Det finns en utveckling inom AI som på ytan kan låta betydligt mindre dramatisk än de stora språkmodellerna, de gigantiska datacentren och de ständigt växande modellerna som vi hör om nästan varje dag. Det handlar om något så enkelt som att flytta intelligensen närmare människan. I stället för att varje fråga, varje instruktion och varje liten kreativ idé ska skickas iväg till ett datacenter någonstans på andra sidan världen, bearbetas och sedan skickas tillbaka, börjar allt mer AI-kapacitet byggas direkt in i de enheter vi redan har omkring oss. LLM:er och andra generativa modeller kan i allt högre grad köras lokalt på själva chippet, i telefonen, datorn, hörlurarna, bilen eller någon annan liten enhet. Och det förändrar inte bara hur snabbt AI känns. Det kan förändra vad vi över huvud taget förväntar oss av digitalt innehåll.
För när en språkmodell kan köras lokalt, med mycket kort svarstid, uppstår en ganska fundamental förändring. AI behöver inte längre upplevas som en tjänst man går till. Den kan börja upplevas som en egenskap hos själva apparaten. Skillnaden är viktig. I dag tänker vi fortfarande ofta på AI som något vi öppnar, skriver till och väntar på svar från. Men tänk om den istället bara finns där, precis som mikrofonen, högtalaren, kameran eller processorn. Du behöver inte aktivt "använda AI". Den kan vara en del av hur telefonen, hörlurarna eller högtalaren fungerar. Och när svarstiden blir tillräckligt låg blir gränsen mellan att spela upp något som redan finns och att skapa något i exakt samma ögonblick som du lyssnar på det plötsligt väldigt tunn.
Det är här musikindustrin blir särskilt intressant. Musik har i hundratals år byggt på idén att ett verk skapas först och konsumeras sedan. Någon skriver en låt, musiker spelar in den, producenten mixar den, skivbolaget distribuerar den och lyssnaren trycker på play. Streaming gjorde distributionen nästan omedelbar, men själva innehållet är fortfarande i grunden statiskt. Spotify kan ha hundra miljoner låtar, men när du trycker på en låt får du samma inspelning som alla andra som trycker på samma låt. Det är en av musikens mest grundläggande egenskaper. Den har varit skapad i förväg.
Lokal generativ AI öppnar dörren till något helt annat: musik som inte behöver existera innan du ber om den. Föreställ dig att du säger till din högtalare: "Jag vill ha en lugn godnattvisa för ett barn som är lite oroligt i kväll. Den ska handla om månen, ett litet rymdskepp och en trygg katt. Gör den ungefär fem minuter lång och sjung den mjukt." I dagens värld skulle en sådan önskan kräva en ganska avancerad kedja av tjänster, modeller och molnberäkning. Men när modellerna blir tillräckligt små och effektiva för att köras direkt på enheten förändras förutsättningarna. Då kan sången i princip börja existera i samma ögonblick som du ber om den.
Och det intressanta är inte bara att sången kan vara AI-genererad. Det intressanta är att den kan vara personlig. Nästa kväll kanske barnet vill ha en sång om en dinosaurie som inte kan somna. Kvällen efter det kanske det är en berättelse om ett moln som tappat bort sin familj. Om modellen känner till sammanhanget kan berättelsen dessutom fortsätta från kvällen innan. Samma värld kan återkomma, samma figurer kan dyka upp, men handlingen kan förändras varje gång. Godnattsagan blir inte längre en bok som föräldern läser för hundrade gången. Den blir ett levande universum som skapas om varje kväll.
Det här är på många sätt mycket större än en ny form av barnunderhållning. Det är ett exempel på vad som händer när innehåll går från att vara producerat till att vara genererat. Och musik är kanske den första riktigt stora kulturindustrin där vi kommer att känna av den förändringen på djupet. Om en AI kan komponera en unik vaggvisa för varje lyssnare, varför skulle den då behöva finnas som en färdig ljudfil? Det finns ingen anledning att lagra tio miljoner versioner av en vaggvisa om varje version kan skapas när den behövs.
Samma sak gäller bakgrundsmusik. Tänk dig att du säger: "Spela något varmt och hoppfullt medan jag lagar middag." I stället för att algoritmen letar fram en spellista kan den skapa musik som anpassar sig efter situationen. Kanske börjar den med ett mjukt piano, lägger till gitarr och försiktiga trummor och bygger gradvis upp musiken. Om du säger "lite mer energi" förändras musiken. Om du säger "nu blev det för mycket" dämpas den. Musik blir då inte längre bara något du väljer. Den blir något du interagerar med.
