Πίνακας συμμετοχής

Ως πολύ χιπστεριά μερικές φορές, π.χ. τις ίδιες μαθηματικές τεχνικές που μέχρι πριν λίγα χρόνια τις αναφέραμε στο πλαίσιο του statistical signal processing ή του pattern recognition τώρα τις βλέπεις παντού με τη σφραγίδα του machine learning από πάνω - κι έτοιμο το paper! Anyway, για να επιστρέψουμε στο θέμα, έχει πολύ μεγάλο ενδιαφέρον αυτό που προσπαθεί να κάνει ο OP και σίγουρα δεν είναι καθόλου εύκολο. Είμαι πραγματικά περίεργος να δω τα συμπεράσματα που θα εξαγάγει από αυτό το εγχείρημα.

Eγώ δεν είδα καμιά χιπστεριά γιατί δεν καταλαβαίνω τίποτα, όσον αφορά τα τεχνικά/θεωρητικά του θέματος, και φαντάζομαι το ίδιο και η συντριπτική πλειοψηφία, όχι μόνον των ανθρώπων, αλλά και των μουσικών ειδικότερα. Χιπστεριά φαντάζομαι θα χρειάζεται έναν ικανό αριθμό χιπστεροειδών συμπερασμάτων (?). Το test το έκανα, βρήκα τα 15 από τα 20 σωστά, χωρίς να το αναλύσω ιδιαίτερα, και χωρίς να ασχοληθώ με το θέμα "ενδιαφέρον" ή "ποιοτικό". Και θα μείνω εκεί, για να βοηθήσω περισσότερο τον OP στη δουλειά του, η οποία μου φαίνεται άκρως ενδιαφερουσα καθώς το ΑΙ είναι η βιομηχανία του (όχι και τόσο μακρινού) μέλλοντος. Επειδή όμως βλέπω κάποιους που είναι πιο ενημερωμένοι, θα ήθελα μια πιο απλουστευμένη προσέγγιση για το τι θέλουμε να πετύχουμε με τη σύνθεση μουσικής αποκλειστικά από τεχνητή νοημοσύνη, και κατά πόσο αυτή είναι τεχνητή, εφ' όσον τα δεδομένα επεξεργασίας είναι ανθρώπινα. Δηλ. σε ποιο βαθμό μπορεί μια μηχανή να συνθέσει μουσικό κομμάτι με βάση ερεθίσματα άλλα από μουσικά, αποκλειστικά. Και τι εννοούμε ποιοτική μουσική και αν αυτή θα αναγνωρίζεται από το ίδιο το σύστημα που την παράγει ως τέτοια. Πώς θα μπορούσε επίσης η μέθοδος εκμάθησης μουσικής/σύνθεσης που εφαρμόζεται στην πραγματική ζωή να χρησιμοποιηθεί σε κάποιο μηχάνημα, αλλά και το ανάποδο. Προς το παρόν, υποθέτω ότι απώτερος στόχος είναι η επίτευξη "εμφύσησης" συνθετικής νοημοσύνης σε μια μηχανή με τρόπο που να μην γίνεται διακριτός από άνθρωπο αλλά και με κατευθυνόμενα αποτελέσματα. Στα πλαίσια υποθέτω της έρευνας και όχι της ευρείας κατανάλωσης "τεχνητής μουσικής". Μπράβο πάντως για τη δουλειά σου (και όλων όσοι ασχολούνται με τέτοιες τεχνολογίες) και sorry για το αφελές ύφος, είναι τομέας εκτός των νερών μου.

Αυτό που ακούω πρώτα από όλα δεν είναι καν (σκέτη ) μελωδία, αφού είναι τίγκα στις συνηχήσεις, και συνηχήσεις μπάχαλου κυριολεκτικά, με πράσινες κόκκινες και ροζ νότες, ένα post modern noizcore χάος, κάτι δεν πάει καλά.

