زیبایی شناسی هنرِ هوش مصنوعی

 

زیبایی شناسی هنرِ هوش مصنوعی

 

موضوع زیبایی شناسی هنر یکی از مهمترین مسائلی است که  فلاسفه هنر قرن‌هاست به آن پرداخته‌اند و در عین حال کمترین اتفاق نظر در همین حوزه از فلسفه صورت گرفته است؛ چرا که استنباط از  مفهوم زیبایی بسته به عواملی چون تاریخ، شرایط سیاسی و اجتماعی، فرهنگ، جغرافیا و مسایلی از این دست، بسیار متنوع است. گذشته از این، همین عوامل نامبرده باعث می‌شوند که مفهوم زیبایی پدیده‌ای پویا باشد و در زمان‌های مختلف به اشکال گوناگونی جلوه کند. از این رو در باب چیستیِ زیبایی به سختی می‌توان (یا نمی‌توان) به تعریفی جهان شمول، انسان شمول و تاریخ‌مند دست یافت. با پیشرفت هوش مصنوعی و الگوریتم های پردازش کلمه، تصویر، حجم و صدا، موضوع زیبایی شناسی هنر به مرحله‌ای جدید، جذاب و در عین حال چالش برانگیز تبدیل شده‌است. در این مقاله، به بررسی نقش هوش مصنوعی در شناسایی و خلق زیبایی در هنر و بخصوص هنر موسیقی می پردازم.

ورود هوش مصنوعی به حوزه هنر از همان جاده‌ای گذر کرد که پیش‌تر در حوزه علم وصنعت گذر کرده بود؛ یعنی استفاده از شبکه‌های عصبی[1] و یادگیری عمیق[2]. پیش از اینکه درباره زیبایی شناسی هنر هوش مصنوعی داوری کنیم بهتر است نیم نگاهی گذرا به نحوه شکل گیری هنر توسط این پدیده نسبتاً جدید و هنوز غیرقابل قیاس با انسان  بیندازیم.

فرآیند خلق یک اثر هنری با استفاده از هوش مصنوعی می تواند بسته به نوع فن‌آوری و الگوریتم خاصی که در آن استفاده می شود، متفاوت باشد. با این حال، این فرایند به طور کلی شامل مراحل زیر است:

الف) جمع‌آوری داده‌ها[3]: دست‌اندرکاران ساخت هوش مصنوعی در درجه اول مجموعه‌ گسترده‌ای از داده‌هایی را گردآوری می‌کنند که از آثار هنری ساخته دست بشر بدست آمده‌اند، و از این اطلاعات برای آموزش، نحوه تشخیص و تولید مواد اولیه ساخت آثار هنری (صدا، تصویر، حجم ....) استفاده می‌کنند.

 

ب) انتخاب الگوریتم[4]: در مرحله بعد محققان، الگوریتمی را انتخاب می‌کنند که با نوع اثر هنری مورد نظرشان  متناسب باشد. به عنوان مثال، برخی از سیستم های هوش مصنوعی از یک شبکه عصبی برای تولید تصاویر استفاده می‌کنند، در حالی که برخی دیگر از الگوریتم ژنتیک[5] برای تکامل طرح ها در طول زمان استفاده می‌کنند.

پ) آموزش هوش مصنوعی: در این مرحله، سیستم هوش مصنوعی بر پایه مجموعه داده‌ها و با استفاده از الگوریتم انتخاب شده، آموزش داده می شود. این آموزش که شامل تغذیه نمونه های زیادی از آثار هنری موجود و تنظیم تدریجی پارامترهای آن است تا زمانی ادامه پیدا می‌کند که سیستم بتواند ماده جدیدی شبیه به ماده ورودی تولید کند.

ت) تولید آثار هنری جدید: هنگامی که سیستم هوش مصنوعی آموزش داده شد، می توان از آن به واسطه دستورهای زبان برنامه نویسی یا کلمات، برای تولید آثار هنری جدید استفاده کرد.

ث) اصلاح: بسته به کیفیت اثر هنری تولید شده، توسعه دهندگان ممکن است نیاز داشته باشند سیستم هوش مصنوعی را با تغییر پارامترها یا تنظیم مجموعه داده‌ها اصلاح کنند. این فرآیند ممکن است تا دستیابی به  کیفیت مورد نظر توسعه دهندگان تکراری شود.

