.

Computación

Los ordenadores acaban pillando el ritmo

1

El análisis automatizado de canciones podría hacer que mejorasen las recomendaciones musicales a los oyentes.

  • por Erica Naone | traducido por Francisco Reyes (Opinno)
  • 18 Junio, 2009

Los ordenadores han revolucionado la producción, la distribución y el consumo de la música, aunque a la hora de recomendarnos una buena canción aún les queda mucho camino por recorrer.

Existen muchos servicios de recomendación en la actualidad. iTunes ofrece Genius, un programa capaz de crear listas de reproducción y sugerir música mediante la comparación de una colección a la de otro usuario, y además numerosas redes sociales orientadas a la música ofrecen recomendaciones inspiradas por las canciones que escuchan nuestros amigos. Un grupo de investigadores de la Universidad de California, San Diego (UCSD), han empezado a utilizar técnicas de aprendizaje para máquinas, en combinación con un juego para Facebook, para clasificar la música en base a un análisis automático de las canciones.

Gert Lanckriet, profesor asistente en UCSD, y que trabaja en el proyecto, afirma que el enfoque automatizado en el que se basa el motor de búsqueda y recomendación musical de su grupo le permite analizar enormes cantidades de canciones, lo que en potencia otorgaría a los usuarios una serie de recomendaciones a partir de una biblioteca musical mucho más grande. El sistema también puede tomar decisiones acerca de canciones con las que nunca se haya encontrado.

Los investigadores de UCSD quieren que el sistema sea capaz de etiquetar canciones para que los usuarios puedan hacer búsquedas no sólo por el nombre del artista o la canción, sino también por género, instrumento e incluso una serie de palabras descriptivas tales como “romántica” o “que dé miedo.” Con este objetivo en mente, están recogiendo información acerca de canciones utilizando una aplicación de Facebook llamada Herd It. El juego da puntos a aquellos usuarios que etiqueten canciones de la misma forma en que otros usuarios las han etiquetado, con lo que se acaban recolectando cantidades masivas de información.

Una vez se han recogido los datos, afirma Lanckriet, el sistema agrupa las canciones según las etiquetas dadas por los usuarios, después busca patrones distintivos dentro de la música mismamente. Aplica un análisis estadístico a la forma de onda de los patrones que representan a cada canción, y busca características comunes entre las canciones que han sido agrupadas bajo la misma etiqueta.

Alrededor de un 90 por ciento de las veces, afirma Lanckriet, el sistema identifica patrones que normalmente se encuentran ocultos. Por ejemplo, los patrones que identifican a una canción de estilo hip-hop puede que incluyan el ritmo típico del hip-hop, pero también pueden contener elementos que al escuchar la canción no se reconocerían como patrones. “De media, estas etiquetas automáticas predicen las etiquetas puestas por humanos con prácticamente la misma precisión con que lo haría una persona,” afirma Lanckriet.

En la actualidad, los investigadores se esfuerzan en recoger más datos para así poder entrenar al sistema, y Lanckriet cree que dicho sistema tiene potencial a nivel comercial. Según él, el sistema podría tomar una canción con la que no estuviera familiarizado—de una banda independiente, o incluso grabada en el garaje de algún usuario—y después analizarla al vuelo y sugerir las etiquetas apropiadas y música similar.

La conocida página de radio por internet Pandora realiza un servicio similar, descomponiendo las canciones y analizando sus atributos. Fundada en 2000, la web permite a los usuarios escoger una canción o artista, y después encuentra canciones similares. Los usuarios pueden ajustar los resultados rápidamente para así crear estaciones de radio altamente personalizadas.

Sin embargo la tecnología de Pandora es “manual al 100 por cien,” según Tim Westergren, director de estrategias y fundador de la compañía. A través del Proyecto para el Genoma Musical, un equipo de músicos evalúa las canciones, y las clasifica en función de 400 atributos distintos. Una vez que estos atributos son identificados, afirma Westergren, las recomendaciones a los usuarios se llevan a cabo mediante un “proceso matemático bastante simple.” Afirma que Pandora está abierta a la incorporación de métodos más automatizados para el análisis de canciones, aunque añade que “aún no hemos encontrado ninguno que creamos pudiera aportar un valor añadido a lo que hacemos.”

Existen otras compañías que también están trabajando en el análisis automático de canciones. The Echo Nest, una startup con sede en Somerville, Massachussets, transforma los patrones de forma de onda de las canciones según unas simulaciones de cómo escucha la música el oído humano. A partir de ahí, el sistema de The Echo Nest aplica una serie de filtros que identifican las características de la canción, tales como el tempo y el tono, según afirma el cofundador y director tecnológico de la compañía, Tristan Jehan.

Una vez hecho esto, el sistema de The Echo Nest combina esta información con otro tipo de información proveniente de etiquetas extraídas a partir de blogs y otros datos publicados en internet. Después aplica unos algoritmos de aprendizaje para máquinas con los que logra identificar las características de las canciones que comúnmente se asocian con ciertas etiquetas específicas, de forma similar a lo que realiza el software de los investigadores de UCSD.

La diferencia, según Jehan, es que en vez de identificar patrones complejos en las formas de onda, el software de The Echo Nest se centra en las características que serían reconocidas por el oído humano.

Sonal Gandhi, analista de Forrester Research, y seguidor de la industria musical, afirma que sería importante contar con más métodos automatizados para la búsqueda y recomendación de canciones, debido a la creciente popularidad del concepto de música a la carta y la presión que sienten los sitios webs para ayudar a los usuarios a encontrar música nueva.

Tim Crawford, conferenciante senior de musicología informática en la Universidad Goldsmiths de Londres, afirma que aunque el análisis de música utilizando ordenadores es “un área de investigación muy interesante y prometedora,” resultará difícil crear un motor de búsqueda musical que sea a la vez general y totalmente automático. “Las similitudes en la música son algo muy personal y variable,” señala Crawford. “Dos canciones de heavy-metal pueden resultar muy similares para un experto en música clásica como yo, pero completamente distintas para un entusiasta del heavy-metal, quien por el contrario quizá encuentre la música de Brahms y Tchaikovsky muy similar, lo cual personalmente me haría reir.”

Computación

Las máquinas cada vez más potentes están acelerando los avances científicos, los negocios y la vida.

  1. ‘Chiplets’: el arma de China en su batalla tecnológica contra EE UU

    Al conectar varios chips menos avanzados en uno, las empresas chinas podrían eludir las sanciones impuestas por el gobierno estadounidense.

  2. Esta ciudad china quiere ser el Silicon Valley de los ‘chiplets’

    Wuxi, el centro chino del envasado de chips, está invirtiendo en la investigación de ‘chiplets’ para potenciar su papel en la industria de semiconductores

  3. La computación cuántica se abre camino a través del ruido

    Durante un tiempo, los investigadores pensaron que tendrían que conformarse con sistemas ruidosos y propensos a errores, al menos a corto plazo. Esto está empezando a cambiar.

    Jay Gambetta dirige el desarrollo de los ordenadores cuánticos de IBM y lideró la iniciativa de llevar estos sistemas a la nube.