George Benson, Philly Jo Jones , Jimmy Slyde, 1972

Αυτό που λες περιγράφει μία πραγματική "τεχνητή νοημοσύνη". Πραγματική, όπως περιγράφεται στα βιβλία φαντασίας εννοώ, μηχανές που να "σκέφτονται" και να προσομοιώνουν ακόμη και το συναίσθημα. Το θέμα έχει απασχολήσει τη φιλοσοφία της επιστήμης εδώ και τουλάχιστον 3 δεκαετίες και είναι ακόμα αντικείμενο ενδιαφέροντος. Προς ώρας οι αλγόριθμοι που έχουμε δεν ειναι ΑΙ (όπως έχει ορισθεί τουλάχιστον) αλλά δίκτυα που διαβάζουν τεράστιο όγκο πληροφοριών και προσπαθούν να λύσουν προβλήματα. Όπου προβλήματα βάλε σύνθεση μουσικής, αναζήτηση στο δίκτυο, βελτιστοποίηση διαφημίσεων, λύση δύσκολων μαθηματικών προβλημάτων. Τέτοια δίκτυα "ταίζουμε" όλοι μας καθημερινά, π.χ. μηχανή αναζήτησης της google, youtube, φωτογραφίες που ανεβαίνουν στα διάφορα σόσιαλ κ.λ.π. Η λογική δε διαφέρει και πολύ από την εκμάθηση του ίδιου μας του εγκεφάλου. Ένας ακτινολόγος με εμπειρία 20 ετών έχει δει τόσες ακτινογραφίες που αμέσως κρίνει, τουλάχιστον τις απλές περιπτώσεις, και μπορεί να ζητήσει εξετάσεις προς μία κατεύθυνση ή μια άλλη. Έτσι κι ένα δίκτυο που θα το ταίσεις 1000000000 ακτινογραφίες θα είναι σε θέση να κάνει κάποια παρόμοια κρίση. Στη θεωρία τουλάχιστον ειναι εφικτό. Ενώ η ιδέα δεν ειναι καινούργια, η ύπαρξη του ίντερνετ που συλλέγει δις δεδομένα ανά δευτερόλεπτο αλλά και η ανάπτυξη αντίστοιχων εργαλείων (π.χ έτοιμα πλέον modules σε γλώσσες προγραμματισμού) καθιστά την εξάπλωση των τεχνικών αυτών ραγδαία. Δεν είναι τυχαίο που συναντάς τα νευρωνικά δίκτυα σε όλους του τομείς της επιστήμης σήμερα (εντάξει ειναι και λίγο χιπστεριά).

Δεν έχω να εξηγήσω κάτι,solder less καλώδια είναι με εξαιρετικά χαμηλό capacitance. Μεταλλικά είναι τα jacks και στην Κίνα φτιάχνονται όπως και τα George L Δεν τα έχω δοκιμάσει πάντως. Γενικά η τάση είναι σε επαγγελματικά pedalboards που καταπονούνται να μην μπαίνουν solder-less καλώδια γιατί μοιραία κάποια στιγμή θα ξεβιδωθουν και θα γίνει χαμός,το έχω πάθει και μάλιστα σε ένα ....ψιλο-live (support στους REM στο Παναθηναϊκό στάδιο ) και από τότε για live χρήση ούτε να τα βλέπω δεν θέλω...(ευτυχώς ο tech των REM με βοήθησε άμεσα και αφού μου τα έχωσε που χρησιμοποιώ "piece of shit George L's that always fail " μου έδωσε κανονικά Mogami patch cables , μου τα δωρησε μάλιστα,και όλα καλά) Παρόλα αυτά καλύτερα καλώδια ΗΧΗΤΙΚΑ από τα George L δεν έχω ακούσει και τα χρησιμοποιώ στο σπίτι και στο στούντιο. Προσωπικά σε ένα pb που θα φάει στη μάπα αεροπλάνα, βαπόρια και λεωφορεία θα έπαιρνα το Sommer και τα jacks που σου πρότεινα και θα έφτιαχνα, ή θα έβαζα να μου φτιάξουν αν δεν ήξερα εγώ, κανονικά soldered καλώδια. Σίγουρα σε ένα πολύ καλά πακτωμενο pb με πετάλια που δεν κουνιούνται λόγω velcro ο κίνδυνος από τα solder-less είναι μικρότερος αλλά αν καείς στο χυλό φυσάς και το γιαούρτι.

