La maggior parte degli strumenti audio basati su IA è costruita attorno a un’unica promessa: dai loro un prompt e ottieni qualcosa di rifinito. Engram, un nuovo strumento della startup musicale Thoughtful Things, parte dal presupposto opposto. Tratta il fallimento dell’ IA non come un bug da correggere, ma come la materia prima di un nuovo genere di musica.
Il dispositivo è un campionatore e groovebox. Prende l’audio in arrivo, lo fa passare attraverso un modello di IA ospitato localmente e produce suoni distorti, glitch e deliberatamente strani. L’obiettivo non è approssimare ciò che produrrebbe uno studio professionale. L’obiettivo è trovare ciò che vive ai margini di ciò che un piccolo modello di IA può fare, e poi spingersi oltre quei margini.
Un modello minuscolo, addestrato con intenzione
Engram non si collega a internet. L’ IA in esecuzione al suo interno è compatta per design, addestrata internamente da Thoughtful Things su dataset audio concessi in licenza per uso commerciale, in particolare materiale con licenza CC-BY o simili licenze aperte. L’azienda ha dichiarato esplicitamente di non aver addestrato i suoi modelli su dati non commerciali, piratati o comunque senza licenza, e che non lo farà mai.
Vale la pena fermarsi un attimo su questo punto. La questione dei dati su cui vengono addestrati i modelli di IA è diventata una delle dispute legali ed etiche centrali nelle industrie creative. Impegnandosi pubblicamente a usare solo dati di addestramento concessi in licenza, Thoughtful Things sta prendendo una posizione che molte aziende di IA audio più grandi sono state riluttanti ad assumere con la stessa chiarezza. Se tale impegno regolerà la crescita dell’azienda è una questione separata, ma la dichiarazione in sé è notevole in uno spazio in cui la trasparenza è spesso scarseggiata.
Anche la scelta di eseguire il modello localmente, anziché tramite una connessione cloud, ha un significato. Rende Engram uno strumento indipendente, più simile a un sintetizzatore che a un abbonamento software. Tu possiedi il dispositivo e il suo comportamento. Non c’id dipendenza da server, nessuna policy di utilizzo che possa cambiare da un giorno all’altro.
Circuit bending per l’era dell’IA
Il fondatore Evan King descrive Engram come un “registratore di campo per lo spazio latente.” La frase merita di essere analizzata. Lo spazio latente, nell’apprendimento automatico, si riferisce alla rappresentazione matematica interna che un modello costruisce dei dati che ha appreso. Quando un modello genera un output, sta navigando in quello spazio. La premessa di Engram è che navigarlo male, o spingerlo in un territorio che non è stato progettato per gestire, produce qualcosa di interessante anziché qualcosa di rotto.
Nel video della campagna, King lo dimostra pronunciando la parola “piano” nel dispositivo. Ciò che ritorna non è il suono di un pianoforte. È qualcosa che ricorda vagamente un pianoforte, alterato dai glitch e trasformato, riconoscibile solo nella forma. Quella distanza tra input e output è lo strumento.
Il punto di riferimento qui è il circuit bending, una pratica emersa nella musica sperimentale decenni fa. I circuit bender modificano fisicamente dispositivi elettronici, giocattoli e strumenti ricablando i loro circuiti in modi che i produttori non avevano mai inteso, producendo di conseguenza suoni imprevedibili. Engram applica questa stessa logica all’ IA: il modello può essere modificato, spinto ed effettivamente rotto, e i risultati vengono trattati come materiale musicale anziché come errori.
Thoughtful Things prevede anche di aprire il firmware di Engram, consentendo agli utenti di modificarlo o di caricare i propri modelli personalizzati. Questo posiziona il dispositivo non solo come strumento ma come piattaforma, una piattaforma che potrebbe evolversi attraverso la sperimentazione della community in modi che l’azienda stessa non può prevedere del tutto.
Engram viene lanciato tramite Kickstarter a 675 dollari, descritto come uno sconto del 30 percento rispetto a un prezzo al dettaglio previsto tra gli 850 e i 900 dollari.
Cosa rivela questo sull’ IA e sugli strumenti creativi
Il significato più ampio di Engram non riguarda realmente la musica. Riguarda un cambiamento nel modo in cui gli strumenti di IA vengono concepiti per il lavoro creativo.
Il modello dominante negli strumenti creativi basati su IA è stato quello della levigatura: ridurre l’attrito, eliminare l’imperfezione, fornire un output che suona o sembra finito. Quel modello serve a un certo tipo di utente e a un certo tipo di obiettivo. Ma restringe anche lo spazio di ciò che è possibile. Quando ogni output è ottimizzato verso un bersaglio, la gamma degli output converge.
Engram punta in una direzione diversa. Tratta il modello di IA come un materiale con le sue proprietà, comprese le sue modalità di fallimento, e si chiede cosa succede quando un musicista umano lavora con quelle proprietà anziché contro di esse. Questa non è l’ IA che sostituisce la creatività umana. È un essere umano che usa l’ IA come uno scultore usa la pietra: lavorando con la venatura, scoprendo ciò che il materiale vuole fare e modellandolo in qualcosa di intenzionale.
Lo strumento solleva anche una domanda che diventerà più urgente man mano che gli strumenti di IA proliferano: chi controlla il modello e a quali condizioni? Il funzionamento locale di Engram, il firmware aperto e la policy trasparente sui dati di addestramento rappresentano una risposta. È una risposta che dà priorità all’autonomia dell’utente rispetto alla comodità della piattaforma.
In breve
Engram è uno strumento musicale che esegue un piccolo modello di IA ospitato localmente e utilizza i glitch e le distorsioni di quel modello come output creativo principale. Costruito da Thoughtful Things, si ispira alla tradizione del circuit bending per trattare il fallimento dell’ IA come una funzione anziché come un difetto. La sua policy sui dati di addestramento, il firmware aperto e il funzionamento offline lo distinguono dagli strumenti audio basati su IA dipendenti dal cloud. Il punto più profondo è questo: non tutti gli strumenti creativi basati su IA devono essere ottimizzati per la perfezione. Alcuni dei territori creativi più interessanti potrebbero trovarsi proprio dove il modello si rompe.
Basato su un articolo di The Verge.