Forelesning 3 (MUS2860 / 4860 - vår 2004)
Kunstig intelligens og musikk
Forelesningsnotater i MUS4820 - Lydteori2 av Alexander Refsum Jensenius
Institutt for musikk og teater, Universitetet i Oslo
Introduksjon
Kunstig intelligens (Artificial Intelligence - AI) er ikke bare et stort fagområde i seg selv, men har etterhvert også blitt svært viktig som verktøy innen en rekke andre fag. Dette gjelder også forskjellige retninger innen musikkforskning: analyse, teori, syntese, komposisjon. Å kunne lage kunstige systemer som kjører på datamaskiner er interessant i seg selv for å effektivisere f.eks. analysearbeid, men det er også en av de beste måtene for å forstå mer av vår egen intelligens, altså hvordan hjernen fungerer.
Hva er intelligens?
|
|
Hjernen og nevroner
- Hjernen er bygget opp av en mengde små elementer kalt nevroner
- Hver av disse er en liten ?datamaskin? som kan gjøre en evaluering
- Hvert nevron er knyttet til mange andre med synaptisk vekting på hver kobling. Det er disse koblingene som ?inneholder? informasjonen.
- En samling av nevroner som er knyttet sammen kalles et nevralt nett
Hjernemålinger
- PET (Positron Emission Tomography)
- Måler ved å scanne forflytningen av injisert radioaktivt materiale.
- Effektiv metode, men ingen er sikre på bivirkningene...
- PET har vist at det er forskjellige deler som er aktive når man lytter til musikk eller tenker på musikk
- ERP (Event-Related Potential)
- Måler spenningsforskjeller ved hjelp av elektroder plassert rundt hodet.
- ERP målinger har vist at hjernen forventer ?logiske? sekvenser. Gir utslag ved irregularitet.
Gruppering - Gestaltprinsipper
Forskjellige typer kunstig intelligens
亚博娱乐官网_亚博pt手机客户端登录 på kunstig intelligens kan deles inn i flere forskjellige hovedkategorier:
- Regelbaserte, symbolske, "ekspert"-systemer
- Nevrale nettverk
- Genetiske algoritmer basert på evolusjon
Den sistnevnte kategorien er den nyeste, og skiller seg endel fra de to øverste. Den dreier seg om å lage kunstige systemer som utvikler seg evolusjonært, det vil si at den arver egenskaper fra de tidligere lagene ("foreldrene"). Utvelgelsen foregår på grunnlag av selektering av forskjellige parametre. I de siste årene har slike algoritmer blitt brukt endel innen komposisjon (f.eks. Eduardo Reck Miranda og Palle Dahlstedt).
I en mer generell diskusjon om kunstig intelligens og musikk er det mer relevant å gå inn på de to førstnevnte punktene og se litt på forskjellene mellom dem.
Symbolsk vs. Nevralt
|
|
Anbefalt litteratur:
- Dobrian, Chris. 1993. Music and Artificial Intelligence
- Miranda, Eduardo Reck: An Introduction to Music and Artificial Intelligence
- Toiviainen, Petri, and Tuomas Eerola. 2001. A Method for Comparative Analysis of Folk Music Based on Musical Feature Extraction and Neural Networks. Paper read at VII International Symposium on Systematic and Comparative Musicology, at Jyväskylä, Finland
Fordypning:
- Griffith, Niall, and Peter M. Todd, eds. 1999. Musical Networks. Parallel Distributed Perception and Performance. Cambridge, Massachusetts: The MIT Press.
- Gurney, Kevin. 2004. Computers and Symbols versus Nets and Neurons
- Leman, Marc. 1995. Music and Schema Theory. Edited by T. S. Huang, T. Kohonen and M. R. Schroeder, Spring Series in Information Sciences. Berlin: Springer.
- Leman, Marc, Micheline Lesaffre, and Koen Tanghe. 2001. Toolbox for Perception-Based Music Analysis - Concepts, Demos, and Reference Manual.
- Todd, Peter M., and D. Gareth Loy, eds. 1991. Music and Connectionism. Cambridge, Massachusetts: The MIT Press.
Eksempler:
- Toiviainen, Petri, and Tuomas Eerola: Self Organizing Map of the Essen Collection
- Neural Networks Research Centre, Helsinki: Example of application of the SOM: World Poverty Map
- Germano, Tom: Self Organizing Maps
Programvare:
- Stuttgart Neural Network Simulator (Java-program)
- Neunet Pro
- IPEM Toolbox (for Matlab)