El trabajo de analizar la música desde su teoría y técnica puede llegar a niveles complejos en algunos casos. Con la ayuda de herramientas de inteligencia artificial es posible llegar a conclusiones más certeras, libres de sesgos humanos.
Apoyados en esa tesis, un equipo de investigación del Laboratorio de Música Digital y Cognitiva del Instituto Federal Suizo de Tecnología de Lausana (EPFL), desarrolló un modelo de aprendizaje automático no supervisado, entrenado para escuchar y categorizar más de 13.000 piezas de música clásica occidental.
Análisis sonoro en función de sus modos musicales
En particular, la mencionada herramienta desarrollada en el EPFL es capaz de identificar la presencia de los modos mayores y menores en estos registros sonoros.
Este criterio de análisis, más propio de la teoría musical, podría involucrar conceptos no dominados por aquellas personas que están menos familiarizadas con este tema. Sin embargo, intuitivamente, es más común el desarrollo de una perspectiva que nos permita, por lo menos diferenciar sonidos sombríos, tristes o tensos, lo que correspondería a una escala menor; así como también lo correspondiente a su contraparte, la escala mayor, que usualmente evoca sensaciones de felicidad o fuerza.
A lo largo de la historia, ha habido períodos en los que fueron utilizados varios otros modos además del mayor y menor, así como también, en otros casos resulta difícil encontrar una separación clara entre los modos.
Englobando los períodos musicales renacentista, barroco, clásico, romántico temprano y romántico tardío, desarrollados desde el siglo XV hasta el siglo XIX, esta herramienta fue creada con el fin de comprender y visualizar estas diferencias a lo largo del tiempo.
Hay casos como el de la música surgida con posterioridad al fin del período clásico, en el que la distinción de estos modos es más difusa. Por ejemplo, la música de Franz Liszt, correspondiente al período romántico tardío, dada su complejidad, no logró ser abordada bajo este criterio de análisis por los investigadores de este equipo.
Análisis mediante IA sin supervisión
En este caso, el experimento comenzó desde la base de dejar a la computadora que analizara los datos de manera autónoma, sin intervención humana.
En sí, este sistema de aprendizaje automático es mucho más difícil de implementar que uno supervisado, pero como modalidad tiene la ventaja de poder eliminar la posibilidad de que el análisis contemple etiquetas emitidas por humanos o que termine bajo la influencia de algún sesgo en particular.
De hecho, las 13.000 pistas que componen la base de datos analizada solamente proporcionan información sonora. Los audios ni siquiera metadatos contienen, para que el análisis sea únicamente bajo el enfoque señalado.
De acuerdo a lo reseñado por el equipo de investigación, los resultados de categorización obtenidos con aceptables y verosímiles desde un punto de vista cognitivo.
Esta iniciativa surge de la mano de un grupo de científicos melómanos que, a futuro, pretenden poner en práctica esta misma iniciativa, pero ahora enfocada en el jazz.
El detalle de estos resultados, más las conclusiones obtenidas tras el desarrollo de esta investigación, fueron recogidos por la revista Humanities and Social Sciences Communications. También, la misma institución educativa involucrada en este proyecto, publicó un artículo con más información.