Gängig sind mittlerweile Deep Dream Grafiken, die sich mit Deep Dream Generatoren erstellen lassen. In ihnen interpretieren KI-Computermodelle visuelle Formen in Bildern entsprechend eines Vorwissens neu, das sich aus einer größeren Menge visueller Trainingsdaten speist: In den Zügen eines menschlichen Gesichtes erkennt ein Modell, dessen Datenbank vor allem Tierbilder enthält, beispielsweise vorrangig Hundewelpen und Katzenbabys und errechnet daraufhin eine neue, bizarre Version des Originalbildes. Stiltransfers und Deep Dream Grafiken kann man mittlerweile sehr einfach selbst erstellen. Nach einer anfänglichen Faszination des ultimativen Neuen ist diese Form nun ein weithin bekannter Internetmanierismus geworden. Bilderkennung und Textgenerierung gehören zu den Anwendungen, für die KI-Software-Environments ursprünglich ausgelegt sind. Ein unterhaltsames Beispiel für das automatisierte Schreiben von Texten ist der Nonsens-Text »Harry Potter and the portrait of what looked like a large pile of ash« aus den Botnik Studios (2017). Sämtliche Zutaten des Harry Potter Universums tauchen in ihm auf, jedoch in wilder Verdrehung jeglicher Sinnzusammenhänge. Der Kurzfilm »Zone Out« von Regisseur Oscar Sharp und KI-Wissenschaftler Ross Goodwin basiert nicht nur auf einem, von einem Textgenerator geschriebenen Drehbuch, sondern greift als szenisches Ausgangsmaterial auf Public Domain-Filme zurück. Die Gesichter der Originalschauspieler*innen werden mittels Face-Swapping den Dialogen des Drehbuchs angepasst. Besonderes mediales Echo fanden in letzter Zeit auch die Berechnung fiktiver Gesichter oder die einen Höchstpreis erzielende Auktion des ersten KI-Gemäldes.
Künstliche Intelligenz und Audio
Wie aber sieht es mit der Generierung von musikalischen Strukturen und Klang aus? Das Prinzip des Errechnens von Midi-Noten auf Grundlage datenbasierten Trainings ist schon seit längerem bekannt. Sehr viel neuer hingegen ist das Training von Modellen auf Ebene der digitalen Signalverarbeitung, also im Bereich direkter Analyse und Generierung von Klang. Das Aufspüren von Mustern in zeitlich voneinander getrennten Samples ist komplizierter und kleinteiliger als die Analyse von Wahrscheinlichkeiten in der Anordnung von räumlich benachbarten Grafikpixeln. Die bestehenden Modelle sind bisher kaum für diesen Zweck optimiert. Dementsprechend frisch und spannend ist dieses Forschungsfeld. »Ariana Grande vs. SampleRNN« heißt ein im Februar 2019 auf Youtube erschienenes Video. Dort kann man nachvollziehen, wie KI-basierte SampleRNN Audio Generierung funktioniert: Zu hören ist ein Lernmodell im Training mit Gesangsarrangements der Popsängerin Ariana Grande. Nach mehreren Durchläufen ist eine neue Version dessen zu hören, was das Modell bisher verstanden hat. Graduell nähert es sich dem Ziel, das Ausgangsmaterial klanglich zu imitieren. Zu hundert Prozent erreicht wird dies allerdings nicht. Im Video sind die recht bizarren Zwischenstationen dieses Lernprozesses zu hören, die mit ihren lallenden und kurzatmigen Passagen einen gewissen Unterhaltungswert haben.
