Υπολογιστική Μουσικολογία

Τον 20ο και 21ο αιώνα παρατηρείται ένα μεγάλο ενδιαφέρον εκ μέρους των συστηματικών μουσικολόγων για τη γλωσσολογία, την ψυχολογία, και την πληροφορική. Οι τρεις αυτές επιστήμες είναι απόλυτα συνδεδεμένες Γλωσσολογικά μοντέλα στη μουσική ανάλυση Ψυχολογικές προσεγγίσεις, πειράματα και γνωσιακά μοντέλα Υπολογιστικές μέθοδοι στη μουσική ανάλυση Υπολογιστικά μοντέλα στη σύνθεση και τον αυτοσχεδιασμό

Γιατί Υπολογιστική Μουσικολογία; Με τη χρήση του υπολογιστή είναι δυνατόν να γίνουν αναλύσεις πολλών δεδομένων, π.χ. μεγάλων μουσικών σωμάτων, που δεν ήταν δυνατό να γίνουν από τον άνθρωπο. Με την ανάπτυξη του τομέα της Τεχνητής Νοημοσύνης, ένα υπολογιστικό σύστημα θεωρείται νοήμον όταν επιδεικνύει νοήμονα συμπεριφορά. Μέσα στη νοήμονα συμπεριφορά είναι και η μουσική κατανόηση, ανάλυση και σύνθεση. Είναι ενδιαφέρον για τους μουσικολόγους, αν ένα σύστημα μπορεί να επιδείξει μουσική συμπεριφορά. Έτσι τίθενται ερωτήματα για το τι σημαίνει μουσική νόηση (musical intelligence).

Γιατί Υπολογιστική Μουσικολογία; (2) Με τη βοήθεια της πληροφορικής, μπορούμε να έχουμε μια πιο ¨αντικειμενική” μέθοδο ανάλυσης της μουσικής, ένα σημείο που προσπάθησε να κάνει και ο Ρουβέ και Νατιέ. Με τη βοήθεια της πληροφορικής μπορούμε να τυποποιήσουμε μία αναλυτική διαδικασία, δημιουργώντας το υπολογιστικό μοντέλο της. Έτσι δεν υπάρχουν “μαγικά βήματα” στη διαδικασία. Ο αναλυτής δεν χάνει το ρόλο του, απλά βοηθιέται στο να τυποποιήσει την αναλυτική του διαδικασία. Σε συνδυασμό με την γνωσιακή ψυχολογία, η πληροφορική μπορεί να δημιουργήσει υπολογιστικά μοντέλα των ανθρώπινων γνωσιακών διεργασιών – στην περίπτωσή μας, μουσικών γνωσιακών διεργασιών.

Και ο αναλυτής; Όλα τα παραπάνω δεν σημαίνουν ότι ο άνθρωπος – μελετητής της μουσικής χάνει τη δική του φωνή. Αντιθέτως, με τη βοήθεια της πληροφορικής αποκτά νέα εργαλεία, μπορεί να τυποποιήσει μία μουσική διεργασία, και δουλεύοντας με τον υπολογιστή να φτάσει σε νέες ερμηνείες για τα μουσικά έργα. Η έννοια της αντικειμενικότητας μπορεί να φανεί προβληματική, μια που στη μουσική ανάλυση δεν μπορούμε να μιλάμε για αντικειμενικότητα. Το μόνο που μπορούμε να πούμε είναι ότι μία ανάλυση είναι σωστή βάσει κάποιων κριτηρίων που δηλώνονται από τον αναλυτή. Είναι γνωστό ότι μπορούν πολλές αναλύσεις να είναι καλές, ή σωστές, πάνω σε ένα μουσικό έργο. Τελικά, η χρήση του υπολογιστή βοηθά στο να κατανοήσουμε τα διάφορα μουσικά φαινόμενα, και να διατυπώσουμε μουσικές θεωρίες που δεν βασίζονται μόνο στη μέθοδο της ενδοσκόπησης (όπως κάνει η παραδοσιακή μουσική ανάλυση).

