संगीत बनाना: जब सरल समाधान गहरी शिक्षा को बेहतर बनाते हैं

मैं आपके लिए लेख "हम संगीत का निर्माण करते हैं: जब सरल समाधान प्रभावशीलता में गहरी शिक्षा को बेहतर बनाते हैं" तो आप कृत्रिम संगीत का उपयोग संगीत बनाने के लिए कैसे करते हैं, इसका अनुवाद प्रस्तुत करता हूं। लेखक संगीत उत्पन्न करने के लिए तंत्रिका नेटवर्क का उपयोग नहीं करता है, लेकिन संगीत के सिद्धांत के ज्ञान के आधार पर संगीत और सद्भाव के आधार पर कार्य के लिए दृष्टिकोण करता है। लेख की एक अन्य विशेषता आत्म-समानता वाले मैट्रिक्स पर आधारित संगीत कार्यों की तुलना करने की विधि है। यह दृष्टिकोण, निश्चित रूप से, संपूर्ण नहीं है, लेकिन यह मशीन सीखने के तरीकों का उपयोग करके उच्च-गुणवत्ता वाले संगीत उत्पन्न करने के लिए एक मध्यवर्ती कदम के रूप में उपयोगी है।


रचनात्मकता में कृत्रिम बुद्धिमत्ता का उपयोग आज मनोरंजन और व्यावसायिक उद्देश्यों के लिए तेजी से सामान्य हो गया है, और जनता को विस्मित करना बंद कर दिया है। एक ओर, ये एक चित्र की शैली को बदलने के लिए उपकरण हैं जैसे कि Prizma। दूसरी ओर, एक तंत्रिका नेटवर्क, जिसके उत्पाद को क्रिस्टी की नीलामी में एक तस्वीर के रूप में 432.5 हजार डॉलर में बेचा गया था। हम मशीन सीखने के माध्यम से संगीत की पीढ़ी में अपने घरेलू विशेषज्ञ को याद नहीं कर सकते हैं, इवान यामशिकोव, जिन्होंने कई साल पहले न्यूरल डिफेंस प्रोजेक्ट पेश किया था (अधिक विवरण यहां पाया जा सकता है , और यह इवान के साथ हैबे पर एक साक्षात्कार है )। संगीत उत्पन्न करने के लिए तंत्रिका नेटवर्क का उपयोग करने का एक और अच्छा उदाहरण लेख "डू एंड्रॉइड ड्रीम ऑफ इलेक्ट्रिक पंक?" है। कैसे मैंने तंत्रिका नेटवर्क को संगीत लिखना सिखाया " आर्टेज़ियो द्वारा" ।

मशीन लर्निंग के सिद्धांत को समझने के अलावा, रचनात्मक समस्याओं को हल करने के लिए कृत्रिम बुद्धिमत्ता के उपयोग को भी कला के क्षेत्र में विशेषज्ञता की आवश्यकता होती है। यह परियोजना को दो क्षेत्रों के जंक्शन पर विशेष रूप से बहुमुखी और दिलचस्प बनाता है, लेकिन दो पक्षों से आलोचना करने के लिए भी कमजोर है, क्योंकि परियोजना को कला आलोचकों और डेटा वैज्ञानिकों की टिप्पणियों के क्रॉसफ़ायर में पकड़ा जा सकता है।

संगीत में कृत्रिम बुद्धि का उपयोग करने के विषय के रूप में अपने क्षितिज का विस्तार करते हुए, मैं एक लेख "हम संगीत का निर्माण करते हैं: जब सरल समाधान दक्षता में गहरी शिक्षा को बेहतर बनाते हैं" , जिसका एक अनुवाद मैं हैबर समुदाय से परिचित कराना चाहूंगा। मेरे लिए इस लेख के फायदों में से एक यह था कि लेखक तंत्रिका नेटवर्क का उपयोग ब्लैक बॉक्स के रूप में नहीं करता है, लेकिन संगीत सिद्धांत के ज्ञान के आधार पर संगीत पैदा करने के कार्य के लिए दृष्टिकोण पर आधारित है। इस लेख में, न तो आवर्तक तंत्रिका नेटवर्क (RNN, LSTM) और न ही जेनरेटर प्रतिकूल नेटवर्क (GANs) का उपयोग किया जाता है - ये सभी विधियाँ अद्भुत परिणाम देती हैं (उदाहरण के लिए, लेख में "Do Androids Dream of Electric Pank? मैंने संगीत को लिखने के लिए तंत्रिका नेटवर्क कैसे सिखाया"? ), और हम क्लीवरडेटा में हमारी समस्याओं को हल करने में सक्रिय रूप से उनका उपयोग करते हैं। लेखक ने मार्कोव श्रृंखलाओं पर आधारित मॉडलों पर जोर दिया जो कि एक संगीत कार्य की वर्तमान स्थिति से अगले तक संक्रमण की संभावनाओं के साथ काम करना संभव बनाते हैं। लेखक द्वारा उपयोग की जाने वाली विधियों का एक अतिरिक्त फायदा है: लेखक को एक फैशनेबल और लोकप्रिय एल्गोरिथ्म का उपयोग करने के लिए परिणाम की व्याख्या करने की आवश्यकता नहीं थी।