Auf der Webseite des KI-Musikprojekts Dadabots von CJ Carr und Zack Zukowski finden sich zahlreiche Versuche der Neuberechnung von Musik bekannter Musikstile. So ist »Deep the Beatles!« ein Wirrwarr von vage beatlesk anmutendem Geräuschklang – Ergebnis eines Resynthese-Versuchs. Aufmerksamkeit erregte vor einigen Monaten der von Dadabots erstellte Livestream »Relentless Doppelganger«, in welchem scheinbar ohne Unterbrechung neuer Death Metal der Band Archspire generiert wurde. Auffällig ist, dass vor allem die Resynthese situationistisch-intensiver Musikgenres wie Punk, Hardcore oder Metal überzeugend klingt. Aufgrund ihrer stiltypischen Merkmale wie Intensität, schnelle Wechsel und Unvorhersehbarkeit scheinen sich Momentformen für diese Art der Synthese besonders gut zu eignen. Die Reproduktion von größeren musikalischen Zusammenhängen erfordert hingegen exponentiell mehr Rechenleistung. Die Generierung von formal schlüssig klingenden Mahler-Symphonien dürfte also noch länger auf sich warten lassen – Death Metal, Serialismus, Impro-Jazz oder Lachenmann’sche Klänge stellen hingegen kein Problem dar. Eine provokante These, die man hieran knüpfen könnte, wäre, dass sich die Qualität von Musik am Rechenaufwand ihrer KI-Resynthese ablesen lässt. In einer Live-Situation funktioniert das Prinzip der momentanen Intensität und Imitation in Tomomi Adachis »tomomibot«. In dieser Klang-Performance, die er mit Andreas Dzialocha und Marcello Lussana entwickelt hat, reagiert ein KI-Modell dialogisch auf Dada-Klanggesten, die Tomomi Adachi live improvisiert. Es handelt sich dabei aber nicht um eine Live-Generierung von Klang auf Sample-Ebene, sondern um eine Live-Auswahl von zuvor aufgenommenen Klangschnipseln, die dem improvisierten Klang am ehesten entsprechen. In einem eigenen Versuch mit intelligentem Body-Target-Mapping experimentiert er mit von Deep Dream Modellen bekannten Stiltransfers. Auf die verschiedenen Variationen der Sarabande aus Händels Suite in d-Moll werden, von Mozart bis Nancarrow, Klänge von Stücken aus anderen Musikepochen gemappt.
KI-Komposition im Vergleich zum algorithmischen Komponieren
Um näher zu verstehen, was bei der SampleRNN-Synthese passiert, ist es hilfreich, KI-basierte Klangexperimente von der algorithmischen Komposition abzugrenzen. Zu Beginn einer algorithmischen Komposition legt der*die musiktheoretisch informierte Programmierer*in oder Komponist*in eine Reihe von Materialien und Regeln fest, anhand derer musikalische Abstraktionen generiert und transformiert werden sollen. Das kann beispielsweise ein einfaches Klangmotiv sein, eine Struktur von Akzenten oder eine Steuerungsanweisung für ein automatisiertes Sampling. Diese Grundelemente können sich wuchernd fortspinnen, von einer übergeordneten Struktur gelenkt werden oder, wie etwa beim Rewrite-Prinzip, im Laufe des Prozesses durch neue Informationen ersetzt werden. Am Ende steht eine Struktur mit formalem Verlauf, die anschließend häufig in einem Notationsprogramm oder einem Audioeditor von Hand fertig bearbeitet wird. Anders ist der Ausgangspunkt bei der Arbeit mit KI, die als neuronales Netzwerk auf einen Datensatz zurückgreift. Hier stehen zu Beginn keine musikrelevanten Regeln oder Strukturen – das Modell weiß nichts. Stattdessen liest die KI in gewichteten Schichten von Perzeptoren (Layers) diese Daten aus. In den iterativen Durchlesevorgängen (Epochen) werden die Gewichtungen immer weiter in Richtung der betrachteten Daten verschoben, bis es sie annähernd originalgetreu imitieren kann; das heißt, das Netzwerk bildet Strukturen aus, die dem Wissen, das es betrachtet, ähnlich