stringtranslate.com

Composición algorítmica

La composición algorítmica es la técnica de utilizar algoritmos para crear música .

Los algoritmos (o, al menos, conjuntos formales de reglas) se han utilizado para componer música durante siglos; los procedimientos utilizados para trazar la conducción de voces en el contrapunto occidental , por ejemplo, a menudo se pueden reducir a la determinación algorítmica. El término se puede utilizar para describir técnicas de generación musical que se ejecutan sin intervención humana continua, por ejemplo mediante la introducción de procedimientos aleatorios . Sin embargo, a través de la codificación en vivo y otras interfaces interactivas, es posible un enfoque totalmente centrado en el ser humano para la composición algorítmica. [1]

Algunos compositores [2] utilizan algoritmos o datos que no tienen relevancia musical inmediata como inspiración creativa para su música. Algoritmos como fractales , sistemas L , modelos estadísticos e incluso datos arbitrarios (por ejemplo, cifras del censo , coordenadas SIG o mediciones del campo magnético ) se han utilizado como materiales de origen.

Modelos para la composición algorítmica

Los algoritmos de composición suelen clasificarse según las técnicas de programación específicas que utilizan. Los resultados del proceso pueden dividirse en 1) música compuesta por ordenador y 2) música compuesta con ayuda de ordenador. Se puede considerar que la música está compuesta por ordenador cuando el algoritmo es capaz de tomar decisiones propias durante el proceso de creación.

Otra forma de clasificar los algoritmos de composición es examinar los resultados de sus procesos de composición. Los algoritmos pueden 1) proporcionar información de notación ( partituras o MIDI ) para otros instrumentos o 2) proporcionar una forma independiente de síntesis de sonido (tocar la composición por sí sola). También hay algoritmos que crean tanto datos de notación como síntesis de sonido.

Una forma de categorizar los algoritmos compositivos es por su estructura y la forma de procesar los datos, como se ve en este modelo de seis tipos parcialmente superpuestos: [3]

Modelos traslacionales

Este es un enfoque de la síntesis musical que implica "traducir" información de un medio no musical existente a un nuevo sonido. La traducción puede estar basada en reglas o ser estocástica . Por ejemplo, al traducir una imagen a sonido, una imagen JPEG de una línea horizontal puede interpretarse en el sonido como un tono constante, mientras que una línea inclinada hacia arriba puede ser una escala ascendente. A menudo, el software busca extraer conceptos o metáforas del medio (como la altura o el sentimiento) y aplicar la información extraída para generar canciones utilizando las formas en que la teoría musical suele representar esos conceptos. Otro ejemplo es la traducción de texto a música, [4] [5] que puede abordar la composición extrayendo el sentimiento (positivo o negativo) del texto utilizando métodos de aprendizaje automático como el análisis de sentimientos y representa ese sentimiento en términos de calidad de acordes, como acordes menores (tristes) o mayores (alegres) en la salida musical generada.

Modelos matemáticos

Los modelos matemáticos se basan en ecuaciones matemáticas y eventos aleatorios. La forma más común de crear composiciones a través de las matemáticas son los procesos estocásticos . En los modelos estocásticos, una pieza musical se compone como resultado de métodos no deterministas . El proceso de composición solo está parcialmente controlado por el compositor al ponderar las posibilidades de eventos aleatorios. Ejemplos destacados de algoritmos estocásticos son las cadenas de Markov y varios usos de las distribuciones gaussianas . Los algoritmos estocásticos a menudo se utilizan junto con otros algoritmos en varios procesos de toma de decisiones.

También se ha compuesto música a partir de fenómenos naturales. Estos modelos caóticos crean composiciones a partir de los fenómenos armónicos e inarmónicos de la naturaleza. Por ejemplo, desde los años 70 se han estudiado los fractales también como modelos para la composición algorítmica.

Como ejemplo de composiciones deterministas a través de modelos matemáticos, la Enciclopedia en línea de secuencias de números enteros ofrece una opción para reproducir una secuencia de números enteros como música de temperamento igual de 12 tonos . (Inicialmente está configurada para convertir cada número entero en una nota en un teclado musical de 88 teclas calculando el módulo entero 88, a un ritmo constante. Por lo tanto, 123456, los números naturales, equivalen a la mitad de una escala cromática). Como otro ejemplo, la serie de todos los intervalos se ha utilizado para la composición asistida por computadora. [6]

Sistemas basados ​​en el conocimiento

Una forma de crear composiciones es aislar el código estético de un determinado género musical y utilizar este código para crear nuevas composiciones similares. Los sistemas basados ​​en el conocimiento se basan en un conjunto de argumentos predefinidos que pueden utilizarse para componer nuevas obras del mismo estilo o género. Por lo general, esto se logra mediante un conjunto de pruebas o reglas que deben cumplirse para que la composición esté completa. [7]

Gramáticas

La música también puede examinarse como un lenguaje con un conjunto gramatical distintivo . Las composiciones se crean construyendo primero una gramática musical, que luego se utiliza para crear piezas musicales comprensibles. Las gramáticas a menudo incluyen reglas para la composición a nivel macro, por ejemplo, armonías y ritmo , en lugar de notas individuales.