به طور کلی، ایجاد یک اثر هنری با استفاده از هوش مصنوعی شامل ترکیبی از جمع‌آوری داده‌ها، انتخاب الگوریتم، آموزش و اصلاح برای تولید است که می‌تواند با استفاده از تقلید هوشمندانه آثار هنری جدیدی تولید کند. اما در ارتباط با کیفیت زیبایی شناسی اثر خلق شده طرح و پاسخگویی به یک سوال اساسی می‌تواند راهگشا باشد.

 

 

 

آیا هوش مصنوعی می‌تواند هنری تولید کند که از هنر ساخته شده توسط انسان قابل تشخیص نباشد؟

این سوال در فهرست نخستین پرسش‌های اساسی در باب جهان هنر و ارتباط آن با حوزه تحقیقات هوش مصنوعی قرار دارد .اگرچه هوش مصنوعی می‌تواند اثر هنری تولید کند که در ظاهر جذاب و حتی شگفت‌انگیز باشد، اما این سوال که  آیا می‌تواند هنری ایجاد کند که به طور واضح از هنر ساخته شده توسط انسان قابل تمیز نباشد، هنوز موضوع بحث است. برخی معتقدند که هنری که توسط هوش مصنوعی تولید می‌شود، می‌تواند با هنر ساخته شده توسط انسان برابری کند، در حالی که برخی دیگر باور دارند که خلاقیت عنصری است  که منحصراً به انسان تعلق دارد و ماشین نمی‌تواند آن را  تقلید کند.

یکی از روش‌هایی که برای ارزیابی هنر تولید شده توسط هوش مصنوعی به کار می‌رود، آزمون تورینگ است.  آزمون تورینگ آزمونی در حوزه هوش مصنوعی و علوم کامپیوتری است و برای سنجش توانایی یک سامانه کامپیوتری در تقلید از رفتار انسان به کار می‌رود. این آزمون در سال ۱۹۵۰ توسط ریاضی‌دان و فیلسوف انگلیسی الن تورینگ[6] بداع شد.

در هر مرحله از آزمون تورینگ، یک انسان با عنوان ارزیاب و یک سامانه کامپیوتری در اتاق‌های جداگانه‌ای قرار می‌گیرند که ارتباط آن‌ها فقط از طریق پیام‌های متنی است. سامانه کامپیوتری باید قادر باشد با ارائه پاسخ‌هایی  مشابه پاسخ‌های انسانی، ارزیاب را فریب دهد و او را متقاعد کند که پاسخ از سوی یک انسان است. در این آزمون که چندین بار و با ارزیاب‌های مختلف تکرار می‌شود، اگر بیش از ۳۰٪ از ارزیابان به اشتباه بیفتند، یعنی بیش از ۳۰٪ از پاسخ‌های سامانه کامپیوتری را با پاسخ‌های انسانی اشتباه بگیرند، سامانه کامپیوتری به عنوان هوش مصنوعی تلقی می‌شود.

از آزمون تورینگ برای سنجش کیفیت هوش مصنوعی استفاده می‌شود. هرچند که این آزمون نمی‌تواند تمام جنبه‌های هوش مصنوعی را بسنجد و تنها به تقلید از رفتار انسان محدود است. تا به حال سامانه‌ای که بتواند به راحتی و صد در صد ارزیابان رافریب دهد معرفی نشده است.

 

این آزمون در مورد یک اثر هنری، ممکن است شامل ارائه یک قطعه هنری تولید شده توسط هوش مصنوعی در کنار یک قطعه هنری ساخته شده توسط انسان باشد و از افراد خواسته شود که حدس بزنند کدامیک توسط انسان و کدامیک توسط ماشین تولید شده‌اند. باید در نظر داشت گستره افراد ارزیاب باید از میان طیفی از هنرمندان حرفه‌ای تا مخاطبان غیر متخصص متنوع باشد.

به گمان من نتیجه چنین آزمونی به هیچ عنوان نمی‌تواند ردپای انسان را در آفرینش هنر اصیل کم‌رنگ‌تر از آنچه هست جلوه دهد. با این حال چنانچه نتیجه آزمون چیز دیگری را نشان دهد ( یعنی هنر هوش مصنوعی از هنر انسان قابل تشخیص نباشد)، می‌توان نتیجه گرفت که هوش مصنوعی می‌تواند به مثابه ابزاری ارزشمند در فرایند خلاقیت آفرینش هنری توسط انسان کاربرد داشته باشد و از این راه شکل‌های جدیدی از شیوه بیان هنری را به الهامات هنرمند بی‌افزاید اما نمی‌تواند مرزهای آنچه که به عنوان هنر می‌شناسیم را به چالش بکشاند.

