麻省理工Anna Huang招博士/博后-AIGC/RL等

2024年秋季，我开始在麻省理工学院(MIT)担任教职，同时兼任电子工程与计算机科学(EECS) 和音乐与戏剧艺术(MTA) 两个专业的教职。过去八年，我先后在 Google Brain 的Magenta和Google DeepMind担任研究员，致力于开发生成模型和界面，以支持人机合作进行音乐创作。

我是机器学习模型 Coconet 的创造者，该模型为谷歌首个 AI 涂鸦作品——巴赫涂鸦——提供了动力。在两天内，Coconet为来自全球用户的5500 万首旋律进行了和声合成。2018 年，我创建了Music Transformer，这是生成具有长期结构的音乐的一项突破，也是 Transformer 架构首次成功应用于音乐领域。我们的 ICLR 论文目前是音乐生成领域 被引用次数最多的论文。

我曾担任蒙特利尔大学（Mila）的加拿大CIFAR人工智能主席，并继续担任蒙特利尔大学的兼职教授。我曾担任2020-22年度人工智能歌曲大赛的评委和组织者。我在哈佛大学获得博士学位，在麻省理工学院媒体实验室获得硕士学位，并在南加州大学获得音乐作曲和计算机科学双学士学位。

🎵 我们在麻省理工学院音乐技术学院、人文、艺术和社会科学学院 (SHASS) 以及计算学院 开放 2025 年秋季的多个博士后职位。

🎵 博士申请，请通过麻省理工学院电子工程与计算机科学系 (MIT EECS ) 申请（截止日期：12 月 1 日）。更多详情，请参阅下方  招聘部分。

招聘

麻省理工学院音乐技术系有多个博士后职位将于2025年秋季开放。我尤其感兴趣的是多智能体强化学习、人机通信、可解释性和可视化，以及设计能够让音乐家与生成智能体一起演奏的交互式系统。

攻读博士学位，请通过麻省理工学院电子工程与计算机科学系 (MIT EECS ) 申请

https://www.eecs.mit.edu/academics/graduate-programs/admission-process/

（截止日期：12 月 1 日）。申请表中“感兴趣的研究领域”部分，如果下拉菜单中尚未包含音乐技术，您可以选择任何您最感兴趣的领域，例如（但不限于）机器学习通用兴趣、自然语言和语音处理、强化学习、深度学习、人机交互或认知人工智能等。如果需要更多信息，我们会与您联系。麻省理工学院可能会在二月份给您回复。祝您好运！

研究兴趣

我热衷于采用交互驱动的方法来设计生成式人工智能，以探索与音乐（以及人工智能）互动的新方式，从而拓展我们理解、学习和创作音乐的方式。我致力于与音乐家合作，根据他们独特的创作实践和传统进行设计，这必然会引发关于生成式建模和人机协作的新思维。

我提议将神经网络 (NN) 作为观察音乐的镜头，并作为我们自身对音乐理解的镜子。我对神经网络的音乐理论和音乐认知感兴趣，并 致力于理解、规范化和校准神经网络的音乐行为。我的目标是实现可解释性和可解读性，以便音乐家与人工智能系统互动。我设想与音乐家合作，设计交互式系统和可视化效果，使他们能够理解、调试、操控和调整生成式人工智能的行为。

我还对通过社会强化学习(RL) 和多智能体 RL 的 视角重新思考生成式人工智能感兴趣，希望通过互动而不是模仿来激发创造力 。这个框架让我们思考游戏设计和奖励模型如何影响智能体和用户的互动。我设想了一个即兴演奏空间，音乐家和智能体可以一起即兴演奏，研究人员可以交换他们自己的生成智能体和奖励模型，类似于OpenAI 的健身房。评估不仅针对最终的音乐，还针对互动，即智能体如何很好地支持其他玩家。我还对高效的机器学习感兴趣，希望构建可以实时运行的乐器和智能体，实现人机集体即兴创作。