Un metodo statistico per catturare gli stili musicali
Il modello, messo a punto dalla Sapienza nell’ambito di un team di ricerca internazionale, è utilizzabile anche per generare artificialmente brani musicali evitando i fenomeni di plagio. La ricerca è pubblicata su Scientific Reports
Dai principi statistici a un nuovo metodo per l’individuazione delle strutture principali delle melodie musicali. È la scoperta di un team di ricerca internazionale, di cui fanno parte Vittorio Loreto e Francesca Tria di Sapienza Università di Roma, che ha dimostrato come un nuovo metodo, sia in grado di identificare le strutture di associazione fondamentali in una sequenza musicale. Il modello è utilizzabile anche per generare artificialmente brani musicali con lo stesso stile, evitando però i fenomeni di plagio.
La musica è un sistema formato da un complesso network di componenti interagenti tra loro, le note, equiparabili ai neuroni del sistema nervoso; la statistica, attraverso il metodo del calcolo delle probabilità, è in grado di individuare le relazioni esistenti tra le note e guidare nella composizione algoritmica di nuove melodie.
La sfida del gruppo di ricerca è stata quella di individuare un modello, quello della Maximum Entropy, per la determinazione di distribuzioni di probabilità a partire da informazioni “parziali”, capace ugualmente di generare nuove melodie che abbiano gli stessi elementi stilistici del brano di riferimento.
Data una sequenza di elementi, in questo caso le note, si può determinare per ogni coppia di note “x” e “y”, la probabilità che “x” sia seguito da “y”; da questo insieme di probabilità si può ricavare, mediante elaborazione digitale, una sequenza casuale che mantiene le stesse probabilità: a partire da un dato corpus di brani il metodo è in grado di generare, mediante uno specifico algoritmo, brani musicali con lo stesso stile del corpus di riferimento.
“Per evitare il plagio – spiega Vittorio Loreto, professore di Fisica alla Sapienza – utilizziamo un particolare algoritmo che permette di limitare la lunghezza delle sequenze “copia” nei brani generati artificialmente. Mediante l’uso di algoritmi di compressione possiamo in seguito verificare sia la vicinanza della nuova composizione al corpus di riferimento, sia il grado di plagio. In tal modo si riesce a controllare il bilancio tra innovazione e similarità.”
“La sua generalità – aggiunge Loreto – dà al nostro modello maggiore libertà nella creazione di nuove melodie che riecheggino lo stile di un dato corpus di brani e apre una serie di applicazioni sia in ambito musicale (per affrontare questioni relative al ritmo, alla polifonia e all’espressività) sia in altri ambiti (ad esempio il linguaggio o l’arte) in cui gli elementi stilistici e creativi rappresentano elementi cruciali, inserendosi nel grande dibattito sulla creatività artificiale e sulle interazioni creative tra umani e macchine.”
Riferimenti:
Maximum entropy models capture melodic styles – Jason Sakellariou, Francesca Tria, Vittorio Loreto &Francois Pachet
Doi:10.1038/s41598-017-08028-4
Testo da Settore Ufficio stampa e comunicazione SAPIENZA Università di Roma
Lezione di musica da un’idria a figure rosse di Phintias, da Vulci, 510 a. C. circa. Da Wikipedia, Pubblico Dominio, caricata e di Bibi Saint-Pol.