werden. Das musiktheoretische Wissen einer menschlichen Intelligenz ist dabei immer noch wichtig, denn der Computer hat von sich aus, vor Beginn des Ausleseprozesses, keinerlei musikalische Ideen oder künstlerische Fantasie. Auf die Sichtung der Ergebnisse folgt ein vielfaches Nachjustieren der verschiedenen Parameter und Aktivierungsfunktionen. Es wird so lange nach dem Versuch und Irrtum Prinzip händisch geändert, bis das Ergebnis gewissen Grunderwartungen der Komponist*in entspricht. Der Workflow ist also messy und gute Ergebnisse sind eher die Ausnahme als die Regel. Keinesfalls darf man glauben, dass KI eine so genaue Vorstellung von einem spezifischen künstlerischen Grad hätte, also dem feinen Zusammenspiel von Klang, Timing, Stilistik etc., um direkt beim ersten Mal befriedigende Ergebnisse entstehen zu lassen; es sei denn, das Material, mit dem man hantiert, ist so banal, dass ein Scheitern kaum möglich ist. Gemeinsam ist algorithmischen und KI-Kompositions-Tools also immer noch der Werkzeugcharakter. Auch die Hingabe der Komponist*in an in ihrer Komplexität unvorhersehbare Abläufe ist Merkmal beider Arbeitsweisen. Die Überraschung (oder die Langeweile), mit der man auf die Ergebnisse reagiert, motiviert das Anbringen kleiner Systemänderungen, um es der eigenen, aktualisierten Klangvorstellung schrittweise anzunähern. Auch das Auswählen von besonders interessanten Ergebnissen (Cherry-Picking), die man dann zum Werk zusammenführt und attraktiv herrichtet, ist beiden Arbeitsweisen gemeinsam.
Quick and cheap backing tracks
Im Bereich kommerzieller Musikproduktionen werden immer wieder KI-basierte Innovationen diskutiert, die versprechen, praktischer, schneller und billiger eine Melodie zu komponieren, Begleitharmonien hinzuzurechnen oder Gesangslinien mit Beats zu unterlegen. Wahrscheinlich ist es demnächst auch wirklich so, dass man in sein Handy singt und mithilfe einer App sofort so klingen kann wie ein Song von Billie Eilish oder Kanye West. Mitunter mischt sich in die Werbebotschaften für diese Apps der hyperkapitalistisch-messianische Duktus des Silicon Valley Sprechs. So wird auf einem Techblog geschwärmt: »The future could be about not just music composed by an A.I., but music being composed just for you – based on data about your musical preferences, your physical habits, even the beat of your heart.« [1] »I actually think 10 years from now, you won’t be listening to music« postulierte der Venture-Kapitalist Vinod Khosla während eines öffentlichen Chats der Super Session der Creative Destruction Labs. Stattdessen, so glaubt er, werden wir kundengerechte Songs hören, die für jedes Individuum automatisch designed werden, maßangefertigt für das Gehirn, die Hörvorlieben und spezifischen Bedürfnisse. Solche Szenarien klingen unheimlich, weniger wegen ihrer Schöne-Neue-Welt Aura, sondern wegen der Vorstellung Progammierer*innen solcher Software und die dazugehörigen Start-Up-Investor*innen könnten tatsächlich glauben anhand von Gehirnstromdaten, Marktforschungsergebnisse und Benutzervorlieben das ganze Spektrum individual-menschlicher Bedürfnisse abdecken zu können. Ein ernsthaftes Problem könnte auch sein, dass diejenigen, die sich im Besitz der besten Möglichkeiten für eine musikalische KI-Revolution befinden, besonders wenig Ahnung von (um den Begriff einfach mal zu benutzen) guter Musik haben. Ein eindrucksvolles Beispiel für dieses Defizit ist Google AI gets Artsy, composes a Song. Klanglich deutlich opulenter werden in Ted Talks Softwares wie AIVA vorgestellt, die eine einfache melodische Idee in hollywoodtaugliche Orchestraltracks umwandeln. Von