L'IA riconosce i pianisti jazz dalla loro impronta musicale

L'intelligenza artificiale riesce a identificare i musicisti jazz riconoscendo l 'impronta che distingue le loro performance . Lo dimostra lo studio pubblicato sulla rivista Nature Machine Intelligence dai ricercatori dell'Università di Cambridge. I risultati potrebbero offrire nuovi spunti per l' attribuzione delle opere agli artisti, lo studio dello stile , la conservazione del patrimonio culturale e l' educazione musicale .

I musicisti sono spesso riconoscibili per schemi distintivi che ricorrono nelle loro composizioni e che possono includere progressioni armoniche , strutture ritmiche e motivi melodici . Il jazz offre l'opportunità di studiare queste 'impronte digitali' perché unisce composizione, improvvisazione ed esecuzione, elementi che possono essere particolarmente unici per ogni singolo interprete . Tuttavia, l'analisi computazionale del jazz è risultata finora complessa perché la maggior parte delle performance esiste solo in registrazioni audio e i modelli addestrati direttamente sull'audio possono risultare difficili da interpretare a causa di variabili quali l'ambiente di registrazione e il tipo di attrezzatura usata.

I ricercatori di Cambridge hanno addestrato modelli di IA basati sull' apprendimento supervisionato (che imparano cioè da esempi già classificati) per identificare gli esecutori a partire da 84 ore di registrazioni relative a 1.629 performance di 20 famosi pianisti jazz . Tra questi figuravano Bill Evans, Oscar Peterson, Thelonious Monk, Chick Corea, Keith Jarrett e Ahmad Jamal. Le registrazioni sono state convertite in formato Midi e rappresentate attraverso il cosiddetto 'piano roll', una visualizzazione digitale che indica quali note vengono suonate, quando e a quale altezza.

Il modello con le migliori prestazioni ha identificato gli esecutori con una precisione del 94,4% , mentre un modello più interpretabile, che separava melodia, armonia, ritmo e dinamica (ovvero le variazioni di intensità dell'esecuzione) ha raggiunto una precisione del 91,3%. Testati singolarmente, l'armonia ha fornito le previsioni più accurate, seguita da ritmo e melodia, mentre la dinamica è risultata la meno accurata.