Algo-Ritmos como diría Johansen
Un sistema computacional desarrollado para generar improvisaciones de jazz logró producir solos que algunos oyentes identificaron como interpretaciones humanas. El resultado forma parte de una investigación publicada en 2022 por Klaus Frieler y Wolf-Georg Zaddach, quienes diseñaron un modelo basado en algoritmos probabilísticos y lo sometieron a una prueba con aficionados y especialistas del género.
El estudio utilizó un modelo jerárquico de Markov que genera secuencias de notas a partir de progresiones armónicas. Para construir el sistema, los investigadores recurrieron a la Weimar Jazz Database, una colección con 456 solos interpretados por 78 músicos y registros que abarcan distintos periodos y estilos del jazz entre 1925 y 2009. La base contiene más de 200 mil eventos sonoros y miles de frases musicales anotadas.
El algoritmo incorpora información sobre melodía, ritmo y armonía. Divide las improvisaciones en unidades de corta duración y utiliza el llamado Weimar Bebop Alphabet, un sistema que clasifica pequeños movimientos melódicos en categorías como escalas, arpegios, repeticiones, trinos y aproximaciones. Después combina esas estructuras mediante probabilidades obtenidas de las transcripciones almacenadas en la base de datos.
La investigación de Frieler y Zaddach forma parte de una historia más amplia. Los primeros intentos de componer música mediante computadoras se remontan a 1959, cuando Lejaren Hiller y Leonard Isaacson desarrollaron la ILLIAC Suite. Desde entonces se han utilizado modelos de reglas, algoritmos genéticos, cadenas de Markov, redes neuronales y sistemas basados en agentes para producir material musical.
El jazz presenta un problema específico para estos sistemas. La improvisación requiere decisiones sobre notas, ritmo, articulación, dinámica, timbre y microtiempo. En una ejecución en vivo también interviene la interacción entre músicos. El saxofonista puede modificar una frase según lo que escucha del piano, el contrabajo o la batería. La respuesta puede cambiar durante la interpretación.
Ken Weiner abordó esta dificultad en un artículo publicado por Scientific American bajo el título Machines Can Create Art, but Can They Jam? El autor, músico de jazz y especialista en inteligencia artificial, señaló que los sistemas existentes podían generar música, pero tenían dificultades para reproducir las condiciones de una jam session. La tecnología debía interpretar sonidos en tiempo real, reconocer señales visuales, procesar la acústica del espacio y responder a otros intérpretes.
Uno de los ejemplos mencionados por Weiner es DeepJazz, un proyecto desarrollado en 2016 por Ji-Sung Kim. El sistema generaba variaciones para piano a partir de un archivo MIDI de And Then I Knew, una composición de Pat Metheny. El modelo utilizaba redes neuronales recurrentes y herramientas de aprendizaje automático.
DeepJazz podía producir melodías con características reconocibles del jazz, aunque su entrenamiento a partir de una sola pieza limitaba el alcance de los resultados. Además, el material original, interpretado por guitarra, bajo, batería y teclado, era reducido a una salida para piano. La reproducción de instrumentos de viento presentaba otra dificultad debido al control continuo del sonido.
Roger Dannenberg, profesor de informática en Carnegie Mellon y trompetista de jazz, explicó que instrumentos como el saxofón y la trompeta permiten variaciones de vibrato, afinación, ataque y otros recursos expresivos difíciles de representar mediante modelos centrados únicamente en las notas. Para una computadora, tocar una nota y decidir cómo ejecutarla son problemas diferentes.
El experimento de Frieler y Zaddach permitió medir parte de esa dificultad. Los investigadores presentaron 14 solos a 41 participantes, de los cuales 29 fueron clasificados como expertos en jazz según sus respuestas. Entre los materiales había solos generados por el algoritmo, interpretaciones de estudiantes y grabaciones asociadas con Charlie Parker, Miles Davis y Sonny Rollins.
Los resultados mostraron que los expertos identificaron correctamente los solos generados por computadora en 64.4 por ciento de los casos. En los participantes sin ese nivel de especialización, la precisión fue de 41.7 por ciento. Para los solos humanos, los expertos alcanzaron 53.6 por ciento y los no expertos 44.7 por ciento.
Una versión editada del solo artificial consiguió confundir a los participantes con mayor frecuencia. Su precisión global de identificación como pieza humana fue de 44 por ciento. Entre los oyentes no expertos llegó a 18 por ciento, mientras que los expertos alcanzaron 53 por ciento. El resultado mostró la influencia de la interpretación sobre la percepción del origen de una pieza.
El estudio también encontró que los participantes valoraban peor algunas versiones MIDI de interpretaciones humanas. El cambio de sonido y la pérdida de características expresivas podían provocar que una interpretación humana fuera percibida como artificial. El problema no estaba únicamente en las notas. El timbre, la articulación, la dinámica y el microtiempo modificaban la valoración del solo.
Weiner llegó a una conclusión relacionada con estos obstáculos. Los sistemas de inteligencia artificial podían generar material musical, pero todavía tenían problemas para reproducir el swing, la expresividad y la interacción espontánea de una interpretación colectiva. Frieler y Zaddach también señalaron que su modelo tenía limitaciones en el tratamiento del ritmo y no incorporaba algunos procedimientos utilizados habitualmente por los improvisadores.
La investigación plantea además un problema para evaluar el jazz generado por computadora. Identificar el origen de un solo puede depender de cuánto le gusta al oyente. En el experimento, los investigadores encontraron indicios de un sesgo contra la música generada por computadora. El conocimiento de que se trataba de una prueba sobre inteligencia artificial podía influir en las respuestas.
Los autores proponen continuar el desarrollo del modelo y mejorar los métodos de evaluación. Entre las posibilidades plantean utilizar interpretaciones humanas de solos generados por computadora, desarrollar sistemas capaces de producir ejecuciones naturales y realizar pruebas con grandes grupos de oyentes.
Por ahora, los algoritmos pueden construir líneas melódicas sobre progresiones de acordes y producir solos que generan dudas sobre su procedencia. La investigación de Frieler y Zaddach establece que esa capacidad puede medirse mediante pruebas auditivas, mientras que el trabajo de Weiner señala los problemas técnicos que permanecen en la improvisación de jazz con inteligencia artificial.
