Aprendizaje automático para analizar y clasificar piezas de música clásica

El trabajo de analizar la música desde su teoría y técnica puede llegar a niveles complejos en algunos casos. Con la ayuda de herramientas de inteligencia artificial, es posible llegar a conclusiones más certeras, libres de sesgos humanos.

A partir de esta tesis, un equipo de investigación del Laboratorio de Música Digital y Cognitiva del Instituto Federal Suizo de Tecnología en Lausana (EPFL) desarrolló un modelo de aprendizaje automático no supervisado capacitado para escuchar y categorizar más de 13.000 piezas de música clásica occidental.

Analisis sonoro en funcion de sus modos musicales

En particular, la mencionada herramienta desarrollada en la EPFL es capaz de identificar la presencia de los mismos. modos mayores y menores en estos registros sonoros.

Este criterio de análisis, más propio de la teoría musical, podría implicar conceptos no dominados por aquellas personas menos familiarizadas con este tema. Sin embargo, intuitivamente, es más común el desarrollo de una perspectiva que nos permiten, por lo menos diferenciar sonidos sombríos, tristes o tensos, lo que correspondería a una escala menor; así como también lo correspondiente a su contraparte, la escala mayor, que suele evocar sensaciones de felicidad o fuerza.

A lo largo de la historia, ha habido períodos en los que se utilizaron varios otros modos además del mayor y menor, así como también, en otros casos resulta difícil encontrar una separación clara entre los modos.

Englobando los periodios musicales renacentistas, barrocos, clásicos, románticos tempranos y románticos tardíos, desarrollados desde el siglo XV hasta el siglo XIX, esta herramienta fue creada con el objetivo de comprender y visualizar estas diferencias a lo largo del tiempo.

Hay casos como el de la música surgida con posterioridad al final del periodo clásico, en el que la distinción de estos modos es más diffusa. Por ejemplo, la música de Franz Liszt, correspondiente al período romántico tardío, dada su complejidad, no pudo ser abordada bajo este criterio de análisis por los investigadores de este equipo.

Análisis mediate IA sin supervisión

En este caso, el experimento partió de la base de dejar a la computadora que analizara los datos de manera autónoma, sin intervención humana.

En sí, este sistema de aprendizaje automático es mucho más difícil de implementar que uno supervisado, pero como modalidad tiene la ventaja de poder eliminar la posibilidad de que el análisis considere etiquetas emitidas por humanos o que acabe bajo la influencia de algún sesgo en particular.

De hecho, las 13.000 pistas que componen la base de datos analizada solo aportan información sonora. Los audios ni siquiera contienen metadatos, por lo que el análisis se centra únicamente en la señal.

Según los resultados reportados por el equipo de investigación, los resultados de categorización obtenidos son aceptables y comprobables desde el punto de vista cognitivo.

Esta iniciativa surge de la mano de un grupo de científicos amantes de la música que, en un futuro, pretenden poner en marcha esta misma iniciativa, pero ahora centrada en el jazz.

Los detalles de estos resultados, más las conclusiones obtenidas tras el desarrollo de esta investigación, fueron recogidos por la revista Humanidades y Ciencias Sociales Comunicaciones. También, la misma institución educativa involucrados en este proyecto, publicó un artículo con más información.