लेख का एक अन्य गुण जिसने मेरा ध्यान खींचा, वह था स्व-समानता के आधार पर संगीतमय कार्यों की तुलना करने की एक दिलचस्प विधि। यदि गीत की संरचना को आत्म-समानता के मैट्रिक्स के रूप में दर्शाया जा सकता है, तो गीतों की तुलना करने का एक और मात्रात्मक उपाय दिखाई देता है।

* * *

सारांश : मैं एक समस्या के बारे में कैसे आया, संगीत बनाने के लिए गहन सीखने का उपयोग करके, और मैंने अपने स्वयं के समाधान के साथ कैसे इसे हल किया।

योजना

चुनौती : पॉप संगीत बनाने के लिए गहन शिक्षण तकनीकों का उपयोग करते समय मैं कैसे समस्याओं में भाग गया।
समाधान : मैंने अपनी खुद की संगीत बनाने की मशीन कैसे बनाई जो गहरी सीखने के साथ प्रतिस्पर्धा कर सकती है, लेकिन सरल समाधानों पर आधारित है।
मूल्यांकन : मैंने एक मूल्यांकन मीट्रिक कैसे बनाया जो गणितीय रूप से यह साबित कर सके कि मेरा संगीत "पॉप की तरह अधिक" है जो गहरी शिक्षा के माध्यम से बनाया गया है।
सामान्यीकरण : मुझे संगीत बनाने से संबंधित समस्याओं के समाधान के लिए अपने तरीके को लागू करने का तरीका नहीं मिला।

केक पर चेरी

मैंने एक साधारण संभाव्य मॉडल बनाया जो पॉप संगीत उत्पन्न करता है। इसके अलावा, ऑब्जेक्टिव मेट्रिक्स का उपयोग करते हुए, मैं आत्मविश्वास से कह सकता हूं कि मेरे मॉडल द्वारा बनाया गया संगीत पॉप संगीत की तुलना में अधिक है, जो कि गहरी शिक्षण तकनीकों का उपयोग करके बनाया गया है। मैंने यह कैसे किया? भाग में, मैंने यह ध्यान केंद्रित करके हासिल किया कि मेरे लिए पॉप संगीत का सार क्या है: सद्भाव और माधुर्य के बीच सांख्यिकीय संबंध पर।

एक राग एक मुखर, एक मकसद है। सद्भाव chords है, chords का एक क्रम। पियानो पर, माधुर्य को दाहिने हाथ से बजाया जाता है, और बायीं ओर तालमेल बजाया जाता है।

कार्य

उनके रिश्ते में देरी करने से पहले, मैं सबसे पहले समस्या की रूपरेखा तैयार करता हूँ। गहरी शिक्षा - एआई के माध्यम से संगीत बनाने की कोशिश करने की मेरी इच्छा के साथ यह परियोजना शुरू हुई, जैसे कि लोग इसे कहते हैं। काफी जल्दी मैं एलएसटीएम (लंबी अवधि की मेमोरी) के लिए आया था, आवर्तक तंत्रिका नेटवर्क (आरएनएन) के संस्करणों में से एक, जो ग्रंथों को उत्पन्न करने और संगीत बनाने के लिए बहुत लोकप्रिय है।

लेकिन जितना अधिक मैंने इस विषय को पढ़ा, उतना ही मुझे आरएनएन के उपयोग के तर्क और पॉप संगीत बनाने के लिए उनकी विविधताओं पर संदेह होने लगा। यह तर्क (पॉप) संगीत की आंतरिक संरचना के बारे में कई धारणाओं पर आधारित लग रहा था, जिसके साथ मैं पूरी तरह सहमत नहीं हो सकता था।