Enfoques de optimización

Al generar estilos bien definidos, la música puede verse como un problema de optimización combinatoria, en el que el objetivo es encontrar la combinación correcta de notas de modo que se minimice la función objetivo. Esta función objetivo normalmente contiene reglas de un estilo particular, pero podría aprenderse utilizando métodos de aprendizaje automático como los modelos de Markov. [8] Los investigadores han generado música utilizando una gran variedad de métodos de optimización diferentes, incluida la programación entera, [9] la búsqueda de vecindad variable, [10] y los métodos evolutivos, como se menciona en la siguiente subsección.

Métodos evolutivos

Los métodos evolutivos de composición musical se basan en algoritmos genéticos . [11] La composición se construye mediante un proceso evolutivo . A través de la mutación y la selección natural , evolucionan diferentes soluciones hacia una pieza musical adecuada. La acción iterativa del algoritmo elimina las soluciones malas y crea otras nuevas a partir de las que sobreviven al proceso. Los resultados del proceso son supervisados ​​por el crítico, una parte vital del algoritmo que controla la calidad de las composiciones creadas.

Enfoque Evo-Devo

Los métodos evolutivos , combinados con procesos de desarrollo, constituyen el enfoque evo-devo para la generación y optimización de estructuras complejas. Estos métodos también se han aplicado a la composición musical, donde la estructura musical se obtiene mediante un proceso iterativo que transforma una composición muy simple (compuesta por unas pocas notas) en una pieza completa y compleja (ya sea una partitura o un archivo MIDI). [12] [13]

Sistemas que aprenden

Los sistemas de aprendizaje son programas que no tienen un conocimiento determinado del género musical con el que están trabajando. En cambio, recopilan el material de aprendizaje por sí mismos a partir del material de ejemplo proporcionado por el usuario o el programador. Luego, el material se procesa en una pieza musical similar al material de ejemplo. Este método de composición algorítmica está fuertemente vinculado al modelado algorítmico del estilo, [14] la improvisación de máquinas y estudios como la ciencia cognitiva y el estudio de las redes neuronales . Assayag y Dubnov [15] propusieron un modelo de Markov de longitud variable para aprender continuaciones de motivos y frases de diferente longitud. Marchini y Purwins [16] presentaron un sistema que aprende la estructura de una grabación de audio de un fragmento de percusión rítmica utilizando agrupamiento no supervisado y cadenas de Markov de longitud variable y que sintetiza variaciones musicales a partir de él.

Sistemas híbridos

Los programas basados ​​en un único modelo algorítmico rara vez consiguen crear resultados estéticamente satisfactorios. Por ello, se suelen utilizar algoritmos de distintos tipos para combinar las ventajas y reducir las debilidades de estos algoritmos. La creación de sistemas híbridos para la composición musical ha abierto el campo de la composición algorítmica y ha creado también muchas formas nuevas de construir composiciones algorítmicamente. El único problema importante de los sistemas híbridos es su creciente complejidad y la necesidad de recursos para combinar y probar estos algoritmos. [17]

Otro enfoque, que puede denominarse composición asistida por ordenador , consiste en crear mediante algoritmos ciertas estructuras para finalmente obtener composiciones "hechas a mano". Ya en la década de 1960, Gottfried Michael Koenig desarrolló los programas informáticos Project 1 y Project 2 para música aleatoria , cuyo resultado se estructuraba de forma sensata "manual" mediante instrucciones de interpretación. En la década de 2000, Andranik Tangian desarrolló un algoritmo informático para determinar las estructuras de eventos temporales para cánones rítmicos y fugas rítmicas, [18] [19] que luego se elaboraron en composiciones armónicas Eine kleine Mathmusik I y Eine kleine Mathmusik II ; para partituras y grabaciones, véase. [20]