unsauberen Arbeitsabläufen oder Trial-and-Error-Verfahren wird dort aber tunlichst nicht gesprochen, sondern vielmehr mit sanftem Schauer der perfekte Genius der KI hervorgehoben, der all das entworfen und errechnet hat. Ein Beispiel welches deutlich macht, dass Vorstellungen vom komponierenden KI-Genius mindestens verfrüht sind, ist der, als solcher beworbene »erste AI Popsong« Daddys car von 2016. An diesem Song sind nur die Melodie und Harmonik von einem Computer kompiliert und nicht, wie es in den meisten Meldungen hieß, gänzlich alles. Das Arrangement und der Text stammen aus der Feder des Komponisten Benoit Carré. Der Song wurde anschließend konventionell in einem Studio eingesungen und produziert. In Projekten wie diesen fungiert das Schlagwort KI als Clickbait. Wer wirklich wissen möchte wie der Stand der Neuberechnungen von musikalischen Legenden ist, höre sich die zuvor genannten Beispiele der Dadabots an. Eine weitere Variante »zukunftsweisender« Musik-KIs sind Modelle, in denen zwar ein Computer Entscheidungen trifft, dabei aber aus einer limitierten Anzahl von im Vorhinein kompatibler Versatzstücke zurückgreift, so dass nie etwas schief gehen kann – vergleichbar mit einem Kind, das nur auf schwarzen Klaviertasten spielt. Künstliche Intelligenz mit schwachem IQ sozusagen.
Artifiziell artifizielle Kompositionen
Sehr häufig ist Künstliche Intelligenz nicht halb so autonom wie sie zum Verkauf angepriesen wird. Das Label KI ist eine sprachliche Attribution, die eine promotionförderliche Aura von Hype evoziert. Es ist das Eintrittsticket für Dilettant*innen, Goldgräber*innen, Start-Up-Blender*innen und Künstler*innen in den Zirkus der Aufmerksamkeitsökonomie. Aber auch in der Neuen Musik hat die Faszination für die Intelligenz von Computern Spuren hinterlassen und das schon vor vielen Jahrzehnten. Die Illiac Suite (1957) von Lejaren Hiller war über lange Zeit hinweg ein wichtiges und häufig aufgeführtes Werk im Kontext von computergestützter Komposition. Würde man sich diese Abfolge von Streichquartett-Sätzen ohne das Wissen ihrer technologischen Genese anhören, könnte man leicht zum Urteil kommen es mit den ungelenk-modernistischen Übungen eines Kompositionsamateurs zu tun zu haben. Doch das Stück zehrt von seinem Ruhm eine der allerersten Computer-generierten Kompositionen zu sein. Auch in der Kunstmusik gibt es Experimente, bei denen man zweifeln kann, ob es sich wirklich um Ergebnisse handelt, die von Anfang bis Ende vom Computer berechnet sind oder vielmehr um eine gezielte, menschliche Auswahl einiger weniger, geglückter Ergebnisse (Cherry-Picking), die noch dazu von Hand poliert, geschönt und vervollständigt sind.
Large Chunks
David Cope, einem der Pioniere computergestützter, musikalischer Kreativität, wurde lange Zeit mit Skepsis entgegengetreten. Klassikliebhaber*innen waren computergenerierte Stilkopien per se suspekt, Musiktheoretiker*innen monierten satztechnische Uneleganz und formale Schwächen. Trotz allem kann niemand in Abrede stellen, dass seine Stilkopien im ersten Moment tatsächlich wie Bach, Mozart etc. klingen. Präziser ist die Kritik an der Arbeit Copes, wenn man den Fokus auf die konkrete, computergestützte Generierung der Musik legt: Große musikalische Versatzstücke bestehender Werke werden nach dem Prinzip des Musikalischen Würfelspiels Kirnbergers (1721– 1783) zusammengefügt. In Kirnbergers Würfelspiel werden, nicht ohne süffisanten Unterton, musikalische Standardfloskeln, gemäß eines harmonischen Gerüst, aneinander gereiht. Ein eher banales, aber einigermaßen schlüssig klingendes Ergebnis kommt dabei immer heraus.
