Composición algorítmica - Algorithmic composition

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 voz líder 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 de música que se ejecutan sin la 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 completamente centrado en el ser humano para la composición algorítmica.

Los compositores utilizan algunos algoritmos o datos que no tienen relevancia musical inmediata como inspiración creativa para su música. Se han utilizado como materiales de origen algoritmos como fractales , sistemas L , modelos estadísticos e incluso datos arbitrarios (por ejemplo , cifras de censos , coordenadas GIS o mediciones de campos magnéticos ).

Modelos de composición algorítmica

Los algoritmos de composición generalmente se clasifican según las técnicas de programación específicas que utilizan. Los resultados del proceso se pueden dividir en 1) música compuesta por computadora y 2) música compuesta con la ayuda de la computadora. La música se puede considerar compuesta por computadora cuando el algoritmo es capaz de tomar decisiones por sí mismo 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 misma). También hay algoritmos que crean datos de notación y síntesis de sonido.

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

  • modelos traslacionales
  • modelos matemáticos
  • sistemas basados ​​en el conocimiento
  • gramáticas
  • enfoques de optimización
  • métodos evolutivos
  • sistemas que aprenden
  • sistemas híbridos

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 basarse en reglas o estocástica . Por ejemplo, al traducir una imagen en sonido, una imagen jpeg de una línea horizontal puede interpretarse en 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 altura o sentimiento) y aplicar la información extraída para generar canciones utilizando las formas en que la teoría musical típicamente representa esos conceptos. Otro ejemplo es la traducción de texto a música, que puede acercarse a la composición extrayendo el sentimiento (positivo o negativo) del texto utilizando métodos de aprendizaje automático como el análisis de sentimiento y representa ese sentimiento en términos de calidad de acordes como menor (triste) o mayor ( happy) acordes 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 es controlado solo parcialmente 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 se utilizan a menudo junto con otros algoritmos en varios procesos de toma de decisiones.

La música también se ha compuesto a través de fenómenos naturales. Estos modelos caóticos crean composiciones a partir de los fenómenos armónicos e inarmónicos de la naturaleza. Por ejemplo, desde la década de 1970, los fractales se han estudiado también como modelos de 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 configurado para convertir cada entero en una nota en un teclado musical de 88 teclas calculando el entero módulo 88, a un ritmo constante. Por lo tanto, 123456, los números naturales, es igual a la mitad de una escala cromática). Como otro ejemplo, la serie de todos los intervalos se ha utilizado para la composición asistida por ordenador

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 prefabricados que se pueden utilizar para componer nuevas obras del mismo estilo o género. Por lo general, esto se logra mediante un conjunto de pruebas o reglas que requieren cumplimiento para que la composición sea completa.

Gramáticas

La música también se puede examinar como un idioma 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, por lo que el objetivo es encontrar la combinación correcta de notas de manera que se minimice la función objetivo. Esta función objetivo normalmente contiene reglas de un estilo particular, pero se puede aprender utilizando métodos de aprendizaje automático como los modelos de Markov. Los investigadores han generado música utilizando una gran variedad de métodos de optimización diferentes, incluida la programación de enteros, la búsqueda de vecindad variable y los métodos evolutivos, como se menciona en la siguiente subsección.

Métodos evolutivos

Los métodos evolutivos de componer música se basan en algoritmos genéticos . La composición se está construyendo mediante un proceso evolutivo . A través de la mutación y la selección natural , diferentes soluciones evolucionan hacia una pieza musical adecuada. La acción iterativa del algoritmo elimina las malas soluciones 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 los 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 (hecha de unas pocas notas) en una pieza compleja y completa (ya sea una partitura o un archivo MIDI). ).

Sistemas que aprenden

Los sistemas de aprendizaje son programas que no tienen conocimiento del género musical con el que están trabajando. En su lugar, 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 de estilo, la improvisación de máquinas y estudios como la ciencia cognitiva y el estudio de las redes neuronales . Assayag y Dubnov propusieron un modelo de Markov de longitud variable para aprender continuaciones de motivos y frases de diferente longitud. Marchini y Purwins presentaron un sistema que aprende la estructura de una grabación de audio de un fragmento de percusión rítmica utilizando agrupaciones no supervisadas y cadenas de Markov de longitud variable y que sintetiza variaciones musicales a partir de ellas.

Sistemas híbridos

Los programas basados ​​en un solo modelo algorítmico rara vez logran crear resultados estéticamente satisfactorios. Por esa razón, los algoritmos de diferente tipo a menudo se usan juntos para combinar las fortalezas y disminuir 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.

Otro enfoque, que se puede llamar composición asistida por computadora , es crear algorítmicamente ciertas estructuras para finalmente 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 , cuya producción se estructuraba con sensatez "manualmente" mediante instrucciones de ejecución. En la década de 2000, Andranik Tangian desarrolló un algoritmo informático para determinar las estructuras de eventos de tiempo para cánones rítmicos y fugas rítmicas, que luego se elaboraron en composiciones armónicas Eine kleine Mathmusik I y Eine kleine Mathmusik II ; para partituras y grabaciones ver.

Ver también

Referencias

Fuentes

Artículos

Otras lecturas

enlaces externos