از این رهگذر انسان هنرمند و هوش مصنوعی دو حوزه متغایرند که یکدیگر را تحت تأثیر قرار می‌دهند و در حال تعامل و همکاری با یکدیگرند. با این دیدگاه هوش مصنوعی می‌تواند به عنوان یک ابزار مفید در خلق آثار هنری توسط انسان به کار گرفته شود.  

 

زیبایی شناسی هنر موسیقی که توسط هوش مصنوعی خلق شده

در این بخش، به بررسی این موضوع می‌پردازم که علم نسبتاً جدید «یادگیری ماشینی» و متعاقباً هوش مصنوعی، به طور اخص در هنر موسیقی چه تاثیری می‌گذارد  و چه تلاش‌هایی در این زمینه انجام شده است، هدف این گونه تلاش‌ها، شناسایی و تحلیل ویژگی های موسیقی است که برای کمک به آفرینش آثار جدید و زیبا مورد استفاده قرار می‌گیرد. با استفاده از الگوریتم های «یادگیری عمیق»، می توان به شناسایی عوامل موثر در تولید موسیقی و ویژگی های روانشناختی آن پرداخت و سپس با ترکیب این ویژگی ها، آثار  موسیقی جدیدی خلق کرد که دارای ویژگی های مشابه با آثار قدیمی باشند.

پروژه‌های  « Jukebox» ، « MuseNet» و « Aiva» از موفق ترین پروژه های  این زمینه هستند. هدف این پروژه‌ها که توسط شرکت‌های آمریکایی  « Openai» و «Amper Music »  انجام شده‌اند، خلق آثار جدید موسیقی با استفاده از هوش مصنوعی است. در این پروژه‌ها، شبکه های عصبی با کمک فن‌آوری «یادگیری عمیق»، به شناسایی و تحلیل ویژگی های موسیقی‌های ساخت انسان  پرداخته و با ترکیب این ویژگی ها، آثار موسیقی جدیدی خلق می‌کنند. برای شنیدن این موسیقی‌ها کافیست در یکی از این سایت‌ها جستجو کنید و ببینید که در چندین ژانر، موسیقی‌هایی خنک و نچسب، به طور فزاینده‌ای تولید و انبار شده است. در اولین برخورد با اینگونه آثار به خصوص در حوزه موسیقی‌های غیر الکترونیک به مصنوعی بودن اغلب آنها اعتراف می‌کنیم و این سوال پیش می آید که:

چرا هوش مصنوعی نمی‌تواند جای آهنگساز را بگیرد؟

با پیشرفت‌های چشمگیری که بخصوص طی یک سال اخیر در زمینه هوش مصنوعی صورت گرفته است، صاحبان و شاغلان بسیاری از صنایع نسبت به ثبات جایگاه شغلی و حتی آینده بشر اظهار  نگرانی کرده‌اند. شخصاٌ گمان می‌کنم این نگرانی نباید شامل حال هنرمندان ‌شود. اما با جستجوی کوتاهی در میان صفحات وب به مقاله‌هایی بر می‌خوریم که نویسندگان آنها نسبت به جایگاه آهنگساز در آینده‌ای نزدیک اظهار نگرانی می‌کنند. در اینجا به بررسی دلایلی که هوش مصنوعی نمی‌تواند برای جایگاه آهنگساز تهدید یا تحدیدی باشد اشاره می‌کنم.  