एक विशिष्ट धारणा सद्भाव और माधुर्य (दोनों की परिभाषा के लिए, ऊपर देखें) के बीच एक स्वतंत्र संबंध है।

उदाहरण के लिए, 2017 यूनिवर्सिटी ऑफ़ टोरंटो प्रकाशन सॉन्ग फ्रॉम पाई: पॉप म्यूजिक जनरेशन के लिए एक म्यूज़िकली प्लेसेबल नेटवर्क (हानू एट अल।) पर विचार करें। इस लेख में, लेखक स्पष्ट रूप से "सुझाव देते हैं ... राग माधुर्य पर निर्भर नहीं होते हैं" (इटैलिक मेरा)। इस धारणा के आधार पर, लेखकों ने एक जटिल बहुपरत आरएनएन मॉडल का निर्माण किया। माधुर्य के लिए एक अलग परत का चयन किया जाता है, जहां नोट्स बनाए जाते हैं (कुंजी परत, प्रेस परत), कॉर्ड परत से स्वतंत्र (कॉर्ड लेयर)। स्वतंत्रता के अलावा, यह विशेष मॉडल मानता है कि सद्भाव माधुर्य पर आधारित है। दूसरे शब्दों में, नोट्स बनाते समय सद्भाव माधुर्य पर निर्भर करता है।

आरएनएन मॉडल हान चु द्वारा प्रस्तावित। प्रत्येक परत संगीत के एक अलग पहलू के लिए जिम्मेदार है।

मॉडलिंग का यह तरीका मुझे बहुत अजीब लगता है, क्योंकि यह लोगों के पॉप संगीत लिखने के तरीके से पूरी तरह से अलग है। एक शास्त्रीय स्कूल के एक पियानोवादक के रूप में, मैंने पहले सद्भाव का संकेत दिए बिना एक राग की रचना करने पर विचार नहीं किया। सद्भाव परिभाषित करता है और एक माधुर्य काटता है। अपने एक बार वायरल वीडियो में एक्सिस ऑफ़ भयानक ने लंबे समय से इस विचार की सत्यता का प्रदर्शन किया है।


यह वीडियो पश्चिमी पॉप संगीत की मुख्य विशेषता को प्रदर्शित करता है: यह सामंजस्य, ये चार तार दृढ़ता से प्रभावित करते हैं कि माधुर्य अंत में क्या होगा। डेटा साइंस की भाषा में, सशर्त संभाव्यता सामंजस्य और माधुर्य के बीच सांख्यिकीय संबंध को नियंत्रित करती है और निर्धारित करती है। ऐसा इसलिए होता है क्योंकि मेलोडी के नोट स्वाभाविक रूप से सद्भाव के नोटों पर निर्भर करते हैं। इस प्रकार, यह तर्क दिया जा सकता है कि सद्भाव वाले नोट स्वाभाविक रूप से इंगित करते हैं कि किसी विशेष गीत में कौन से मधुर नोट चुने जा सकते हैं।

निर्णय

मुझे जटिल समस्याओं का मूल समाधान खोजना पसंद है। इसलिए, मैंने अपना खुद का मॉडल बनाने का फैसला किया, जो अपने तरीके से संगीत डेटा की समृद्ध संरचना को दर्शा सकता है। मैंने एक पूर्व निर्धारित संभाव्य बल पर ध्यान केंद्रित करके शुरू किया जो विभिन्न प्रकार के संगीत नोटों के बीच संबंधों को नियंत्रित करता है। उदाहरण के लिए, मैंने सद्भाव और माधुर्य के बीच "ऊर्ध्वाधर" संबंध के ऊपर उल्लेख किया है।

(प्रोसेसिंग) डेटा

डेटा के रूप में मैंने मिडी प्रारूप में 20 अलग-अलग पश्चिमी पॉप गीतों का इस्तेमाल किया (गाने की पूरी सूची यहां पाई जा सकती है )।