Eine gewisse Leidenschaft von Cope-Skeptikern lässt sich in den Kommentarspalten unter seinen Werken auf YouTube beobachten: Einzelne Nutzer*innen führen dort in längeren Listen auf, welche Takte, Taktgruppen und ganze Satzteile aus bestehenden Werken von Bach, Mozart oder Rachmaninoff entnommen sind. Zudem befinden sich diese meist nicht am Anfang der Stücke, sondern in den weiter hinten liegenden Teilen der Kompositionen. Letztendlich ist es also die Leistung des Computers, diese Passagen per Zufall auszuwählen und ihre Anschlussfähigkeit zu überprüfen. Zwar hat in dem Fall ein Computer die Entscheidungen getroffen, ebenso gut aber ließe sich diese Methode an einem Nachmittag mit Schere, Klebstoff und einem veritablen Würfel realisieren. Dass David Cope seine Datenbanken 2003 vernichtete und seine Methode so der genaueren Nachvollziehbarkeit entzogen hat, dürfte die Zweifel seiner Skeptiker*innen nicht eben zerstreut haben.
Es muss aber nicht darum gehen, KI-Kunst der Scharlatanerie zu überführen. Nirgendwo steht schließlich, dass Künstler*innen nicht lügen dürften. Man kann das schillernd-kontingente Feld potentiell artifiziell-artifizieller Komposition auch als reflexives Dispositiv verstehen. In ihm manifestieren sich Fragen darüber, was wir als künstlerisch genuin und wertvoll empfinden. Unter der Bedingung welchen Vorwissens sind wir bereit, einem Musikstück einen Wert zuzusprechen und uns ihm hingeben?
Das eingangs genannte Beispiel eines endlosen Streams neugenerierter Death-Metal-Musik spielt übrigens auch mit der Illusion einer technologischen Realität, die so aber derzeit, selbst mit größeren Rechnern, noch nicht in real-time realisierbar ist. Tatsächlich handelt es sich dabei um einen mehrstündigen Loop, dessen Wiederholung innerhalb des impulsiv, spontanen Klangmaterials nicht auffällt. Die Vorstellung einer unendlich sich neu generierenden Musik ist faszinierend und wahrscheinlich in wenigen Jahren möglich. Derzeit ist es aber noch eine Black Mirror Utopie, deren Existenz CJ Carr und Zack Zukowski hier suggerieren.
Fauxtomation und Hysterie
Im korrelationalen Verhältnis zur Faszination für alles Computerberechnete und KI-Erdachte stehen die Ängste, die das Feld von Automatisierung, Robotisierung und technologischem Fortschritt generell begleiten. Im Februar 2018 machte die Meldung Schlagzeilen, dass der von Elon Musks Firma OpenAI entwickelte Textgenerator GPT-2 zu gefährlich sei, um vollständig veröffentlicht zu werden. François Chollet, der Entwickler der KI-Software Keras kritisierte dies als Anheizen sensationalistischer Panikmache bei gleichzeitiger Verschleierung der eigenen Methoden (Nichtveröffentlichung).