Υπολογιστική Μουσική (Computer music), μουσική πληροφορική (music informatics), ή υπολογιστική μουσικολογία (computational musicology)? Ο όρος υπολογιστική μουσική (η λέξη computer χρησιμοποιείται στον αγγλικό όρο ως επίθετο στη λέξη μουσική) περιλαμβάνει οποιαδήποτε εφαρμογή και χρήση υπολογιστή που έχει να κάνει με μουσική. Γι αυτό περιλαμβάνει και μουσική εκτέλεση μέσω υπολογιστή, αλγοριθμική σύνθεση, και όλες της εφαρμογές μουσικής τεχνολογίας που χρειάζεται υπολογιστής. Περιλαμβάνει επίσης και τον όρο μουσική πληροφορική. Ο όρος μουσική πληροφορική είναι πιο στενός από τον προηγούμενο, και δηλώνει ό,τι έχει σχέση με την επιστήμη της πληροφορικής στη μουσική. Αυτό σημαίνει την ιδιαίτερη μεθοδολογία και εφαρμογές τέτοιες που να υπάρχει μέσα τους πληροφορική. Ο όρος περιλαμβάνει και την υπολογιστική μουσικολογία. Ο όρος υπολογιστική μουσικολογία είναι ακόμα στενότερος. Περιλαμβάνει τις εφαρμογές της πληροφορικής στη μουσικολογία και όχι στη μουσική. Γι αυτό και έχει σχέση ως επί το πλείστον με μουσική ανάλυση. Αλλά και με ψηφιοποίηση αρχείων, και οποιαδήποτε εφαρμογή χρειάζεται γνώσεις μουσικής θεωρίας για να πετύχει. Για παράδειγμα, η expressive music performance για να πετύχει χρειάζεται γνώσεις μουσικής θεωρίας και ανάλυσης. Άρα ανήκει στην υπολογιστική μουσικολογία. Επίσης εδώ ανήκουν και θεωρητικά μοντέλα τα οποία μπορούν να χρησιμοποιηθούν για προγραμματισμό για κάποια εφαρμογή.

Υπολογιστική μουσικολογία Η υπολογιστική μουσικολογία έχει ως στόχο την ανάλυση και την κατανόηση όλων των μουσικών φαινομένων (π.χ. μουσικών έργων, ερμηνειών, θεωριών) και διεργασιών (π.χ. μουσική ακρόαση, ανάλυση, σύνθεση, αυτοσχεδιασμός, ερμηνεία), και τη δημιουργία νέων θεωριών για αυτά με τη βοήθεια αντίστοιχων υπολογιστικών μοντέλων.

Μερικά θέματα που μελετά η υπολογιστική μουσικολογία Πώς μπορεί να εξαχθεί η μουσική επιφάνεια (παρτιτούρα) από το ηχητικό σήμα; Πώς μπορούμε να διαχωρίσουμε τις φωνές ενός μουσικού έργου; Πώς μπορούμε να τεμαχίσουμε ένα μουσικό έργο σε μικρότερα τεμάχια πού να έχουν κάποιο νόημα; Πώς μπορούμε να κατηγοριοποιήσουμε τα τεμάχια σε κατηγορίες με βάση την ομοιότητά τους; Πώς μπορούμε να κατηγοριοποιήσουμε μουσικά έργα σε μουσικά σώματα; (π.χ. Πώς κατηγοριοπποιούμε μία μελωδία ως ελληνικό δημοτικό τραγούδι) Πώς μπορούμε να εναρμονίσουμε μία μελωδία ή ένα συνεχές βάσιμο; Πώς μπορούμε να αναλύσουμε τη μουσική δομή ενός έργου; Πώς μπορούμε να αναλύσουμε τα μοτίβα ενός έργου και τις μεταλλάξεις τους μέσα στο χρόνο; Πώς μπορούμε να αναλύσουμε την ιεραρχική δομή ενός έργου; (π.χ. Σενκεριανή ανάλυση)

Μερικά θέματα που μελετά η υπολογιστική μουσικολογία (2) Πώς μπορούμε να αναλύσουμε τη μουσική ερμηνεία ενός έργου με βάση τα μουσικά του στοιχεία; Πώς συνδέονται τα συναισθήματα με στοιχεία που υπάρχουν μέσα σε ένα μουσικό έργο; Πώς δημιουργείται μία μουσική σύνθεση με βάση κάποιο μουσικό υλικό, περιορισμούς και συγκεκριμένη διαδικασία; Πώς μπορούμε να ψηφιοποιήσουμε και να αναπαραστήσουμε τη μουσική πληροφορία;

