apprendimento automatico musica

Un sistema di apprendimento automatico in grado di svelare i segreti dei grandi compositori del passato. MusicNet è la nuova sfida nel campo dell’intelligenza artificiale applicata alla musica

La macchina impara dall’uomo i processi creativi. Si chiama apprendimento automatico ed è alla base dell’evoluzione dell’intelligenza artificiale. Questo aspetto dell’evoluzione tecnologica, oltre ad aprire una serie di interrogativi sul futuro dell’uomo, è anche un metodo valido per comprendere i meccanismi della creatività umana.

Perchè proprio la musica? Tra tutti contenuti e i linguaggi creati dall’uomo, i segreti delle composizioni musicali sembrano affascinare gli scienziati più del resto. D’altronde la creazione di musica raccoglie una summa di fattori che impegnano il cervello a livello di intelligenza, sensibilità, destrezza e fantasia. Materie che non possono non interessare chi vuole realizzare una qualche forma di intelligenza artificiale. L’obiettivo non è quindi rubare il lavoro ai musicisti e nemmeno giocare. Questi studi servono a creare applicazioni e sistemi che nel futuro serviranno in tutti i settori dell’industria.

Musica e intelligenza artificiale

Ecco perchè nella sfida concorrono le più grandi società al mondo. C’è Google con il progetto Magenta rivolto ad artisti, programmatori e creativi. Ma c’è anche la FlowMachine sviluppata nei laboratori della Sony dedicata alla comprensione dei successi della musica pop. Il nuovo progetto di machine learning chiamato MusicNet invece è dedicato ai grandi compositori del passato. Il software sviluppato dall’Università di Washington serve a comprendere la struttura delle composizioni musicali classiche, ma non solo. Può persino anticipare le note di una registrazione, o completare una composizione nel caso si tratti di un brano incompiuto.

Tanto interesse sui meccanismi creativi della musica può essere anche dovuto al fatto che i ricercatori non amano le cose semplici. Etichettare la musica è molto più complicato che non la scrittura o le immagini. Il tempo scorre e la durata di ogni singola nota si intreccia con l’altezza, il timbro e altri mille parametri. Come fare? Utilizzando una una tecnica chiamata dynamic time warping, in una prima fase di apprendimento MusicNet ha analizzato 330 registrazioni di musica classica trascrivendo passaggi e strutture dei brani annotando un totale di oltre 1 milione di tag. Successivamente il processo musicale è stato trasformato in algoritmi che non solo riconoscono, ma sono anche in grado di creare musica sulla base di queste esperienze di ascolto.

Cosa serve l’apprendimento automatico

I ricercatori sostengono che mai prima d’ora era stato possibile analizzare in modo così dettagliato delle composizioni musicali. Pur trattandosi di ricerche nell’ambito dell’intelligenza artificiale, non mancano di sottolineare anche le opportunità artistiche del loro progetto. I compositori a corto di idee ad esempio potrebbero trovare un valido assistente capace di inventare nuove melodie o completare brani autonomamente. Non c’è da avere paura. Gli scienziati sostengono che la capacità di comprensione delle macchine darà più potere all’artista.

Nello stesso modo sistemi come MusicNet possono semplificare la vita a chi suona. Ad esempio trascrivendo automaticamente in una partitura scritta le performance musicali eseguite dal vivo. In questo caso il tasso di errore stimato è del 4%. Oltre ad identificare le note la macchina riesce a classificare gli strumenti utilizzati in una registrazione. Ma è nel completamento delle opere che per appassionati e storici musicali si compirebbe un mezzo miracolo. Una prova di questo genere è stata fatto con una incompiuta di Bach.

La possibilità di classificare i brani musicali in modo così dettagliato potrebbe anche servire ai servizi di musica in streaming per raccomandare brani simili a quelli preferiti. Per orientarsi tra i milioni di brani disponibili in abbonamento, attualmente i sistemi per la ricerca di nuova musica sono basati solo sul filtraggio collaborativo o sui metadati che comprendono ad esempio il nome dell’artista e i tag di genere. Siamo solo all’inizio. È inutile negare che l’apprendimento automatico aprirà nuovi orizzonti anche al cervello umano. O almeno così ci auguriamo.