Ciertamente es una idea interesante. Voy a pasar por alto todos los detalles técnicos de cómo aislar, como usted lo llama, la variable “placer” en las exploraciones de FMRI, ya que no sé casi nada sobre tales cosas.
Sin embargo. Supongamos que tiene una pieza musical, y tiene un montón de marcas de tiempo y rangos de tiempo que su investigación muestra da placer a sus oyentes. El problema más interesante aquí es cómo usar estos datos.
Ahora sabe que ciertas partes de la música son agradables de escuchar, pero no sabe con certeza por qué o cómo. La causa podría ser una combinación de una gran cantidad de cosas. A la gente le gustan las gotas de bajo en dubstep. A la gente le gusta cuando el tema principal reaparece en la música clásica. A la gente le gustan los solos de guitarra en una canción de rock. Y así. El nivel de placer auditivo será muy alto en todos estos puntos, y será, en el mejor de los casos, un problema extraordinariamente difícil tratar de descubrir por qué son grandes momentos.
- ¿Se puede utilizar el aprendizaje automático para generar mapas de forma orgánica con solo usar datos de satélite de Google?
- ¿Cuáles son algunas buenas escuelas de investigación (PhD) para Inteligencia Artificial General (no Machine Learning)?
- ¿Cuál es la mejor manera de aprender a usar LDA (asignación de dirichlet latente) con Python?
- ¿Los modelos de aprendizaje automático en automóviles sin conductor utilizan aprendizaje supervisado, no supervisado o de refuerzo?
- Quiero aprender Python para el análisis de datos y el aprendizaje automático. ¿De dónde debería comenzar?
La anticipación y la resolución, por ejemplo, son responsables de crear muchos de estos momentos. Los contrastes dinámicos repentinos, las recapitulaciones triunfantes, las cadencias y todo tipo de otras herramientas disponibles para un compositor también pueden crear momentos brillantes. Pero tratar de determinar qué combinación de todos estos factores es responsable de una sección de música particularmente sorprendente (y cómo eso se traduce en que una pieza de música sea genial en su conjunto) con solo datos de “placer de escuchar” parece ser muy difícil y forma incorrecta de proceder con la composición algorítmica.
Como un ejemplo extremo, una acumulación muy tensa en el séptimo dominante que resuelve triunfante al tónico será, probablemente, uno de estos grandes momentos. Los datos mostrarán un aumento de placer con el tónico, pero si solo unes un montón de estos, no obtendrás esa respuesta porque no hay tensión. Incluso si reconoce que es la resolución la que está causando el pico (y esto se conocería a priori de todos modos) no obtendría la misma respuesta para unir un montón de progresiones VII – I juntas.
Lo que esperaría que ocurriera es esto: usted analiza todos estos datos y encuentra una gran cantidad de patrones que provocan el placer de los oyentes. Descubres que se correlacionan extremadamente bien con todas esas cosas que aprendes en teoría de la música y que han sido perfeccionados por generaciones de compositores.
En este punto, el problema más difícil es este: incluso si conoce todas estas reglas de la teoría de la música, tiene los datos para respaldarla, etc., ¿ puede hacer que una computadora genere música hermosa y emocional, sin haber tenido experiencias humanas, emociones, sentimientos, etc.
Esto está comenzando a aventurarse en territorio filosófico, así que me detendré ahora. Pero tal vez esto tenga un poco de sentido para ti. Y tal vez estoy completamente equivocado y este método desenterrará nuevas ideas sobre lo que hace una gran música. Esta es solo mi especulación de todos modos. ¿Por qué no darle una oportunidad?