Μέθοδοι: Αναπαράσταση γνώσης Σε οποιαδήποτε εφαρμογή υπολογιστικής μουσικολογίας το πρώτο σημαντικό βήμα είναι η αναπαράσταση γνώσης. Η αναπαράσταση σημαίνει να κωδικοποιήσουμε τη μουσική με τέτοιο τρόπο ώστε αφενός να γίνει κατανοητή από τον υπολογιστή, και αφετέρου να περιέχει όλη τη σημαντική πληροφορία που θα μας είναι απαραίτητη για την διαδικασία (ανάλυση, σύνθεση, κλπ) την οποία έχουμε επιλέξει. Συμβολικές αναπαραστάσεις: εξαγωγή από τη μουσική παρτιτούρα των μουσικών χαρακτηριστικών και ιδιοτήτων (για παράδειγμα τονικά ύψη, διαστήματα, μελωδικό περίγραμμα, ρυθμικές αξίες, μέτρο, κλπ). Οι αλληλουχίες νοτών μεταφράζονται σε αλληλουχίες αξιών στις διάφορες μουσικές παραμέτρους. Ένα άλλο σημαντικό θέμα στη μουσική αναπαράσταση είναι η αναπαράσταση όχι μόνο των νοτών αλλά και μουσικών τεμαχίων όπως μοτίβων, φράσεων, ή άλλων. Γίνεται κι εκεί εξόρυξη των ιδιοτήτων τους. Για παράδειγμα στο παραπάνω μουσικό τεμάχιο σολ-λα-σι-ντο, μπορούμε να πούμε ότι το μήκος του είναι 4 νότες, και το συνολικό μελωδικό του περίγραμμα είναι να ανεβαίνει

Μέθοδοι: Κανόνες Συστήματα που στηρίζονται σε κανόνες (Rule-based systems): Τα συστήματα που βασίζονται σε κανόνες, ή αλλιώς έμπειρα συστήματα, χρησιμοποιούν την αναπαράσταση γνώσης μαζί με κανόνες για να περιγράψουν ένα μουσικό φαίνόμενο (π.χ. Ένα έργο) ή μία μουσική διεργασία (π.χ. Εναρμόνιση). Τέτιοι κανόνες μπορούν να έχουν τη φόρμα Εάν --> Τότε (If then rules). Παραδείγματα είναι τα ακόλουθα: Εάν υπάρχει προσαγωγέας, τότε η επόμενη νότα είναι η τονική. Εάν είναι τέλος της φράσης, τότε υπάρχει πτώση. Εάν υπάρχει παύση, τότε ξεκινά αμέσως μετά νέο τεμάχιο. Ο Κεμάλ Εμπσιόγλου (Ebcioglu, XXXX) δημιούργησε ένα τέτοιο σύστημα με πολλούς κανόνες για την εναρμόνιση των Χωρικών του Μπαχ. Το σύστημα θεωρήθηκε επιτυχημένο μια που οι εναρμονίσεις του ήταν εξ΄ίσου καλές με αυτές ενός φοιτητή μουσικής..

Μέθοδοι: Μηχανική Μάθηση Η μηχανική μάθηση είναι μια περιοχή της τεχνητής νοημοσύνης η οποία αφορά αλγορίθμους και μεθόδους που επιτρέπουν στους υπολογιστές να «μαθαίνουν». Αυτό σημαίνει ότι οι υπολογιστές μπορούν να εξάγουν πληροφορίες από παραδείγματα, να γενικεύσουν, και να αποκτήσουν νέα γνώση που δεν είχαν αρχικά. Η μηχανική μάθηση επικαλύπτεται σημαντικά με τη στατιστική, αφού και τα δύο πεδία μελετούν την ανάλυση δεδομένων. Εξόρυξη δεδομένων (ή ανακάλυψη γνώσης από βάσεις δεδομένων) είναι η εξεύρεση μιας (ενδιαφέρουσας, αυτονόητης, μη προφανής και πιθανόν χρήσιμης) ή προτύπων από μεγάλες βάσεις δεδομένων με χρήση αλγορίθμων. Στόχος της εξόρυξης δεδομένων είναι η πληροφορία που θα εξαχθεί και τα πρότυπα που θα προκύψουν να έχουν δομή κατανοητή προς τον άνθρωπο έτσι ώστε να τον βοηθήσουν να πάρει τις κατάλληλες αποφάσεις. Ο πραγματικός στόχος της εξόρυξης δεδομένων είναι η αυτόματη ή ημιαυτόματη ανάλυση μεγάλων ποσοτήτων δεδομένα για την εξαγωγή κάποιου ενδιαφέροντος προτύπου που ήταν άγνωστο μέχρι εκείνη τη στιγμή, όπως για παράδειγμα εξαγωγή προτύπων από μεγάλες μουσικές βάσεις δεδομένων.