संगीत 21 पायथन लाइब्रेरी का उपयोग करते हुए, मैंने मार्कोव श्रृंखला का उपयोग करके मिडी फ़ाइलों का विश्लेषण किया। इसने मुझे अपने इनपुट में विभिन्न प्रकार के नोटों के बीच सांख्यिकीय संबंधों को उजागर करने की अनुमति दी। विशेष रूप से, मैंने अपने संगीत नोटों की संक्रमण संभावनाओं की गणना की। संक्षेप में, इसका मतलब है कि एक से दूसरे में नोटों के संक्रमण को देखकर, हम इस संभावना की गणना कर सकते हैं कि यह संक्रमण होगा। (अधिक विस्तृत विवरण नीचे)

मिडी: गीत का डिजिटल संस्करण

सबसे पहले, मैंने सद्भाव के नोट्स और मेलोडी के नोटों के बीच संक्रमण की "ऊर्ध्वाधर" संभावनाएं निकालीं। मैंने डेटा सेट के अनुसार राग के नोटों के बीच सभी "क्षैतिज" संक्रमण संभावनाओं की भी गणना की। मैंने सद्भाव के नोट्स के लिए यह प्रक्रिया की। नीचे दी गई तालिका संगीत डेटा में विभिन्न प्रकार के नोटों के बीच तीन अलग-अलग संक्रमण मैट्रिस का उदाहरण दिखाती है।

संक्रमण विकल्प, विकल्प। ऊपरी - सद्भाव और माधुर्य के नोटों के बीच। मध्य - राग के नोटों के बीच। कम - सद्भाव के नोटों के बीच।

आदर्श

इन तीन संभावना मॉडल के आधार पर, मेरा मॉडल निम्नानुसार कार्य करेगा:

1. उपलब्ध एक मनमानी सद्भाव नोट का चयन करता है;
2. पहली प्रायिकता मैट्रिक्स का उपयोग करते हुए एक सद्भाव नोट पर आधारित एक मेलोडी नोट का चयन करता है;
3. दूसरी प्रायिकता मैट्रिक्स के अनुसार, पिछले मेलोडी नोट के आधार पर मेलोडी नोट का चयन करता है;
4. चरण 3 को दोहराता है जब तक यह एक निश्चित अंत तक नहीं पहुंचता;
5. सद्भाव के नए नोट का चयन करता है, सद्भाव के पिछले नोट पर भरोसा करते हुए, तीसरी संभावना मैट्रिक्स का उपयोग करता है;
6. 1-4 चरणों को दोहराता है जब तक कि यह पूरा नहीं हो जाता है

एल्गोरिथ्म के अनुप्रयोग का एक विशिष्ट उदाहरण:

1. कार्यक्रम ने एक हार्मोनिक नोट (एफ) का चयन किया।
2. इस नोट में मेलोडी नोट्स के 4 रूप हैं। पहले संक्रमण मैट्रिक्स का उपयोग करते हुए, सिस्टम नोट (C) का चयन करता है, इसके उपयोग की उच्च संभावना (24.5%) को देखते हुए।
3. यह नोट (C) माधुर्य नोट (A) पर चयन को रोकते हुए दूसरी आवृत्ति मैट्रिक्स में जाता है, इसकी आवृत्ति (88%) के आधार पर।
4. चरण 3 को दोहराया जाएगा जब तक कि प्रक्रिया एक पूर्वनिर्धारित अंत बिंदु तक नहीं पहुंचती;
5. सद्भाव का एक नोट (एफ), तीसरे संभावित मैट्रिक्स का जिक्र करते हुए, अगले हार्मोनिक नोट का चयन करता है। यह (एफ) या (सी) होगा, उनकी समानता को देखते हुए।
6. प्रक्रिया पूरी होने तक चरण 1-4 दोहराया जाएगा।

यहाँ आप इस तरह से बनाए गए पॉप संगीत का एक उदाहरण सुन सकते हैं:

मूल्यांकन

यह वह जगह है जहां कठिन भाग शुरू होता है - विभिन्न मॉडलों का मूल्यांकन कैसे करें। अंत में, मेरा लेख बताता है कि सरल संभावना तंत्रिका नेटवर्क की तुलना में अधिक उपयोगी हो सकती है। लेकिन हम अपने मॉडल और तंत्रिका नेटवर्क द्वारा निर्मित मॉडल के बीच अंतर का मूल्यांकन कैसे करते हैं? हम यह कैसे कह सकते हैं कि मेरा संगीत एआई द्वारा लिखे गए संगीत की तुलना में अधिक लोकप्रिय है?