Det leder oss till en annan utveckling som kan bli minst lika spännande: den helt unika ljudboken. Föreställ dig en feelgood-roman som inte är inspelad i en enda version. Du säger att du vill ha en varm, humoristisk berättelse om en person som lämnar storstaden för att öppna ett litet kafé på den svenska västkusten. Du vill att den ska vara ungefär sex timmar lång, ha en lagom dos romantik, några riktigt roliga bifigurer och ett lyckligt slut. AI:n kan skapa själva berättelsen, men också rösterna, miljöljuden, musiken och tempot. När du lyssnar på nästa bok behöver den inte vara producerad av ett traditionellt bokförlag på samma sätt som tidigare. Den kan skapas specifikt för dig.
Det är här ordet "lyssnare" börjar kännas lite gammalt. Du är inte längre bara den som tar emot innehållet. Du blir en del av dess tillkomst. Kanske säger du efter tjugo minuter: "Jag gillar den här karaktären, låt henne få större plats." Och berättelsen anpassar sig. Kanske vill du ha mer humor. Kanske vill du att berättelsen ska utspela sig i en annan miljö. Kanske vill du att nästa kapitel ska vara lite lugnare eftersom du håller på att somna. I en sådan värld blir berättande mer likt ett samtal än en färdig produkt.
Podden kan genomgå en liknande förändring. I dag följer vi programledare, format och återkommande program. Vi laddar ner eller streamar ett avsnitt som någon har spelat in. Men tänk dig en podd som produceras exakt när du vill lyssna. Du säger: "Ge mig en rolig podd om teknik, populärkultur och konstiga saker som hänt i veckan." AI:n kan skapa ett program med en eller flera återkommande röster. Kanske har podden ett slags personlighet som utvecklas över tid. Den kan referera till saker du lyssnade på tidigare och förstå vilken typ av humor du brukar uppskatta.
Och där uppstår något nästan lite märkligt. Vi har länge pratat om personalisering som att algoritmen ska hitta rätt innehåll åt oss. Nästa steg kan vara att algoritmen istället skapar innehållet. Skillnaden mellan rekommendationsmotorn och producenten börjar suddas ut. Spotify behöver inte bara veta vilken låt du vill höra. Frågan blir varför du över huvud taget behöver välja en befintlig låt.
Det här kommer naturligtvis att skapa en enorm utmaning för den traditionella musikindustrin. Hela branschen är uppbyggd kring knapphet. En inspelning kostar pengar att skapa. En artist har ett begränsat antal timmar. En producent kan bara arbeta med ett visst antal projekt. Ett album kan ta månader eller år att färdigställa. En konsert kan bara äga rum på en plats vid en viss tid. Streamingplattformarna byggde i stor utsträckning sin ekonomi på att göra denna begränsade mängd innehåll tillgänglig på ett effektivt sätt.
Generativ AI förändrar knappheten. Om en maskin kan skapa miljontals låtar om dagen är inte längre själva produktionen av musik den stora begränsningen. Musik kan bli överflödigt. Det är nästan svårt att föreställa sig hur stort det skiftet är. Vi kan gå från en värld där människor ständigt säger "jag har inget att lyssna på" till en värld där det finns oändligt mycket musik och där det verkliga problemet blir att hitta det som känns meningsfullt.
Det kan paradoxalt nog göra riktiga människor mer värdefulla, inte mindre. När det går att skapa oändligt mycket generisk musik kan det mänskliga uttrycket bli en starkare signal. Vi kanske kommer att värdera artister för deras personlighet, deras historia, deras scenframträdanden och deras förmåga att skapa en känslomässig relation. En människa kan bli viktig just därför att hon inte kan skapa oändligt. Hon har ett liv, en röst, en kropp och en begränsad tid. Det är egenskaper som en modell inte automatiskt kan ersätta bara genom att bli bättre på att generera ljud.
Samtidigt kan gränsen mellan människa och maskin bli betydligt mer komplicerad. En artist kanske inte längre släpper en låt som en färdig inspelning. I stället kan artisten skapa en modell, ett musikaliskt universum, ett röstuttryck eller en uppsättning regler som låter AI:n skapa nya versioner av artistens uttryck. Artisten blir då mindre som en person som levererar en katalog och mer som en person som skapar en musikalisk identitet som kan leva vidare och förändras.