Das Lancieren von Ängsten und die Überzeichnung der technologischen Potentiale machen sich große Unternehmen darüber hinaus gezielt mit einem Mechanismus zunutze, den die kanadische Aktivistin Astra Taylor »Fauxtomation« nennt. Mit Drohungen wie: »Sollte der Mindestlohn wirklich auf 15 Dollar angehoben werden, müssen wir alle Serviceleistungen automatisieren« werden politische Entscheidungen gelenkt und forciert. Fauxtomation beschreibt den Dissens zwischen dem Mythos einer technisierten Zukunft, in der menschliche Arbeit redundant geworden ist, und der Realität, in der mehr Arbeit als jemals zuvor von Menschen geleistet wird. Ein Beispiel dafür sind die Selbstzahler-Terminals bei McDonalds, die scheinbar die Arbeit einer Servicekraft ersetzen, in Wirklichkeit aber die Kund*innen zur unbezahlten Mitarbeiter*in machen. Taylor verwendet dafür auch den Begriff »artifizielle-artifizielle« Intelligenz, was den Umstand beschreibt, wenn sich hinter der KI in Wirklichkeit menschliche Handarbeit versteckt. [2]
Blackbox CurAItor
CurAltor nennt sich die Musikkritik-Software des britischen Komponisten Nick Collins, mit der für die Donaueschinger Musiktage 2019 Stücke für ein Klavierkonzert ausgewählt wurden. KI kuratorische Entscheidungen anzuvertrauen, klingt provokant. In den Diskussionen zu diesem Vorhaben fiel oft die Frage, nach welchen Kriterien die Musik ausgewählt wird. Eine KI hat ja keine subjektiven Kriterien. Alle Einstellungen und Parameter sowie die Trainingsdaten sind zuvor von einem Menschen festgelegt worden – was nicht heißt, dass das Resultat dieser KI-Kuratierung von vorne herein klar ist, aber es zeigt, wie die KI als Black Box Entscheidungen verschleiern könnte, die in Wirklichkeit subjektiv-menschlich sind. Computer-Kurator*innen werden die gleichen Eigenschaften wie Menschen zugesprochen und damit Machthierarchien gefestigt, anstatt die Chance zu ergreifen, mit den neuen Mitteln auch eine neue Praxis zu begründen. Progressiver wäre es in dem Fall zu sagen: Im Gegensatz zu einem menschlichen Individuum braucht mein Computer-Kurator keine Autonomie und Privatsphäre, wir praktizieren Transparenz, indem die Kriterien, nach denen entschieden wird, offengelegt werden.
Digitaler Aktivismus
Für diese Problematik der scheinbar zu komplizierten und deshalb demokratischen Prozessen entzogenen Technologien, nicht nur im Bereich der KI, sondern in digitalen Belangen generell, setzt sich die politische Bewegung Diem25 ein. Ihr »Grünbuch Technologische Souveränität« umreißt die Prinzipien der Demokratisierung von Technologie und Innovation.
»Make neural nets uncool again« ist der Slogan der Webseite fast.ai. Die selbsterklärte Mission der Betreiber ist es den »coolen« Exklusivstatus von KI und Deep Learning zu unterlaufen und Code und Ressourcen für jedermann anzubieten. Auch die Frage nach der Arbeit mit KI bei begrenzten Computer-Ressourcen gehört zur Agenda von fast.ai. Denn Monopolstellungen in diesem Bereich werden auch dadurch begünstigt, indem bei der Berechnung großer Datenmengen sowohl Privatpersonen als auch Universitäten schnell an ihre Grenzen stoßen, wohingegen Unternehmen wie Google, Amazon oder Facebook über gigantische Rechnerpools verfügen, um die sehr aufwändigen Modelle mit Millionen von Parametern laufen zu lassen.
In diesem Zusammenhang stellt sich auch die Frage nach der ökologischen Bilanz von KI-Berechnungen. Eine Studie des MIT kommt zu dem Ergebnis, dass die Berechnungen für Transformer, ein Spracherkennungsmodell, den CO2-Fußabdruck äquivalent zum Spritverbrauch von fünf US-PKWs, bezogen auf ihre gesamte Lebensdauer haben. Im Vergleich zum menschlichen Gehirn ist KI zwar effektiv, aber ineffizient. Softwares für selbstfahrende Fahrzeuge müssen, im Modell, bis zu 50.000 mal gegen einen Baum fahren, bis sie verstehen, dass das keine gute Idee ist.