इस प्रश्न का उत्तर देने के लिए, हमें पहले यह निर्धारित करना होगा कि पॉप संगीत क्या है। मैंने अपनी पहली परिभाषा पहले ही दे दी है: सद्भाव और माधुर्य के बीच सांख्यिकीय संबंध। लेकिन पॉप संगीत में एक और निर्णायक कारक है - यह स्पष्ट रूप से गीत की शुरुआत, मध्य, अंत (अंतः, दोहे, पुल, कोरस, पूर्णता आदि) को चिह्नित करता है, पूरे गाने में दोहराया जाता है।

उदाहरण के लिए, लाइन "इसे जाने दो, इसे जाने दो, इसे अब वापस नहीं पकड़ सकते ..." अंत या शुरुआत की तुलना में मध्य भाग में पाए जाने की अधिक संभावना है। और इसे गाने के दौरान तीन बार दोहराया जाएगा।

इसे ध्यान में रखते हुए, हम तथाकथित आत्म-समानता मैट्रिक्स का सहारा ले सकते हैं। सीधे शब्दों में कहें, आत्म-समानता मैट्रिक्स गणितीय रूप से एक गीत की शुरुआत, मध्य, अंत को व्यक्त करता है। नीचे एक बार फिल्म से धीरे-धीरे गिरने वाले गाने के लिए मैट्रिक्स है।


प्रत्येक छोटा खंड एक नोट का प्रतिनिधित्व करता है। 45 डिग्री पर प्रत्येक बड़ा ब्लॉक गीत के कुछ हिस्से का प्रतिनिधित्व करता है।

पहला डार्क क्लस्टर गीत की शुरुआत का प्रतिनिधित्व करता है, अगला पीला गीत के अगले खंड का प्रतिनिधित्व करता है। पहला और तीसरा समूह रंग में समान हैं, क्योंकि वे एक दूसरे के समान हैं, साथ ही दूसरा और चौथा।

मैंने इस तरह से बीस पॉप गीतों की जाँच की और फिर उनकी संरचनाओं की एक मशीन प्रति (जहाँ तक संभव हो) बनाई।

परिणाम

परिणाम खुद के लिए बोलते हैं। स्व-समानता मैट्रिक्स का उपयोग करने से पहले, मेरे कार्यक्रम ने एक आंतरिक संरचना को दोहराए बिना ध्वनियों का उत्पादन किया। हालाँकि, स्रोत डेटा की संरचना की प्रतिलिपि बनाने के बाद, मेरा संगीत इस तरह दिखाई देने लगा:

स्व-समानता मैट्रिक्स को लागू करने से पहले और बाद में

टोरंटो विश्वविद्यालय में तंत्रिका नेटवर्क द्वारा बनाए गए संगीत की आत्म-समानता मैट्रिक्स के साथ तुलना करें:


यह है कि विभिन्न मॉडलों की तुलना और मूल्यांकन कैसे किया जा सकता है - यह उनकी आत्म-समानता की परिपक्वता पर आधारित है!

सामान्यकरण

मेरे द्वारा निर्धारित कार्य का अंतिम भाग एक सामान्यीकरण था। इस शब्द से मेरा मतलब है: इनपुट डेटा के आधार पर हम अपने मॉडल को कैसे सार्वभौमिक बना सकते हैं, ताकि इसे अन्य स्थितियों पर लागू किया जा सके जो पॉप संगीत की पीढ़ी से संबंधित नहीं हैं? दूसरे शब्दों में, क्या मेरे पॉप जनरेटर के समान संरचनात्मक रूप से कुछ और है?

बहुत सोचने के बाद, मुझे एहसास हुआ कि मानवता का एक और आविष्कार है, संरचना में समान है - पॉप गीतों के बोल!

उदाहरण के लिए, आई विल बी एडवर्ड मैक्केन का एक अंश यहां दिया गया है:

मैं तुम्हारे रोने का कंधा दूंगा
मैं आत्महत्या कर लूंगा
जब मैं बड़ी हो जाउंगी तो बेहतर होगा
मैं तुम्हारे जीवन का सबसे बड़ा प्रशंसक बनूंगा

हम एक ही मशीन सीखने की तकनीक का उपयोग करके हड्डियों का विश्लेषण करेंगे। हम भाषा मॉडल में पहले स्रोत शब्द के रूप में 'आई विल बी' की गिनती कर सकते हैं। इसका इस्तेमाल 'अपना ’उत्पन्न करने के लिए किया जाएगा, जिसमें से' रोना’ आता है, जहां से used कंधे ’पहले से ही दिखाई देते हैं।


फिर एक बहुत महत्वपूर्ण प्रश्न उठता है: क्या अगले वाक्य का पहला शब्द पिछले के अंतिम शब्द पर निर्भर करता है? दूसरे शब्दों में, क्या एक वाक्य के अंतिम शब्द और अगले के पहले के बीच एक संबंध है?