Det öppnar också en väldigt spännande möjlighet för mindre artister. En musiker som tidigare inte hade råd att spela in ett helt album kanske kan skapa musik tillsammans med AI-verktyg som fungerar som producent, arrangör, ljudtekniker och medmusiker. Den tekniska tröskeln sjunker. Det kan göra att fler människor kan uttrycka sig musikaliskt. Vi kan få en explosion av nya röster, genrer och märkliga hybrider som aldrig hade haft ekonomiska förutsättningar att existera tidigare.
Men just därför kommer frågan om identitet och upphovsrätt bli enorm. Om en AI kan skapa en låt som låter som en viss artist, vem äger resultatet? Vad händer om du ber den skapa "en sorglig svensk poplåt med en röst som påminner om min favoritartist"? Var går gränsen mellan inspiration och imitation? Och om en modell kan skapa musik i en artists stil utan att artisten själv deltar, har vi då skapat en ny sorts digital stöld eller bara ett nytt kreativt verktyg?
Det finns också en mer existentiell fråga här. Vad händer med värdet av ett verk när det inte längre är unikt? Vi har länge kopplat konstnärligt värde till att någon har lagt tid och energi på att skapa något. En låt kan betyda mycket för oss eftersom vi vet att någon skrev den efter ett uppbrott, spelade in den mitt i natten och kanske kämpade i flera år innan någon lyssnade. Om en AI kan skapa en lika vacker låt på två sekunder förändras vår relation till själva begreppet skapande.
Kanske kommer vi därför att se två parallella musikvärldar växa fram. Den ena blir oändligt generativ, personlig och situationsanpassad. Musik för att somna, fokusera, träna, laga mat, köra bil eller lugna ett barn. Musik som egentligen inte är ett "verk" i traditionell mening, utan en tjänst som uppstår när du behöver den. Den andra världen kommer att fortsätta handla om artister, album, konserter och kulturella ögonblick. Där är begränsningen själva poängen. En viss människa gjorde en viss inspelning vid en viss tidpunkt, och det går inte att återskapa exakt samma sak.
Det mest fascinerande är kanske ändå vad som händer när AI:n finns direkt på enheten och svarstiden blir så kort att vi slutar tänka på tekniken bakom. Vi bryr oss inte om var modellen körs. Vi märker bara att världen runt oss kan reagera på oss. Hörlurarna kan skapa musik som passar vårt humör. Högtalaren kan berätta en saga som fortsätter från gårdagen. Bilen kan skapa ett radioprogram som handlar om just de ämnen vi är nyfikna på. Telefonen kan förvandla en idé till ljud nästan lika snabbt som den kan spela upp en inspelad låt.
Det är en ganska svindlande utveckling, för den innebär att vi kan vara på väg från en internetvärld där vi söker efter innehåll till en värld där innehåll skapas omkring oss. Vi gick från att köpa musik på skiva till att streama nästan all musik som någonsin spelats in. Nästa steg kan vara att mycket av den musik vi hör inte har spelats in över huvud taget. Den skapas precis då, för just oss, i just den situationen.
Och kanske är det där musikindustrins nästa stora kapitel finns. Inte i en ännu större katalog, utan i frånvaron av katalogen. Inte i frågan "vilken låt vill du höra?", utan i "hur vill du att det ska kännas just nu?". När intelligensen som behövs för att svara på den frågan kan ligga direkt på chippet i våra prylar, och när svaret kan komma nästan omedelbart, blir det plötsligt möjligt att tänka på ljud som något levande. Något som kan anpassa sig, reagera, överraska och förändras.
En kväll kanske ett barn ligger i sängen och säger att det inte går att somna. Föräldern ber högtalaren om en saga. Några sekunder senare börjar en berättelse om en liten björn som åker genom natten på ryggen av en stjärna. Musiken är mjuk. Rösten är varm. Berättelsen är långsam. Nästa kväll fortsätter äventyret. Och kvällen därpå blir sagan lite roligare eftersom barnet vill skratta innan det somnar.
Det är inte längre bara streaming. Det är inte ens riktigt traditionell underhållning. Det är något annat.
Och när det blir billigt, snabbt och lokalt nog att finnas överallt kan det vara just där den verkliga AI-revolutionen inom musik och media börjar: inte när maskinerna kan skapa en imponerande låt, utan när vi slutar bry oss om att fråga om låten redan finns.