یکی از دلایل اصلی این است که آهنگساز، به عنوان متخصص موسیقی (هنری که در ذات خود مطلقاً انتزاعی است)، برای بیان احساسات، افکار و تجربیات انسانی و دستیابی به یک شیوه بیانی منحصر به فرد،  نیاز به عنصری به نام خلاقیت دارد. در حالی که هوش مصنوعی بر پایه الگوریتم‌های خاصی می‌تواند تعدادی از داده‌ها را تحلیل کرده و بر مبنای آن قطعات جدیدی ایجاد کند. هوش مصنوعی نمی‌تواند به عمق احساسات و خلاقیتی که برای آهنگسازی لازم است، دست یابد؛ زیرا خلق موسیقی فقط به معنای تولید دنباله‌ای از نت ها نیست و بدون استفاده از خلاقیتی مبتنی بر تخیل، آفرینش موسیقی ممکن نمی‌شود و در این صورت باید گفت خلق موسیقی تنها از عهده انسان بر‌می‌اید و بس. در اینجا این سوال پیش می‌آید که اگر تولید موسیقی‌های بکر (تا به حال شنیده نشده) توسط هوش مصنوعی خلاقیت نیست، پس چیست؟ به بیانی دیگر، خلاقیت انسان و خلاقیت هوش مصنوعی چه متفاوتی با هم دارند.  

خلاقیت در انسان یک صفت شخصی، به معنای توانایی پیدا کردن راه حل‌های نو، ابداع و خلق چیزهایی جدید بر پایه تجربیات، دانش، تفکر، فرهنگ و تخیلات ذهنی است. به عنوان مثال، خلاقیت انسان می‌تواند باعث طراحی یک آثار هنری، اختراع یک دستگاه جدید، ساخت یک فیلم یا نوشتن یک داستان شود.

از طرفی، خلاقیت هوش مصنوعی به عنوان یک پدیده علمی و تخصصی، به معنای توانایی یک سیستم هوشمند برای تولید خروجی‌های جدید به وسیله یادگیری خودکار و الگوریتم‌های پیچیده است. با این باور، خلاقیت هوش مصنوعی بر اساس تجربیات، داده‌ها و الگوریتم‌هایی که در مدل هوش مصنوعی پیاده‌سازی شده‌اند، تولید می‌شود. به عبارت دیگر، خلاقیت هوش مصنوعی در واقع «بازتولید» چیزی بر پایه تاریخِ تخیل و خلاقیت انسان‌ها است.   

در کل، خلاقیت انسان و خلاقیت هوش مصنوعی هر دو ارزشمند و به دلیل ماهیت و روش‌های تولیدشان متفاوت هستند. در حالی که خلاقیت انسان به تخیل خلاقانه اعتماد دارد، خلاقیت هوش مصنوعی بیشتر به الگوریتم‌های پیچیده و گسترده‌ی داده‌های انسانی اعتماد دارد.

دلیل دیگری که هوش مصنوعی نمی تواند جای آهنگساز را بگیرد، این است که موسیقی صرفاً هنر خلق ملودی و استفاده از تکنیک‌های آهنگسازی و امثال اینها نیست. موسیقی هنر پیچیده‌ای است که هنرمند برای آفرینش آن علاوه بر تسلط بر استفاده از موادی مانند ملودی، هارمونی، ریتم و صدا؛ نیاز دارد این مواد را بر بستر فرهنگ، تاریخ، جغرافیا، ادراکِ حس سرزمین مادری، عشق، خشم و تمامی احساسات انسانی بسازد. در حالی که الگوریتم های هوش مصنوعی می‌توانند موسیقی را بر اساس قوانین و الگوهای قبلی تولید کنند، آنها نمی توانند به عمق معنای فرهنگی و تاریخیِ این عناصر و همچنین برداشت‌های احساسی از آنها دست یابند. موسیقی نه تنها به معنای رعایت یک مجموعه از قوانین بلکه درست مثل هر هنر دیگری، به معنای خلق چیزی است که برای گوش دادن و درک آن به انسان دیگری نیازمند است.

از سوی دیگر، خلاقیت در موسیقی به معنای خلق چیزی مطلقاً جدید نیست، بلکه به معنای ساختن موسیقی جدیدی بر پایه سنت‌ها و سبک‌های قبلی است. حتی نوآورانه ترین موسیقی‌ها حیات خود را مدیون سنتی هستند که زیر پا گذاشته‌اند. موسیقی شدیداً به فرهنگ و تاریخ مرتبط است و آهنگسازان برای خلق کردن کارهای جدید از پیروی مبتکرانه یا انکار این سنت‌ها استفاده می‌کنند. در حالی که الگوریتم های هوش مصنوعی می‌توانند بر اساس داده های موجود، موسیقی جدیدی تولید کنند، آنها نمی‌توانند از معنای فرهنگی و تاریخی این سنت ها و نحوه تاثیرگذاری‌شان بر روان آدم‌ها چیزی بفهمند. به عنوان مثال تاثیر سرود ملی یک کشور روی اهالی آن کشور با تاثیر آن روی افراد دیگر کشورها تفاوت احساسی زیادی دارد که از حوزه درک هوش مصنوعی خارج است.

