面向可持续艺术实践的AI可解释性路径

AI驱动的生成音频发展日益成熟，但往往以牺牲可解释性为代价，以换取即时可访问性。因此，将此类工具融入可持续的艺术实践仍面临重大挑战。本文通过探索我们在训练与实现生成音频模型方面的研究-创作实践，旨在改进可解释性。作为提升可解释性的实用措施，我们强调对训练材料的人类主导，小规模数据集的可行性，迭代创作过程的促进，以及将交互式机器学习作为映射工具的集成。重要的是，这些步骤旨在增强人类对生成AI系统的控制，既包括模型推理阶段，也包括训练数据的精选与预处理阶段，以及模型训练阶段。