2020年，音乐制作将越来越数字化，但是仍然很难以这种方式再现一些模拟音频效果。这些效果之一就是到处都是摇滚神所喜欢的那种剧烈的吉他失真。到目前为止，涉及吉他放大器的这些效果几乎无法以数字方式重新创建。
由于芬兰阿尔托大学(Aalto University)信号处理和声学部门的研究人员的工作，现在情况已经改变。他们使用深度学习人工智能(AI)，创建了一个用于吉他失真建模的神经网络，该网络首次可以使盲测听众认为这是真正的文章。可以把它想像成图灵测试，一直上升到SpınalTap风格11。
VesaVälimäki教授对《数字趋势》表示：“几十年来，音频研究人员一直认为，准确模仿电子管吉他放大器失真的声音非常具有挑战性。” “原因之一是失真与动态非线性行为有关，众所周知，即使从理论上讲也很难模拟。另一个原因可能是扭曲了吉他声音通常在音乐中非常突出，因此很难掩盖其中的任何问题。所有的错误都会非常明显。”
要训练神经网络以重现各种失真效果，所需要做的就是从目标放大器录制几分钟的音频。研究人员使用在电波暗室内从电吉他录制的“干净”音频，然后将其通过放大器。这提供了无瑕疵形式的输入吉他 声音，以及相应“目标”形式的输出 吉他 放大器输出。
“培训是通过向神经网络提供一小段干净的吉他音频，然后将网络输出与'目标'放大器输出进行比较来进行的，”专注于使用深度学习进行音频处理的博士生Alec Wright告诉Digital Trends。“这种比较是在'损失函数'中完成的，'损失函数'只是一个方程式，表示神经网络输出与目标输出之间的距离，或神经网络模型的预测有多么'错误'。关键是一个称为“梯度下降”的过程，您可以在其中计算如何非常微调神经网络的参数，以使神经网络的预测稍微接近目标放大器的输出。然后重复此过程数千次-有时甚至更多次-直到神经网络的输出停止改善。”