 

نقص اشتراکات احساسی

جدای از نقص خلاقیت که پیش‌تر به آن اشاره شد و شامل تمامی تولیدات هنری هوش مصنوعی می شود، مسایل دیگری نیز وجود دارد که بر اصالت هنر انسانی تاکید می‌کند. نقص ارتباط احساسی یکی از مهمترین آنهاست. یک آهنگساز علاوه بر اینکه به شکلی هوشمندانه از مواد موسیقایی استفاده می‌کند تا اثری را خلق کند (کاری که هوش مصنوعی قادر به تقلید آن است)، احساسات انسانی خود را  نیز به شکل ناخودآگاه به اثر خود می‌افزاید. کسانی که دستی بر آتش خلق موسیقی دارند این موضوع را بارها تجربه کرده‌اند.

به عنوان مثال وقتی یک آهنگساز  درحال نوشتن یک سمفونی است که چند ماه (بیشتر یا کمتر) وقتش را می گیرد، هر روز و هر لحظه‌ای قادر به نوشتن ادامه آن نیست. چرا که اگر حال و هوای موسیقی‌اش مربوط به غربت انسان روی زمین، یا شکوهمندی تاریخ یک ملت، یا کشته شدگان آزادیخواه یک خیزش مردمی باشد، برای نوشتن ادامه قطعه باید باز احساسی مشابه با زمینه احساسی قطعه‌اش داشته باشد تا آنچه در نهایت می‌نویسد احساس درستی را به مخاطبش القا کند. قبول دارم که مخاطب موسیقی ممکن است فارغ از احساس آهنگساز، برداشت احساسی متفاوتی از شنیدن قطعه او داشته باشد اما باید توجه داشت که این تفاوت احساسی هرگز از جنس تضاد احساسی نمی‌تواند باشد؛ یعنی کمتر پیش می‌آید که کسی از شنیدن سمفونی ششم چایکوفسکی[7] احساس مسرت کند.

موسیقی تولید شده با هوش مصنوعی هرچند می‌تواند با تقلید از توالی آکوردهایی که احساس خاصی را به انسان القا می‌کنند، سطح احساسات شنونده را موقتاً تحریک کند اما اغلب عمق و پیچیدگی احساسی را که آهنگسازان انسانی خلق می‌کنند ندارند. چرا که هوش مصنوعی موقعیت‌های گوناگون زندگی انسان را تجربه نکرده است و در نتیجه اشتراک احساسی با انسان ندارد.

الهام به مثابه عنصری صرفاً انسانی

به چند دلیل موسیقی تولید شده توسط هوش مصنوعی فاقد الهام است:

الف) سیستم‌های هوش مصنوعی فاقد تجربیات و احساسات ذهنی هستند که اغلب همین عوامل موجب بروز الهامات انسانی هستند. موسیقی اغلب از احساسات، تجربیات زندگی، روابط و سایر عوامل عمیقاً انسانی الهام می‌گیرد. هوش مصنوعی نمی تواند این نوع الهام را تقلید کند.

ب) سیستم‌های هوش مصنوعی برای تولید موسیقی، بر اساس الگوهایی که در مجموعه داده‌های خود شناسایی می‌کنند، برنامه‌ریزی و آموزش دیده‌اند. تولیدات آنها فاقد جرقه ناخودآگاه در آفرینش است. ساخته‌های موسیقی آن‌ها به جای ایجاد چیزی کاملاً جدید و حاصل تخیل ذهنی، مبتنی بر ترکیب مجدد و اصلاح عناصری است که از پیش تحلیل کرده‌اند.

پ) عنصر الهام در موسیقی اغلب به طور خودبه‌خود، غیرقابل پیش بینی و نامحدود در ذهن انسان بوجود می‌آید. مدل‌های هوش مصنوعی بر اساس الگوریتم‌ها و داده‌های آموزشی عمل می‌کنند، بنابراین تولید موسیقی آن‌ها به پارامترها و احتمالات خاصی محدود می‌شود. دستیابی به نوعی تفکر خلاق نامحدود که منجر به آفرینش هنر می‌شود برای هوش مصنوعی غیرممکن است.

