現出來的”豐富感” 。
流行音樂的愛好者 = 沒有自我品味、缺乏創意的主流大眾
先不要急著抨擊小編 (哭)，這是在 2008 年北蘇格蘭的 Heriot-Watt 大學所統計出來的研究，他們對 60 個國家 36000 名受訪者所做的統計，發現流行音樂的愛好者是比較沒有創造力和想像力的一群人，同時他們也比較容易接受主流媒體所大肆宣傳的音樂—– 流行音樂。反過頭來想想到了現在你會發現有時候被大眾所傳唱的歌曲是一些具有話題性或者是有特色舞蹈的歌曲 ( 像是江南 Style )，真的去想歌曲內容反而變得沒甚麼印象。也因此如果你想寫出一首流行歌只要用一個簡單好記的旋律搭配著話題或舞蹈應該有一定的市場影響力。
回到正題: 如何用科學的方法寫出一首流行歌呢?
分析聽眾習慣之後直接設計出含有大量 Hook 的曲目
流行音樂回到原點，就是要創造出一個容易記憶的曲目，因此當你想寫出一首流行歌曲時首先你要寫出簡單好記的旋律和容易跟唱的歌詞，編曲時加入幾個 Hook 在
你的歌曲之中。像是在以前廣播電台時代平均大家再轉台時聽到音樂七秒後就會決定轉台，到了電視時代大多是被畫面所吸引三到五秒後決定轉台，而目前人也只能強迫他觀賞最多 15 秒的網路廣告，因此你必須要將精華濃縮到這短短的時間之內，如果要讓你的歌在撥放時聽眾可以記憶住，你就要試著設計每五秒就設計不同的 Hook (或是一個梗 )的轉換讓聽眾能夠維持第一次聽到你的歌的新鮮感。這個以 Katy Perry – This Is How We Do 還有 Taylor Swift – Shake It Off 為例子
你可以發現他們的編曲和畫面 15 秒內一定會轉換風格或增加新的音色，就是為了讓人不感到厭倦。而新的音色加入也是為了增加他的 Hook 。
用超級電腦分析出所有流行歌的平均值
這個可不是科幻電影，這是 David Cope 在Sony 巴黎電腦實驗室在做的事情，他們利用超級電腦輸入了各種知名作曲家的歌從 Paul MaCartney 到巴哈，就是試圖分析出人腦所受歡迎的曲調的平均值，要找出全部的流行音樂究竟是哪一些部份容易引起注意，或者是分析出流行趨勢。同時這也是 Big Data 的運用之一，他可以讓作詞作曲者有研究資料可以分析出下一首白金單曲應該要使用哪種曲風或者是幫流行歌手分析出他接下來的路線，甚至還可以在分析後歌曲中加入幾個衝突點讓歌曲的辨識度提升。這讓作曲者可以更快的設計出新一代的流行單曲。有興趣者可以參考下面的 Sony FlowMachine 計畫網站。
http://www.flow-machines.com/can-machines-help-us-to-be-more-creative/
以人工智慧運算出合理的編曲甚至作曲
目前有在做編曲工作的音樂家應該很熟悉目前已經有許多關於編曲的資料庫和音色方便你的使用，Cope 嘗試著將他所分析的資料進而重新演算出新的音樂， Emily Powell 就是他的計畫之一，Emily Powell 是他所設定的 AI 作曲家之一， Cope 還試著寫出新的巴哈音樂。
而 Arne Eigenfeldt 作曲家兼電子聲學教授則是以 Cope 的資料為根基在 2012 年也推出 AI 作曲計畫 Eigenfeldt，目標就是開發人工智慧作曲和編曲並且運用機器人技術達到現場的效果。
以及倫敦大學的”達爾文調” 計畫，他們用 100 個八秒 Riff 放在網路上讓網友票選最喜愛的片段並且回傳自電腦程式中試著讓電腦運算出最受歡迎的曲調，研究團隊希望能夠讓音樂進化成眾人百分之百歡迎的曲調。
以上都是在進行中的人工智慧作曲編曲的研究，雖然都還是雛形，不過這也代表著流行音樂是種可被科學分析歸納並創作的歌曲。
電腦在進化…….. 那人類呢?
諷刺的是，電腦自動作曲的作品其實在大部分的聽眾感覺上面已經無法分辨出來了，那人類只贏在現場生動的表現力以及一些樂器上微妙的表現和技巧。這也算是給現在使用電腦編曲的人一個警惕，過度依賴電腦的人總有一天會你會失去作為音樂家的特色而面臨淘汰，人還是要試著學習感受樂器那微妙的演奏以及許多用聲音表現我們所感覺到的各種情緒與心境。當音樂工業也進入自動生產時那到底我們是在品味音樂還是純粹的接受音樂給我們的感官刺激? 這或許是值得思考一下的問題
文/ Hammer
圖片來源：Virgin，savingcountrymusic
資料來源: Virgin，huffingtonpost，mic，scientificamerican，psychcentral，Nature
影片來源: youtube
 |