Kritik der Werkzeuge in der Neuen Musik
Es gibt also in der Diskussion im Zusammenhang mit KI eine Vielzahl von Gründen eine kritische Haltung einzunehmen, von ideologischen, politischen bis hin zu ökologischen. Das passt gut zur Tradition der Neuen Musik, für die das Hinterfragen des Verhältnisses von Werkzeugen und deren kulturhistorischen, gebrauchspraktischen Inskribierungen, zum Selbstverständnis gehört. Es ist ein Fragen im Sinne von Hegels Verständnis des Begriffs, der verstanden wird als die Wirklichkeit, die sich in einer Sache manifestiert. Ein Cello versteht man unter diesen Vorzeichen nicht einfach als neutralen Klangerzeuger, sondern sieht die zugehörige verfestigte Arbeit und Geschichte, mit allen Facetten von der puren, hölzernen Materialität, über die Instrumentenbauer*in, zur unterbezahlten Orchestermusiker*in, zum pathetischen Vibrato von »Le cygne«.
Und dieses Bewusstsein hilft auch beim Umgang mit elektronischen und digitalen Technologien. Deswegen legte man beispielsweise zu der Zeit, als ich mit dem Studium elektronischer Musik begann, besonderen Wert auf das Erlernen von Audioprogrammiersprachen wie C-Sound – und nicht so sehr auf kommerziellere Programme wie Cubase, in denen bestimmte Arbeitsweisen und Klangbilder von vorneherein nahegelegt wurden. Der heraufdämmernden Epoche von neuen Technologien, denen Zwecke und Ideologien auf noch viel komplexere Weise einschreibbar sind, sollte man mit diesem kritischen Bewusstsein für die Werkzeuge und ihren Gebrauch entgegentreten.
KI-Musik in der näheren Zukunft
In näherer Zukunft kann man im Feld der KI-Musik mit zahlreichen Phänomenen rechnen. Alle Bereiche, in denen der Gebrauchswert von Musik vor dem ästhetischen Wert der Kunstmusik oder dem identifikatorischen Aspekt von Popmusik steht, werden mit billig produzierten KI-Klängen geflutet: Die Klangbänder im Hintergrund von Imagefilmen, Partituren für Hollywood-Schnulzen, Supermarktbeschallungen, hyperkommerzielle Housemusik für Techno-Festivals, Musik in Lounges und Aufzügen. Etwas weniger öde kann es zeitweise im Bereich experimenteller Musik aussehen. Als Selfmade-Act mit intelligenten Arpeggiatoren kann jeder mit ein paar Handgriffen wie Carry D, Snoop Dogg oder Helmut Lachenmann klingen, aber das wird nach anfänglichem Unterhaltungswert niemanden sonderlich interessieren, denn natürlich ist Musik mehr als ihr reines Klangbild: Sie ist ein Interaktionsraum aus Klang, Reflexion, körperlicher Performance, emotionaler Ambivalenz, Statement, Lebenserfahrung – Dinge, die man in ihrem Zusammenwirken unter dem Begriff »Weltwissen« subsumieren kann. In der Abwesenheit dieses Weltwissens liegt die Limitierung der hochspezialisierten KI-Systeme: Sie sind für ganz partikulare Zwecke trainiert, haben aber kein Wissen davon, was die Welt ist. Alles, was bereits existiert und sich in ein Datenformat überführen lässt, wird die KI nachempfinden und replizieren können. Doch sie wird, wenn wir über ästhetisch wirklich bedeutsame Kunst sprechen, in diesem Nachschaffen lange Zeit immer nur an zweiter Stelle stehen. Sicher wird die originelle Rekombination konträrer Trainingsdaten für überraschende, unterhaltsame, bizarre oder auch schöne Momente sorgen. Aber um kreativ etwas ganz neu zu schaffen, müsste die KI selbst über ein realistisches Modell der Welt verfügen, das dann auch noch, um dem Menschen überlegen zu sein, schneller als unsere Welt laufen müsste. Vielleicht wird die Menschheit irgendwann ein solches extrem energieaufwändiges und komplexes KI-Modell funktionsfähig machen – vielleicht aber wird sie sich auch, an dem Tag, an dem es möglich wäre, lieber mit ganz anderen Fragen beschäftigen, beispielsweise solchen des nackten Überlebens.