ت) الهام در هنرمندان امری بسیار شخصی است  که بر پایه رویدادهای زندگی منحصر به فرد، ارزش ها و شهود یک فرد شکل می گیرد. مدل‌های هوش مصنوعی که موسیقی تولید می‌کنند، صاحب یک زندگی و تجربه عمیقاً شخصی نیستند - آنها بر اساس مجموعه بزرگی از داده‌ها، رویکردی گسترده و کلی دارند. بنابراین خلاقیت آنها غیرشخصی و فاقد الهام به نظر می‌رسد.

ث) انسان ها می‌توانند در طول عمر از تجربیات، احساسات و ایده های جدیدی بهره‌مند شوندکه هوش مصنوعی نمی‌تواند آنها را تقلید کند چرا که این ایده‌های جدید هنوز در داده‌های هوش مصنوعی وارد نشده‌اند. غنای تجربیات انسانی به خلاقیت انسان هنرمند عمقی می‌دهد که هوش مصنوعی نمی‌تواند با آن مقابله کند. موسیقی تولید شده توسط هوش مصنوعی در مقایسه ممکن است سطحی و بدون الهام به نظر برسد.

ج) محدودیت در ژانر: الگوریتم های هوش مصنوعی عموماً روی ژانرهای خاصی از موسیقی آموزش داده می‌شوند، به همین دلیل آنها در تولید موسیقی خارج از این پارامترها یا تلفیقی از دو یا چند سبک انعطاف پذیر نیستند.  

چ) وابستگی به داده ورودی: الگوریتم های هوش مصنوعی برای تولید موسیقی به حجم زیادی از داده ورودی نیاز دارند، به همین دلیل توسط کیفیت و کمیت این داده ها محدود می‌شوند. این محدودیت داده‌های ورودی روی کیفیت موسیقی تولید شده توسط الگوریتم تحت تأثیر قرار می‌گیرد.

ح) کمبود زمینه فرهنگی: موسیقی به طور عمیق در فرهنگ و تاریخ ریشه دارد، الگوریتم‌های برخی از  هوش‌های مصنوعی ممکن است فاقد داده‌های کافی مربوط به زمینه‌های فرهنگی و در نتیجه درک لازم برای تولید موسیقی با ارزش فرهنگی باشند.

 

 

منابع

1. "Artificial Intelligence and Aesthetics" by John Sowa (https://www.jfsowa.com/pubs/aesth.pdf)
2. "Artificial Intelligence Art: A Brief Overview" by Ahmed Elgammal (https://www.artnome.com/news/2018/9/19/artificial-intelligence-art-a-brief-overview).
3. "The Aesthetics of Generative Art" by Philip Galanter (https://philipgalanter.com/downloads/ga2003_paper.pdf)
4. "Machine Learning and the Creative Process" by Rebecca Fiebrink (https://rebecca.efebron.com/papers/Fiebrink2019-MLandCreativeProcess.pdf).
5. "The Aesthetics of Machine-generated Art" by Ali M. Al-Khazaali and Michael L. Scott (https://arxiv.org/pdf/1802.08289.pdf)

 

 

---

[1] Neural networks

[2] Deep learning

[3]Data collection

[4] Algorithm selection

[5] genetic algorithm

الگوریتم ژنتیک نوعی الگوریتم بهینه سازی است که در آن از فرآیند انتخاب طبیعی الهام گرفته شده است. این یک نوع الگوریتم برای حل مسائل بهینه سازی که شامل جستجوی بهترین راه حل در میان تعداد زیادی راه حل ممکن است، استفاده می شود.

[6]  Alan Mathison Turing  آلن ماتیسون تورین’) /23 ژوئن 1912 - 7 ژوئن 1954) ریاضیدان، دانشمند کامپیوتر، منطق دان، رمزنگار، فیلسوف و زیست شناس نظری  اهل انگلیستان بود. تورینگ در توسعه علم کامپیوتر بسیار تأثیرگذار بود.او را پدر علم کامپیوتر و هوش مصنوعی می دانند.لوگوی شرکت اپل ( سیب گاز زده) به یاد خودکشی او با یک سیب آلوده به سیانور در سن 41 سالگی طراحی شده است.

 

[7]  سمفونی ششم روی سی مینور که به سمفونی دردناک pathetic) ( {به روسی Патетическая  }  معروف است.