Un sistema di intelligenza artificiale ha identificato 20 celebri pianisti jazz analizzando le caratteristiche ricorrenti delle loro esecuzioni. Nello studio, pubblicato su Nature Machine Intelligence da ricercatori dell’Università di Cambridge, il modello più efficace ha raggiunto un’accuratezza del 94,4%. L’esperimento è stato condotto su 84 ore di registrazioni, corrispondenti a 1.629 performance, trasformate in una rappresentazione digitale delle note. L’obiettivo era verificare se l’IA potesse riconoscere le “impronte” musicali degli interpreti attraverso elementi come armonia, ritmo, melodia e dinamica.
- Lo studio ha esaminato 1.629 esecuzioni per un totale di 84 ore di registrazioni.
- Il modello con le prestazioni migliori ha identificato i pianisti con un’accuratezza del 94,4%.
- L’armonia è risultata l’elemento più utile per distinguere gli interpreti.
- I modelli e un’applicazione web per esplorare i risultati sono stati resi open source.
Le registrazioni diventano mappe digitali delle note
Huw Cheston e colleghi hanno lavorato su esecuzioni di musicisti tra cui Bill Evans, Oscar Peterson, Thelonious Monk, Chick Corea, Keith Jarrett, McCoy Tyner e Ahmad Jamal. Prima dell’analisi, le registrazioni sono state convertite in formato MIDI e visualizzate come “piano roll”, una sorta di mappa che rappresenta quali note vengono suonate, in quale momento e a quale altezza.
Questa trasformazione permette di concentrarsi sulla struttura musicale anziché sulle caratteristiche tecniche della registrazione. L’audio grezzo può infatti riflettere anche l’ambiente, i microfoni e le apparecchiature utilizzate, variabili che rischiano di rendere meno trasparente il processo con cui un algoritmo arriva alla propria risposta.
I ricercatori hanno impiegato l’apprendimento supervisionato: i modelli vengono addestrati con esempi già classificati, dei quali è noto l’esecutore, e imparano a collegare determinati schemi al musicista corrispondente. Il jazz è un terreno particolarmente adatto a questo tipo di indagine perché combina composizione, improvvisazione ed esecuzione.
Il risultato indica che una parte riconoscibile dello stile di un pianista può essere individuata anche attraverso schemi musicali misurabili.
L’armonia distingue gli interpreti meglio della dinamica
Accanto al modello più accurato, il gruppo ha realizzato una seconda versione pensata per rendere più comprensibili le decisioni dell’IA. Separando melodia, armonia, ritmo e dinamica, questo sistema ha ottenuto un’accuratezza del 91,3%.
Quando le quattro dimensioni sono state valutate singolarmente, l’armonia ha prodotto le previsioni più precise, seguita dal ritmo e dalla melodia. La dinamica, cioè le variazioni d’intensità nell’esecuzione, ha invece fornito i risultati meno accurati.
Per musicologi e insegnanti, un modello interpretabile significa poter esaminare non soltanto chi viene riconosciuto, ma anche quali caratteristiche contribuiscono maggiormente all’attribuzione.
Il metodo può sostenere attribuzione e didattica, con limiti
Secondo gli autori, l’approccio potrebbe offrire nuovi strumenti per lo studio dello stile, l’attribuzione artistica, la conservazione del patrimonio culturale e l’educazione musicale. In pratica, questo significa che l’IA potrebbe affiancare l’analisi degli esperti nel confronto tra esecuzioni e nella ricerca di caratteristiche ricorrenti, senza trasformare il risultato algoritmico in una prova definitiva.
Il metodo conserva infatti limiti precisi. Melodia e armonia possono sovrapporsi, mentre il “piano roll” MIDI non riproduce tutte le qualità timbriche e tonali di una performance, tra cui vibrato e variazioni dell’intonazione. Sono proprio queste sfumature a mostrare perché una rappresentazione delle note non equivalga all’intera esperienza sonora.
Gli sviluppi futuri potrebbero applicare lo stesso approccio ad altri generi, strumenti e contesti storici, includendo anche musicisti meno conosciuti o storicamente sottorappresentati. La pubblicazione dei modelli e dell’applicazione web in formato open source consente inoltre di esplorare e verificare i risultati.
Secondo voi, l’IA può aiutare a comprendere lo stile jazz senza ridurre l’interpretazione musicale a una serie di dati?