Μέθοδοι: Γνωσιακή- υπολογιστική μοντελοποίηση Η γνωσιακή μοντελοποίηση με υπολογιστή δημιουργεί πιθανά μοντέλα γνωσιακής λειτουργίας, δηλαδή εφαρμογές γνωσιακών θεωριών. Μία θεωρία σπάει (decompose) σε έναν αριθμό επιπέδων, και αυτά σε υπο-επίπεδα, κ.ο.κ., μέχρι να μπορεί να γραφεί ένα πρόγραμμα (εφαρμογή) που να περιγράφει τη διαδικασία. Αυτό είναι πολύ χρήσιμο για να τεστάρει μία γνωσιακή θεωρία, και να δει εάν υπάρχουν “μαγικά βήματα” (δηλαδή βήματα που δεν μπορούν να εξηγηθούν) στη διαδικασία. Έτσι η θεωρία μοντελοποιείται και είναι explicit. Μπορούν να υπάρξουν πάνω από ένα μοντέλα για μία θεωρία. Σε αυτό το σημείο η υπολογιστική μουσικολογία συναντά τη γνωσιακή μουσικολογία. Πάνω απ΄όλα όμως πρέπει να θυμόμαστε ότι η υπολογιστική μουσικολογία είναι στη βάση της μουσικολογία, και αποτελεί μέρος της συστηματικής μουσικολογίας. Έχει παρόμοιους στόχους με τη συστηματική μουσικολογία και προσφέρεις νέες μεθοδολογίες, εργαλεία και πιθανές εφαρμογές που μέχρι τώρα δεν ήταν δυνατά. Επίσης προσφέρει μία πιο αντικειμενική μεθοδολογία (στο βαθμό που αυτό είναι εφικτό), προωθώντας τον μουσικολόγο – αναλυτή να ακολουθεί τυπικές και καλά διατυπωμένες διαδικασίες, να διατυπώει σαφή κριτήρια, και να μην περικλείει μαγικά βήματα στην αναλυτική διαδικασία (και πάλι στο βαθμό που αυτό είναι εφικτό).

Υπολογιστική μουσική ανάλυση Δύο μεγάλες κύριες κατηγορίες μεθόδων – εφαρμογών: Κατηγοριοποίηση  Έργων, τραγουδιών, κλπ σε κατηγορίες – είδη  Τεμαχίων μέσα στο μουσικό έργο (παραδειγματική ανάλυση) Εξόρυξη (ανακάλυψη) προτύπων  Σε μεγάλο αριθμό έργων – τι χαρακτηρίζει το κάθε είδος;  Μέσα σε ένα έργο (μοτιβική ανάλυση) Συχνά με μεθόδους μηχανικής μάθησης

Αναπαράσταση γνώσης στην ΥΜΑ Ιεραρχική αναπαράσταση (CHARM) Αναπαράσταση με χαρακτηριστικές ιδιότητες της μουσικής (Multiple viewpoint formalism) HUMDRUM – Kern Άλλες αναπαραστάσεις από MIDI Άλλες αναπαραστάσεις από ηχητικό σήμα Εφαρμογές: Κυρίως κατηγοριοποίηση και ανακάλυψη προτύπων

Σύστημα αναπαράστασης CHARM event(number, pitch, duration, other features). constituent (number, notes it includes, other segmental features) constituent(number, constituents it includes, other segmental features) Constituents σε πολλά επίπεδα Ιεραρχική αναπαράσταση της μουσικής

HUMDRUM In the music of Stravinsky, are dissonances more common in strong metric positions than in weak metric positions? In Urdu folk songs, how common is the so- called "melodic arch" -- where phrases tend to ascend and then descend in pitch? What are the most common fret-board patterns in guitar riffs by Jimi Hendrix? Which of the Brandenburg Concertos contains the B-A-C-H motif? Which of two different English translations of Schubert lyrics best preserves the vowel coloration of the original German? Did George Gershwin tend to use more syncopation in his later works? After the V-I progression, which harmonic progression is most apt to employ a suspension? How do chord voicings in barbershop quartets differ from chord voicings in other repertories? In what harmonic contexts does Händel double the leading-tone?

KERN Σύστημα αναπαράστασης Περιέχει 3 στοιχεία: νότες, διαστολές, παύσεις Notes can encode a variety of attributes including absolute pitch, accidental, canonical duration, articulation, ornamentation, ties, slurs, phrasing, stem-direction and beaming.

Παράδειγμα **kern αναπαράσταση !! J.S. Bach, Fugue 2 WTC Book I !! (3 parts), in c minor; BWV 847b **kern**kern**kern *M4/4*M4/4*M4/4 *MM72*MM72*MM72 *k[b-e-a-]*k[b-e-a-]*k[b-e-a-] *c: *c: *c: =1 =1 =1 1r 8r 1r. 16cc.. 16bn.. 8cc.. 8g.

Για την επόμενη φορά Βρείτε ένα παράδειγμα αρχείου KERN και εξηγείστε τι σημαίνει το κάθε σύμβολο. Συμβουλευτείτε το: