Алгоритмічна композиція

Алгоритмічна композиція — це техніка використання алгоритмів для створення музики.

Алгоритми (або принаймні формальні набори правил) протягом століть використовувались для написання музики; наприклад, правила голосоведення у контрапунктах, часто можуть бути зведені до алгоритмічної визначеності. Термін може використовуватися для опису прийомів створення музики, які працюють без постійного втручання людини, наприклад, шляхом впровадження випадкових процедур.

Деякі алгоритми не мають безпосереднього стосунку до музичної творчості, проте використовуються композиторами як джерело натхнення, наприклад фрактали, статистичні моделі і навіть довільні дані (наприклад, дані перепису, координати ГІС або вимірювання магнітного поля) тощо.

Моделі алгоритмічної композиції

Залежно від характеру композиційних алгоритмів розрізняють:

1) музику, створену комп'ютером;

2) музику, створену за допомогою комп'ютера.

Музика може вважатися створеною комп'ютером, якщо в алгоритмі закладена можливість самостійно робити вибір в процесі створення.

Залежно від результатів процесу, розрізняють алгоритми, які:

1) генерують нотний текст (або послідовність MIDI), що може бути відтворений на іншому інструменті;

2) виконують синтез звуку (самостійно відтворюють композицію).

Існують алгоритми, які суміщають обидві моделі.

Існує можливість також класифікації алгоритмів за їх структурою і характером генерування даних:

• математичні моделі
• системи, засновані на знаннях
• граматики
• оптимізаційні підходи
• еволюційні методи
• системи, які навчаються
• гібридні системи

Моделі перекладу

Це підхід до синтезу музики, що ґрунтується на інтерпретації немузичної (неакустичної) інформації як музичної (акустичної). Переклад може виконуватися на основі правил або стохастично . Наприклад, при перекладі малюнка на звук зображення jpeg горизонтальної лінії може інтерпретуватися як звук постійної висоти, тоді як нахилена вгору лінія — як висхідний. Часто програмне забезпечення може шукати певні дані у середовищі та інтерпретуючи їх як ті чи інші властивості звуку, генерувати звуковий потік. Іншим прикладом є «перекладення» тексту на музику, коли програмне забезпечення намагається розпізнати закладені в тексті емоції, використовуючи методи машинного навчання, такі як аналіз настроїв, і представити ці емоції відповідними акордовими послідовностями, наприклад мінорними (якщо переважає сумний настрій) або мажорними (якщо переважає щасливий).

Математичні моделі

Математичні моделі базуються на математичних рівняннях та випадкових подіях. Найпоширеніший спосіб створення композицій за допомогою математики — це стохастичні процеси. У стохастичних моделях музика складається як результат недетермінованих методів. Композиційний процес лише частково контролюється композитором шляхом зважування можливостей випадкових подій. Видатними прикладами стохастичних алгоритмів є ланцюги Маркова та різні способи використання розподілів Гаусса. Стохастичні алгоритми часто використовуються разом з іншими алгоритмами в різних процесах прийняття рішень.

Музика також може складатися через вивчення природних явищ. Хаотичні моделі дозволяють створити композиції з гармонійних та негармонічних явищ природи. Наприклад, з 1970-х років фрактали вивчаються також як моделі алгоритмічного складу.

Наприклад, онлайн енциклопедія цілих послідовностей надає можливість відтворювати послідовності цілих чисел нотами в межах звичного 12-тонового рівномірно-темперованого строю (в межах 88 клавіш фортепіано, тобто, наприклад, послідовність чисел 123456 озвучуватиметься як хроматична гама в межах тритону).

Системи на основі знань

Одним зі способів створення композицій ґрунтується на вивченні естетичного коду певного музичного стилю та його використання для створення нових подібних композицій. Ці системи основані на підготовленому заздалегідь наборі аргументів (певних правил).

Граматика

Музику також можна розглядати як мову з набором правил граматики. Композиції створюються спочатку на основі музичної граматики, яка потім використовується для створення зрозумілих музичних творів. Подібні правила як правило стосуються організації музичних звуків на рівні гармонії та ритму.

Оптимізаційні підходи

Певні музичні стилі дозволяють розглядати музику як питання комбінаторної оптимізації відповідно до певної цільової функції. Ця цільова функція розглядається, як певний набір правил чи особливостей певного стилю, які можна вивчити, використовуючи методи машинного навчання, такі як моделі Маркова. Дослідники створили музику, використовуючи безліч різних методів оптимізації, включаючи цілочисельне програмування, пошук змінних мікрорайонів та еволюційні методи, про які йдеться у наступному підрозділі.

Еволюційні методи

Еволюційні методи композиції музики засновані на генетичних алгоритмах. Композиція будується засобами еволюційного процесу. Через мутацію та природний відбір, програма приходить до прийнятної музичної п'єси. Ітеративна дія алгоритму виключає невдалі рішення і створює нові з тих, які були визнані прийнятними. Результати процесу контролює критик, який є невід'ємною частиною процесу.

Підхід Evo-Devo

Еволюційні методи в поєднанні з процесами розвитку складають підхід evo-devo для створення та оптимізації складних структур. Ці методи були застосовані також до музичної композиції, де музична структура отримується ітераційним процесом, який перетворює дуже просту композицію (складену з декількох нот) у складний повноцінний твір (хай то партитура чи файл MIDI).

Системи навчання

Системи навчання — це програми, які не мають жодної наперед заданої інформації про музичний стиль, натомість самостійно її отримують зі зразка, наданого користувачем. Цей матеріал стає основою для музичного твору, подібного до прикладу. Цей метод алгоритмічної композиції тісно пов'язаний з алгоритмічним моделюванням стилю, машинною імпровізацією і такими дослідженнями, як когнітивна наука та вивчення нейронних мереж. Ассаяг та Дубнов запропонували Маркову модель змінної довжини для вивчення музичних мотивів та фраз різної довжини. Марчіні та Пурвінз представили систему, яка вивчає структуру аудіозапису ритмічного фрагмента перкусії, використовуючи ланцюги Маркова змінної довжини та кластеризації, що синтезує від нього музичні варіації.

Гібридні системи

Програми, засновані на єдиній алгоритмічній моделі, рідко досягають естетичних результатів. З цієї причини алгоритми різного типу часто використовуються разом для об'єднання сильних сторін та зменшення слабких сторін цих алгоритмів. Створення гібридних систем для композиції відкрило поле алгоритмічної композиції і створило також безліч нових способів алгоритмічної побудови композицій. Єдиною основною проблемою гібридних систем є їх зростаюча складність та потреба в ресурсах для комбінування та тестування цих алгоритмів.

Список літератури

1. . Oxford Handbooks. Oxford, New York: Oxford University Press. 15 лютого 2018. ISBN . Архів оригіналу за 25 липня 2020. Процитовано 23 березня 2020.
2. Jacob, Bruce L. (December 1996). Algorithmic Composition as a Model of Creativity. Organised Sound. 1 (3): 157—165. doi:10.1017/S1355771896000222.
3. Papadopoulos, George; Wiggins, Geraint (1999). (PDF). Proceedings from the AISB'99 Symposium on Musical Creativity, Edinburgh, Scotland: 110—117. Архів оригіналу (PDF) за 30 серпня 2017. Процитовано 23 березня 2020.
4. Davis, Hannah (2014). Generating Music from Literature. Proceedings of the EACL Workshop on Computational Linguistics for Literature: 1—10. arXiv:1403.2124. Bibcode:2014arXiv1403.2124D. doi:10.3115/v1/W14-0901.
5. . Архів оригіналу за 23 березня 2020. Процитовано 23 березня 2020.
6. . Архів оригіналу за 29 грудня 2018. Процитовано 14 травня 2019.
7. CamNotes. {{}}: Пропущений або порожній |title= ()
8. Herremans, D.; Weisser, S.; Sörensen, K.; Conklin, D (2015). Generating structured music for bagana using quality metrics based on Markov models (PDF). Expert Systems with Applications. 42 (21): 7424—7435. doi:10.1016/j.eswa.2015.05.043.
9. Cunha, Nailson dos Santos; Anand Subramanian; Dorien Herremans (2018). (PDF). Journal of the Operational Research Society. 69:6 (6): 971—985. doi:10.1080/01605682.2017.1390528. Архів оригіналу (PDF) за 15 лютого 2020. Процитовано 23 березня 2020.
10. Herremans, D.; Sörensen, K. (2013). Composing fifth species counterpoint music with a variable neighborhood search algorithm (PDF). Expert Systems with Applications. 40 (16): 6427—6437. doi:10.1016/j.eswa.2013.05.071.
11. Charles Fox 2006 Genetic Hierarchical Music Structures [ 21 січня 2021 у Wayback Machine.] (American Association for Artificial Intelligence)
12. Ball, Philip (2012). Algorithmic Rapture. Nature. 188 (7412): 456. doi:10.1038/488458a.
13. Fernandez, JD; Vico, F (2013). (PDF). Journal of Artificial Intelligence Research. 48: 513—582. doi:10.1613/jair.3908. Архів оригіналу (PDF) за 17 листопада 2016. Процитовано 23 березня 2020.
14. S. Dubnov, G. Assayag, O. Lartillot, G. Bejerano, «Using Machine-Learning Methods for Musical Style Modeling [ 10 серпня 2017 у Wayback Machine.]», IEEE Computers, 36 (10), pp. 73-80, Oct. 2003.
15. G. Assayag, S. Dubnov, O. Delerue, «Guessing the Composer's Mind: Applying Universal Prediction to Musical Style [ 12 листопада 2021 у Wayback Machine.]», In Proceedings of International Computer Music Conference, Beijing, 1999.
16. Marchini, Marco; Purwins, Hendrik (2011). Unsupervised Analysis and Generation of Audio Percussion Sequences. Exploring Music Contents. Lecture Notes in Computer Science. Т. 6684. с. 205—218. doi:10.1007/978-3-642-23126-1_14. ISBN .