मेरा मानना ​​है कि उत्तर नहीं है। वाक्य 'कंधे' के साथ समाप्त होता है, अगला पहले के दोहराव से शुरू होता है - 'मैं रहूँगा'। यह इस तथ्य के कारण है कि प्रत्येक वाक्य के पहले शब्द जानबूझकर दोहराए जाते हैं, जिसका अर्थ है कि प्रत्येक वाक्य के पहले शब्दों के बीच एक समान सशर्त संबंध है। ये पहले शब्द निम्नलिखित शब्दों के अनुक्रम के लिए ट्रिगर बिंदु बन जाते हैं।



मुझे लगता है कि यह एक अद्भुत खोज है। ऐसा लगता है कि पॉप संगीत और गीत दोनों की आंतरिक संरचना है जो सामग्री पर निर्भर करती है। वास्तव में महान?

गितुब पर प्रोजेक्ट देखें

* * *

बेशक, लेख में प्रस्तावित दृष्टिकोण को संपूर्ण नहीं माना जा सकता है। अलग-अलग, यह ध्यान देने योग्य है कि ग्रंथों के साथ काम करने के तरीके अब एक बदलाव के दौर से गुजर रहे हैं और सक्रिय रूप से विकसित हो रहे हैं, इसलिए गीत पर लेखक का नज़रिया एनएलपी (प्राकृतिक भाषा प्रसंस्करण) विशेषज्ञों को आश्चर्यचकित नहीं करेगा। फिर भी, लेखक का मूल लेख मशीन सीखने के तरीकों का उपयोग करके उच्च-गुणवत्ता वाले संगीत उत्पन्न करने के लिए एक उपयोगी मध्यवर्ती कदम की तरह दिखता है।

हाल ही में, तंत्रिका नेटवर्क के आधार पर संगीत उत्पन्न करने वाले कई एप्लिकेशन आम लोगों के लिए पेश किए गए हैं। उदाहरण के लिए, साइट पर तकनीकी संगीत उत्पन्न करना संभव है: eternal-flow.ru । समाधान के लेखक संगीत उत्पन्न करने के लिए एक मोबाइल एप्लिकेशन भी प्रदान करते हैं। मोबाइल उपकरणों पर संगीत बनाने के लिए एक और एप्लिकेशन है: mubert.com । एक दिलचस्प समाधान एक अधिक गतिशील मौत धातु शैली के लिए समर्पित है। इसके निर्माता डडबॉट्स यूट्यूब पर एक तंत्रिका नेटवर्क द्वारा उत्पन्न संगीत की एक सतत धारा है । इसी समय, दादाबॉट्स वहाँ नहीं रुकते हैं और पंक और प्रगतिशील रॉक की शैली में सार्वजनिक कृत्रिम संगीत के लिए खुलते हैं। और निश्चित रूप से, कोई भी OpenAI के परिणामों की अनदेखी नहीं कर सकता है, जो हर किसी को मोज़ार्ट से द बीटल्स के लिए एक विस्तृत शैली के ढांचे में संगीत के साथ प्रयोग करना चाहता है। Openai.com पर आप सुन सकते हैं कि हैरी पॉटर थीम का विकास फ्रैंक सिनात्रा या प्योत्र इलिच टचिकिकोव की शैली में कैसा दिखेगा।

संगीत की पीढ़ी में आधुनिक तंत्रिका नेटवर्क की सफलता से आशा है कि निकट भविष्य में कृत्रिम बुद्धिमत्ता गो और Dota2 के अलावा किसी अन्य क्षेत्र में मनुष्यों के साथ समान शर्तों पर प्रतिस्पर्धा करने में सक्षम होगी। शायद हम उस क्षण को जीने के लिए भाग्यशाली हैं जब तंत्रिका नेटवर्क का एक उम्मीदवार यूरोविज़न में बोल सकता है और जीत के लिए चमड़े के प्रतिभागियों के साथ प्रतिस्पर्धा कर सकता है।

LANIT Group of Companies की नौकरियां यहां पाई जा सकती हैं।