未来作曲编曲会因为AI智能编曲的壮大而彻底掉业吗?

众所周知，为了迎合大众群体的需求，‘流水线音乐’在国内颇为流行。其中较多热门歌曲从音乐性角度来看过于公式化（和弦走向，节奏型，riff，织体，配器，旋律hook等等等等），大量音乐人（并不是全部）与其说是‘艺术家’，不如说是某种程度可以被自动化算法代替的，操作音符的‘技工’。于是问题来了，如果某科技公司与某些编作曲大牛合作出了一套可以匹配甚至超过市面上百分之六十作曲编曲混音作品质量的人工智能算法，那么这些基层音乐人会被人工智能替代而被迫失业吗？消费者会不会为这些人工智能编作曲买账？p.s.特别是在如今明星经济盛行，为明星编作曲的人影响力甚小的现状下。
===========11/30添加================
如何判断艺术家的艺术性？如果一个艺术家发明了一个前所未有的技法或者领域，后世前仆后继地去学习他的成果和艺术哲学，直到世俗社会摘下其艺术性的光环而把该“艺术”划为自己生活中的一部分时(商业化)，它还能被称得上“艺术”吗？趁其为“工艺”，甚至“技艺”，甚至“技巧”会不会更为贴切些？如果在此基础上进行假设(可商业化的“艺术”定义为“技术”,即艺术性可以被复制)，以艺术性著称的非基层音乐人群体是否也会在未来某一天也受到人工智能的挑战？谢谢了
=======补充===========
艺术家的灵感主要是根据其自身经历在颅内通过某种随机的排列组合达到其独特性的。在算法中，这个“自身经历”可否被量化为函数的输入参数，即“影像”或“从儿时到现在听过的音乐”或“情感”，当然还有一些随机的变量，例如“可能从中受启发的工作环境”以及“体内的性激素水平”等。函数内的算法则是通过给各种因子在一定值域里加权减权再计算获得一定的“随机性”，再把此计算得到的“随机性”传入生成乐曲的函数，保证最后的曲子的新颖程度。区别人类和机器的“创造力”可以以此方式进行量化吗？  “从儿时到现在听过的音乐(熟悉性)”和“情感(同理心，共情心)”是不是支持华语乐坛较为重要的因子之二？

谢邀，首先我批评一下题主，咱们工程师不是售前，不要最近流行什么词儿都往上扯，就像DSP的广告平台一样，今天是“大数据”明天又是“人工智能”，最近又吹“深度学习”，十年不迭代的玩意儿，见天儿的改名号，不好。
而且说到机器学习，我真的（假装）思考了一下。众所周知，如果我们想让计算机学习一位鼓手打鼓，我们就要设计目标函数，且学习样例能够无限贴近目标函数并使其收敛。
任务T：演奏节奏型；
性能标准P：即兴演奏目标鼓手风格的节奏型；
训练经验E：听取真实鼓手的演奏。
首先幸运的是，训练样例E是存在的，就是在DAW里的各位鼓手所输出的节奏型：

且为各个鼓手进行了风格化分类，这样我们的训练样例可以很好的表示实例分布。在实际操作中，我们可以让这些鼓手通过MIDI触发器（也就是电鼓）将演奏转换为MIDI信号，MIDI信号根据轨道和力度可以将拍号内最小时值抽象为三维向量。这样我们就可以以Loop为单位（如四小节）发送三维向量序列作为训练样例作为输入；
其次，设计目标函数。目标函数是此次建模的核心内容，而且鼓这个东西有高容错性，很多东西即兴打出来和上次不一样但也不算错误。这样在制定目标函数的性能标准P的时候模棱两可，直接导致我们在对特定样例进行评分的时候缺乏统一的标准，而不是像下围棋一样有胜率的精确要求。所以我们只能简化模型，幸运的是，我们可以通过爵士鼓通用的知识体系先抽象出一些基础样例。比如经典摇滚节奏型动次大次，我们把它抽象为底鼓演奏一三重拍、军鼓演奏二四重拍、踩镲演奏均匀的八分音符的一段Loop，再例如bossa nova风格的重音在Loop的1、3、7、11上，再又比如Funk风格经常用到军鼓和丁丁镲的paradiddle，都可以抽象成底鼓、军鼓、踩镲三轨的音符排列组合。那么这样我简单抽象一下，我们用来评价一个节奏型是否贴合选择的目标鼓手的目标函数可以抽象为：
V(b) = x1 + x2(Wtb平方-Wbb平方) + x3（Wts平方-Wbs平方）+x4（Wth平方-Wbh平方）；
这样一个多项式。
x2 x3 x4 是相对底鼓、军鼓、踩镲的权重，在括号内是基本演奏风格和目标鼓手演奏计算值的方差，以体现鼓手和基本节奏的差值，最后算出此鼓手与多种基础风格的多组值，就能对此鼓手的演奏风格做出唯一评价。
最后，我们只要输入足够多的学习样例，随时调整权值，将我们的权值全部计算出来即可获得最佳拟合的目标函数。
然后我们在DAW中进行操作时，计算机随机挑选出多个节奏型，并根据你调整权值后的目标函数V1（b），就能产生符合你选中鼓手的随机节奏型。
（以上皆为脑洞胡逼，不可作为正经建议使用）
说这么多，其实也就是想告诉题主你想多了。机器学习的本质是一门方法论，对任何特定问题都要进行目标函数的建模，而不是一个即插即用的万能软件。你说的Magente和Tensorflow、Torch都是些机器学习的框架而已，不能通用性地解决爵士鼓的节奏型输出问题。而且其实Drummer功能很简单，你看随机定义节奏型的面板总共就横竖俩坐标轴，一个轻重、一个多少。多少可以对鼓手演奏出的三轨音符进行随机增减即可（右边的小打同理），轻重更简单，随着坐标值调整力度就行了。爵士鼓即兴本来就没那么严谨，甚至你都可以试着自己实现一下，根据我使用Drummer的经验，它们也就做到了这种程度而已。
不过你这么一说，我觉得这事儿真的可以用机器学习来实现不过机器学习在音乐领域还有更多实用的功能，比如现场调音，我们可以对全世界各种演出场所的声场进行采样学习，并让鼓手选择以自己平日练习环境的声场为目标进行评价，这样我们就可以通过一部设备进行自动调音了。（哎呀想想就很屌）

中国古文献全文数据库完成后，一个普通的研究生的文献功底可以接近乾嘉学派高邮二王以及段玉裁的水平以进行进入研究；而教授可以更集中精力去发现历史上从未发现的问题，解决有史以来不能解决的课题。……但是，如果以为有了中文古文献全文数据库就一定能提高研究的质量，那就大错而特错。……数据库对中国人文科学的最根本的质量改变在于解脱了呆板记问之学，突显出分析、求证和解释的追求。……有了数据库，学人不是不要读原文，而是更要通读原文。利用数据库，一边读，一边可以周密地反复温习，杨树达先生的以经训经，人皆可达，而且演化为读书常法。没有数据库时，常常记得少则无从复查，记得多则拖累创思。——十九札：一个北大教授给学生的信