Εγώ -κακώς- παίζω καρφί στο Instrument Input, αλλά ένας δάσκαλος που είχα έβαζε στην ίδια κάρτα που έχω ένα DI Box μπροστά και είχα παρατηρήσει ότι η ποιότητα του σήματος ήταν καλύτερη. Δηλαδή το Dry track ήταν πιο διαυγές και αυτό είχε ως αποτέλεσμα να ακούγεται καλύτερα και το amp sim. Στο feel δεν είχα παρατηρήσει κάποια διαφορά, αλλά ήμουν και αρκετά άσχετος τότε, οπότε μην το πάρεις και τόσο τοις μετρητοίς αυτό.

Καλησπερα φιλε, 1) ναι , το innofader ειναι συμβατο , αλλα χρειαζονται καποιες τροποποιησεις ( ανοιγμα τρυπων σε αλουμινιο, κολλημα καλωδιων κτλ) 2) το innofader ειναι οτι καλυτερο για scratch και δεν χαλαει τοσο ευκολα οσο τα κοινα crossfaders. 3 ) Εξαρταται απο το που βρισκεσαι. 4) Ναι 5) Φταιει οτι ασκεις κατακορυφη πιεση στο crossfader , με αποτελεσμα να "φαγωνεται" γρηγορα ο γραφιτης ή να στραβωνουν τα ποδαρακια του wiper Η τροποποιηση που χρειαζεται ο μικτης για να εγκατασταθει το innofader δεν ειναι τοσο ευκολη δουλεια, οποτε υπολογιζε κανα 50ρικο για την εγκατασταση.

Το σύστημα κατά την εκπαίδευση μαθαίνει ακριβώς αυτό, δηλαδή μαθαίνει τις συσχετίσεις που υπάρχουν μεταξύ των νοτών εισόδου και συνεπώς με είσοδο μια νότα μαθαίνει να προβλέπει την επόμενη ή τις επόμενες. Για αυτόν ακριβώς τον λόγο τα αποτελέσματα θα ήταν διαφορετικά αν το σύστημα είχε δει για παράδειγμα μόνο "ρομαντικά" τραγούδια και αυτός επίσης είναι και ο λόγος που υπάρχει μια ομοιομορφία στον χρονισμό και στο pitch των παραγόμενων νοτών. Αυτό που εννοώ όμως είναι ότι η αρμονία είναι μια πολύ συνθέτη μαθηματική συνάρτηση η οποία πολύ δύσκολα μοντελοποιείται σωστά. Υπάρχουν αρχιτεκτονικές που προσπαθούν να το κάνουν πολύ πιο ορθά από τα μοντέλα μου. Αυτό εννοώ λέγοντας οτι δεν έχω προσθέσει αρμονία, οτι δεν έχω προσθέσει στο όλο σύστημα κομμάτια που να μαθαίνουν "πολιτικές και κανόνες" αρμονίας. Πρακτικά όμως έστω και σε πρωτόγονο επίπεδο έχει μάθει μερικούς βασικούς κανόνες παραγωγής και σύνθεσης. ***ΥΓ. Τα κομμάτια που ακούγονται στην σελίδα είναι από διάφορες αρχιτεκτονικές τις όποιες θέλω να τις συγκρίνω. Γιαυτό και μερικά κομμάτια δεν είναι καθόλου καλά π.χ. πέφτουν συνεχώς σε loop.Το αναφέρω τώρα γιατί νομίζω δεν το έχω ξαναπεί.

https://mitpress.mit.edu/books/music-and-connectionism Αν το κάνεις με νευρωνικά δίκτυα τσεκαρε το παραπάνω βιβλίο (αν δεν το έχεις κάνει ήδη)

@geofila Καταρχάς πρέπει να πω πως το concept είναι πολύ ενδιαφέρον. Ίσως αν, σε επόμενο στάδιο, στρέψεις την έρευνά σου προς την κατεύθυνση της μοντελοποίησης απλών patterns από chord progressions (π.χ. I-IV-V) να μπορέσεις να ορίσεις κάποια μετρική (όπως είναι π.χ. η cross correlation coefficient (CCC) metric?). Σίγουρα δεν είναι απλή διαδικασία σε καμμία περίπτωση, αλλά ενδεχομένως να σου δώσει μεγαλύτερο insight από ότι το mean opinion score που βασίζεται σε feedback από τους χρήστες και θα σου επιτρέψει να βελτιστοποιήσεις τις μεθόδους σου χρησιμοποιώντας standard πρακτικές.