L’uso dell’intelligenza artificiale nella musica sta diventando sempre più sofisticato

L’applicazione dell’intelligenza artificiale nella musica è in aumento da alcuni anni.   Come spiega Kumba Sennaar, le tre applicazioni attuali dell’AI nel settore musicale sono la composizione musicale, la streaming musicale e la monetizzazione musicale, dove le piattaforme AI aiutano gli artisti a monetizzare il loro contenuto musicale in base ai dati dell’attività degli utenti.

Tutto è iniziato nel 1957, quando Lejaren Hiller e Leonard Issacson hanno programmato l’Illiach I per produrre “Illiac Suite for String Quartet”, il primo lavoro completamente scritto da intelligenza artificiale. Poi, 60 anni dopo, si è passati a interi album come quello di Taryn Southern prodotto da Amper Music nel 2017. Attualmente, Southern ha oltre 452 mila iscritti su YouTube e “Lovesick”, una canzone dell’album, è stata ascoltata e visualizzata da oltre 45.000 utenti.

Ma da allora, l’applicazione dell’AI in questo campo è diventata più sofisticata e si è ramificata ulteriormente. Open AI ha creato MuseNet, come spiega l’azienda, “una rete neurale profonda che può generare composizioni musicali di 4 minuti con 10 strumenti diversi e può combinare stili da country a Mozart ai Beatles. MuseNet non è stato programmato esplicitamente con la nostra comprensione della musica, ma ha scoperto modelli di armonia, ritmo e stile imparando a prevedere il prossimo token in centinaia di migliaia di file MIDI. MuseNet utilizza la stessa tecnologia generale senza supervisione di GPT-2, un modello di trasformatore di grandi dimensioni addestrato a prevedere il prossimo token in una sequenza, sia audio che testo.”

D’altra parte, come riporta GeekWire, tra gli altri, il dottor Mick Grierson, scienziato informatico e musicista dell’Università di Londra, è stato recentemente incaricato dal costruttore automobilistico italiano Fiat di produrre un elenco delle 50 canzoni pop più iconiche utilizzando algoritmi. Il suo software di analisi è stato utilizzato per “determinare cosa rende le canzoni degne di nota, compresa la chiave, il numero di battiti per minuto, la varietà di accordi, il contenuto lirico, la varietà timbrica e la varianza sonora.”

Secondo i suoi risultati, la canzone che aveva la migliore combinazione dei parametri impostati era “Smells Like Teen Spirit” dei Nirvana, seguita da “One” degli U2 e “Imagine” di John Lennon. La canzone dei Nirvana è stata poi utilizzata da FIAT per promuovere il suo nuovo modello FIAT 500. Grierson ha spiegato che gli algoritmi hanno mostrato che “le sonorità che queste canzoni utilizzano e il modo in cui sono combinate sono altamente unici in ogni caso”.

Un’altra applicazione è stata preparata dalla libreria musicnn, che, come spiegato, utilizza reti neurali convoluzionali profonde per etichettare automaticamente le canzoni. I modelli “che sono inclusi raggiungono i migliori punteggi nei benchmark di valutazione pubblica.” La musica (come musicista) e i suoi migliori modelli sono stati rilasciati come libreria open-source. Il progetto è stato sviluppato dal Gruppo di tecnologia musicale dell’Universitat Pompeu Fabra, con sede a Barcellona, Spagna.

Nella sua analisi dell’applicazione, Jordi Pons ha utilizzato musicnn per analizzare e etichettare un’altra canzone iconica, “Bohemian Rhapsody” dei Queen. Ha notato che la voce del cantante Freddie Mercury è stata etichettata come voce femminile, mentre le altre previsioni erano abbastanza accurate. Rendere musicnn disponibile come open-source rende possibile raffinare ulteriormente il processo di etichettatura.

Riferendo sull’uso dell’AI nella musica in streaming, Digital Music News conclude che “l’introduzione di tecnologie di intelligenza artificiale e apprendimento automatico ha migliorato notevolmente il modo in cui ascoltiamo la musica. Grazie ai rapidi progressi nell’AI e tecnologie simili, è probabile che vedremo molti miglioramenti futuristici nei prossimi anni.”