Véase también

Referencias

  1. ^ Manual de Oxford de música algorítmica. Oxford Handbooks. Oxford, Nueva York: Oxford University Press. 15 de febrero de 2018. ISBN 9780190226992.
  2. ^ Jacob, Bruce L. (diciembre de 1996). "La composición algorítmica como modelo de creatividad". Sonido organizado . 1 (3): 157–165. doi :10.1017/S1355771896000222. hdl : 1903/7435 . S2CID  15546277.
  3. ^ Papadopoulos, George; Wiggins, Geraint (1999). "Métodos de IA para la composición algorítmica: un estudio, una visión crítica y perspectivas futuras" (PDF) . Actas del Simposio sobre creatividad musical de la AISB'99, Edimburgo, Escocia : 110–117.
  4. ^ Davis, Hannah (2014). "Generación de música a partir de la literatura". Actas del taller de la EACL sobre lingüística computacional para la literatura : 1–10. arXiv : 1403.2124 . Bibcode :2014arXiv1403.2124D. doi :10.3115/v1/W14-0901. S2CID  9028922.
  5. ^ "Generar música a partir de texto".
  6. ^ Mauricio Toro, Carlos Agon, Camilo Rueda, Gerard Assayag. "GELISP: Un marco para representar problemas de satisfacción de restricciones musicales y estrategias de búsqueda". Revista de Tecnología de la Información Teórica y Aplicada 86 (2). 2016. 327–331.
  7. ^ Brown, Silas (1997). "Composición algorítmica y análisis reduccionista: ¿puede una máquina componer?". CamNotes . Cambridge University New Music Society . Consultado el 28 de octubre de 2016 .
  8. ^ Herremans, D .; Weisser, S.; Sörensen, K.; Conklin, D. (2015). "Generación de música estructurada para bagana utilizando métricas de calidad basadas en modelos de Markov" (PDF) . Expert Systems with Applications . 42 (21): 7424–7435. doi :10.1016/j.eswa.2015.05.043. hdl : 10067/1274260151162165141 .
  9. ^ Cunha, Nailson dos Santos; Anand Subramanian; Dorien Herremans (2018). "Generación de solos de guitarra mediante programación entera" (PDF) . Revista de la Sociedad de Investigación Operativa . 69 (6): 971–985. doi :10.1080/01605682.2017.1390528. S2CID  51888815.
  10. ^ Herremans, D. ; Sörensen, K. (2013). "Composición de música de contrapunto de quinta especie con un algoritmo de búsqueda de vecindad variable" (PDF) . Expert Systems with Applications . 40 (16): 6427–6437. doi :10.1016/j.eswa.2013.05.071.
  11. ^ Charles Fox 2006 Estructuras musicales jerárquicas genéticas ( Asociación Estadounidense para la Inteligencia Artificial )
  12. ^ Ball, Philip (2012). "Rapto algorítmico". Nature . 188 (7412): 456. doi : 10.1038/488458a .
  13. ^ Fernandez, JD; Vico, F (2013). "Métodos de IA en composición algorítmica: un estudio exhaustivo". Revista de investigación en inteligencia artificial . 48 : 513–582. arXiv : 1402.0585 . doi : 10.1613/jair.3908 .
  14. ^ S. Dubnov, G. Assayag, O. Lartillot, G. Bejerano, "Uso de métodos de aprendizaje automático para modelado de estilos musicales Archivado el 10 de agosto de 2017 en Wayback Machine ", IEEE Computers , 36 (10), págs. 73–80, octubre de 2003.
  15. ^ G. Assayag, S. Dubnov, O. Delerue, "Adivinando la mente del compositor: aplicando la predicción universal al estilo musical", en Actas de la Conferencia Internacional de Música por Computadora , Beijing, 1999.
  16. ^ Marchini, Marco; Purwins, Hendrik (2011). "Análisis no supervisado y generación de secuencias de percusión de audio". Explorando el contenido musical . Apuntes de clase en informática. Vol. 6684. págs. 205–218. doi :10.1007/978-3-642-23126-1_14. ISBN 978-3-642-23125-4.
  17. ^ Harenberg, Michael (1989). ¿Nueva música por la nueva tecnología? : Musikcomputer y análisis cualitativo para una nueva música. Kassel: Bärenreiter. ISBN 3-7618-0941-7.OCLC 21132772  .
  18. Tangian, Andranik (2003). «Construyendo cánones rítmicos» (PDF) . Perspectivas de la nueva música . 41 (2): 64–92 . Consultado el 16 de enero de 2021 .
  19. ^ Tangiano, Andranik (2010). "Construyendo fugas rítmicas (apéndice inédito a Construyendo cánones rítmicos )". IRCAM, Seminario MaMuX, 9 de febrero de 2002, Mosaïques et pavages dans la musique (PDF) . Consultado el 16 de enero de 2021 .
  20. ^ Tangiano, Andranik (2002-2003). "Eine kleine Mathmusik I y II". IRCAM, Seminario MaMuX, 9 de febrero de 2002, Mosaïques et pavages dans la musique . Consultado el 16 de enero de 2021 .

Lectura adicional

Enlaces externos