Джерела

• Computer Music Algorithms by Dr.John Francis. Алгоритмічний комп'ютер для створення MIDI-файлів в різних стилях на основі C-коду. Включає 57 програм, 20 стилів, & 24 розділи.
• A Few Remarks on Algorithmic Composition [ 3 березня 2016 у Wayback Machine.] by Martin Supper. Computer Music Journal 25.1 (2001) 48-53
• COMPOSING WITH PROCESS: PERSPECTIVES ON GENERATIVE AND SYSTEMS MUSIC podcast [ 5 листопада 2019 у Wayback Machine.], .
• Automatic Composition from Non-musical Inspiration Sources [ 2 лютого 2014 у Wayback Machine.],
• Algorithmic Composition: Computational Thinking in Music [ 6 травня 2013 у Wayback Machine.] by Michael Edwards. Communications of the ACM, Vol. 54 No. 7, Pages 58–67 10.1145/1965724.1965742.

Література

• Phil Winsor and Gene De Lisa [ 23 березня 2020 у Wayback Machine.]: Computer Music in C. Windcrest 1990.
• Curtis Roads: The Computer Music Tutorial. MIT Press 1996
• Eduardo Reck Miranda: Composing Music with Computers. Focal Press 2001
• Karlheinz Essl: Algorithmic Composition. in: Cambridge Companion to Electronic Music, ed. by N. Collins and J. d'Escrivan, Cambridge University Press 2007. — . — Abstract [ 28 вересня 2017 у Wayback Machine.]
• Gerhard Nierhaus: Algorithmic Composition — Paradigms of Automated Music Generation. Springer 2008. —
• Wooller, Rene, Brown, Andrew R, Miranda, Eduardo, Diederich, Joachim, & Berry, Rodney (2005) A framework for comparison of process in algorithmic music systems. In: Generative Arts Practice, 5–7 December 2005, Sydney, Australia. [1] [ 23 березня 2020 у Wayback Machine.]
• A Functional Taxonomy of Music Generation systems [ 11 квітня 2019 у Wayback Machine.] by Dorien Herremans, Ching-Hua Chuang and Elaine Chew. ACM Computing Surveys, Vol. 55 No. 5, Pages 69:1-30 10.1145/3108242.

Посилання

• Вступ до алгоритмічної композиції Ліспа [ 12 листопада 2020 у Wayback Machine.] Відео вступ до алгоритмічної композиції з використанням мови програмування Lisp.
• Підручники [ 22 квітня 2021 у Wayback Machine.] з алгоритмічної композиції Серія навчальних посібників [ 22 квітня 2021 у Wayback Machine.] з алгоритмічною композицією.