Shimon: il robot musicista

Come tutte le arti, la musica è esternazione dell’animo umano, del sentimento e della sensibilità dell’artista, che fonde capacità tecniche e spesso innate doti comunicative, alla necessità di trasportare l’ascoltatore verso percorsi empatici che aprono nuovi sentieri e nuovi modi di vedere il mondo che si concretizza attorno a noi e dentro di noi.

Poiché la musica risulta essere tutt’altro che razionalità e l’atto creativo poco ha a che fare con la rigidità di un algoritmo, può un robot comporre delle melodie inedite?
È la sfida che ha deciso di lanciare il direttore del Georgia Tech’s Center for music technology, Gil Weinberg, insieme al suo team, presso il laboratorio del Georgia Institute of Technology di Atlanta.
Parlare in primis di apprendimento per una macchina sembra già un grande passo eppure il Machine Learning è alla base di Shimon, il suonatore tech di marimba a quattro bracci realizzato da Weinberg.
In effetti, il punto di partenza per l’indipendenza di un robot è proprio il personale apprendimento, che avviene tramite il Machine Learning, dove il bot non viene “imbottito” di informazioni e algoritmi di risoluzione fondati su modelli matematici predeterminati, piuttosto gli vengono forniti degli algoritmi che sfruttano dei modelli matematico-computazionali in grado di permettergli di apprendere le informazioni di cui ha necessità tramite i dati in suo possesso. All’aumentare dei dati raccolti e degli “errori” commessi, aumenta la capacità del robot di risolvere i problemi che gli si presentano e le sue capacità di svolgere i compiti assegnati. Tra i vari modelli di “apprendimento automatico”, quello adoperato per Shimon si basa sul Deep Learning, ovvero sulle reti neuronali artificiali, che riproducono il comportamento e le connessioni delle reti neuronali umane.

 

robot musicista

E dunque i dati in possesso del musician bot sono le oltre 5000 composizioni ascoltate, di tutti i generi e artisti, e questo solo per donare a Shimon una “cultura musicale”, mentre la capacità di distinguere le note è stata sviluppata con l’ascolto di oltre 2 milioni di motivi musicali. Da questo continuo apprendimento, durato circa 7 anni, Shimon ha raggiunto la capacità di creare accordi, seguire gli altri musicisti nell’esecuzione di un brano improvvisato e soprattutto di realizzare una propria composizione inedita. Secondo Mason Bretan, uno studente che ha seguito il progetto sin dalle fasi iniziali, Shimon riesce ad avere una visione d’insieme del pezzo che vuole realizzare, raggiungendo quindi la consapevolezza di un musicista esperto.
Certo l’esecuzione è a dir poco sorprendente ma resta l’incertezza, per ora, che Shimon possa comporre della musica seguendo dei gusti musicali. Ma il deep learning è ancora alle sue origini, e probabilmente in un futuro neanche troppo lontano anche Shimon avrà delle preferenze musicali, per ora resta strabiliante la sua capacità di ideare brani totalmente nuovi.

Immagini da www.purdue.edu 

A cura di Ilaria Marrazzo.

  • Creato il