El Uso de la Inteligencia Artificial en la Música Está Volviéndose Cada Vez Más Sofisticado

La aplicación de la inteligencia artificial en la música ha estado aumentando durante unos años.   Como explica Kumba Sennaar, las tres aplicaciones actuales de la IA en la industria musical se encuentran en la composición musical, la transmisión de música y la monetización de la música, donde las plataformas de IA ayudan a los artistas a monetizar su contenido musical en función de los datos de la actividad del usuario.

Todo comenzó hace mucho, en 1957, cuando Learn Hiller y Leonard Issacson programaron a Illiac I para producir “Illiac Suite for String Quartet”, la primera obra completamente escrita por inteligencia artificial, y luego, 60 años después, se convirtió en álbumes completos como el álbum de Taryn Southern producido por Amper Music en 2017. Actualmente, Southern tiene más de 452 mil suscriptores en YouTube y “Lovesick”, una canción del álbum, fue escuchada y vista por más de 45.000 espectadores.

Pero desde entonces, la aplicación de la IA en este campo ha sido más sofisticada y se ha ramificado aún más. Open AI ha creado MuseNet, como explica la empresa, “una red neuronal profunda que puede generar composiciones musicales de 4 minutos con 10 instrumentos diferentes y combinar estilos desde country hasta Mozart y los Beatles. MuseNet no fue programada explícitamente con nuestra comprensión de la música, sino que descubrió patrones de armonía, ritmo y estilo al aprender a predecir el siguiente token en cientos de miles de archivos MIDI. MuseNet utiliza la misma tecnología general de aprendizaje no supervisado que GPT-2, un modelo de transformador a gran escala entrenado para predecir el siguiente token en una secuencia, ya sea audio o texto.”

Por otro lado, como informa GeekWire, entre otros, el Dr. Mick Grierson, científico informático y músico de Goldsmiths, Universidad de Londres, fue comisionado recientemente por el fabricante de automóviles italiano Fiat para producir una lista de las 50 canciones pop más icónicas utilizando algoritmos. Su software analítico se utilizó para “determinar qué hace que las canciones sean notables, incluyendo la clave, el número de pulsaciones por minuto, variedad de acordes, contenido lírico, variedad timbral y variación sonora.”

Según sus resultados, la canción que tenía la mejor combinación de los parámetros establecidos fue “Smells Like Teen Spirit” de Nirvana, por delante de “One” de U2 y “Imagine” de John Lennon. La canción de Nirvana se utilizó luego para promocionar el nuevo modelo FIAT 500 de FIAT. Grierson explicó que los algoritmos mostraron que ” los sonidos que estas canciones utilizan y la forma en que se combinan son altamente únicos en cada caso.”

Otra aplicación fue preparada por la biblioteca musicnn, que, como se explica, utiliza redes neuronales convolucionales profundas para etiquetar automáticamente canciones. Los modelos “que se incluyen logran las mejores puntuaciones en las evaluaciones públicas de benchmarks.” música (como en músico) y sus mejores modelos han sido lanzados como una biblioteca de código abierto. El proyecto ha sido desarrollado por el Grupo de Tecnología Musical de la Universitat Pompeu Fabra, ubicado en Barcelona, España.

En su análisis de la aplicación, Jordi Pons utilizó musicnn para analizar y etiquetar otra canción icónica, “Bohemian Rhapsody” de Queen. Notó que la voz cantada de Freddie Mercury fue etiquetada como una voz femenina, mientras que sus otras predicciones fueron bastante precisas. Hacer que musicnn esté disponible como código abierto permite refinar aún más el proceso de etiquetado.

Informando sobre el uso de la IA en la transmisión de música, Digital Music News concluye que “la introducción de tecnologías de inteligencia artificial y aprendizaje automático ha mejorado enormemente la forma en que escuchamos música. Gracias a los avances rápidos en la IA y tecnologías similares, es probable que veamos muchas mejoras futuristas en los próximos años.”