Documente Academic
Documente Profesional
Documente Cultură
L'INTELLIGENZA ARTIFICIALE NELLA MUSICOLOGIA
COGNITIVA: APPROCCI ED APPLICAZIONI
Francesco Giomi
INTRODUZIONE
Quella parte della musicologia sistematica che indaga sulla struttura di un brano, di un repertorio o
di uno stile musicale è indicato con il termine di "analisi musicale". Vale la pena di riportare la
definizione di analisi musicale con la quale il musicologo Ian Bent apre il suo libro dedicato a
questa poliedrica disciplina delle scienze musicologiche, inquadrandone anche gli obiettivi in
maniera efficace :
Quale di fatto sia l'oggetto dell'analisi è ancora un problema dibattuto: se basarsi sulla partitura,
oppure tenere conto soltanto dell'esperienza uditiva, o comunque dell'immagine sonora dello
stesso compositore. Se da un lato si può considerare la notazione musicale come un buon punto di
partenza, non possono certo essere ignorate le problematiche legate alla percezione musicale,
soprattutto in considerazione del fatto che devono poter essere analizzati anche repertori che non
appartengono alla tradizione musicale "scritta", come le musiche etniche la pop music, la musica
elettroacustica ecc. Rimane come punto fermo il fatto che il processo di base dell'analisi musicale
è quello di comparazione: confrontando elementi e strutture del testo (sia esso scritto o sonoro) se
ne possono comprendere le funzioni all'interno di un brano o di uno stile musicale.
2
Quando ci si avvale di tecniche informatiche come ausilio all' analisi musicale, si parla di "analisi
musicale computazionale".
Comunque, nell'analisi computazionale della musica il calcolatore non assume un ruolo di
semplice esecutore di procedure analitiche: grazie alla ricerca in questo campo, l'informatica si
configura sempre di più come uno strumento indispensabile per le operazioni di verifica e test
delle teorie musicali1 investigate.
L'Italia è attualmente uno dei Paesi più attivi nella ricerca in questo settore (cfr. Camilleri, 1988),
grazie soprattutto alle iniziali ricerche condotte a Bologna (si veda per es. Baroni e Jacoboni,
1983; Baroni et al., 1984; Baroni, Dalmonte e Jacoboni, 1992) e a Firenze (si veda per es.
Camilleri, 1984; Camilleri et al., 1987; Giomi e Ligabue, 1991, 1992a). Recentemente specifiche
sessioni dimostrative di programmi informatici di analisi musicale sono state inserite con successo
in manifestazioni di analisi musicale, come il secondo convegno europeo svoltosi a Trento
nell'ottobre del 1991 (Dalmonte e Baroni, 1992).
Le ricerche di punta nel settore della musicologia computazionale vedono l'impiego di strumenti
concettualmente e tecnologicamente molto avanzati, appartenenti principalmente al campo
dell'intelligenza artificiale (IA). Non vogliamo dilungarci sul significato, assai controverso, di
questo termine, rimandando a specifiche bibliografie per eventuali approfondimenti. Elenchiamo
qui di seguito due definizioni, funzionali al nostro discorso sulle applicazioni musicali, che
riassumono anche i principali e diversi punti di vista di questa disciplina. La prima privilegia il
taglio di tipo cognitivo: Error: Reference source not found“lo studio delle facoltà mentali
mediante l'uso di modelli computazionali” (Charniak e McDermott, 1985), mentre la seconda:
“Error: Reference source not foundLa ricerca sull'IA mira alla costruzione di macchine capaci
di attività che richiedono di norma l'intervento dell'intelligenza umana” (Nilsson, 1980) ha un
carattere di tipo ingegneristico. Anche se il significato del termine "IA" si arricchisce
continuamente col progredire della ricerca nel campo, possiamo affermare che il campo di
interesse dell'analisi musicale basata su tecniche di IA si estende in entrambe le direzioni sopra
citate, abbracciando indagini sui modelli cognitivi che stanno alla base delle attività musicali ma
sviluppando anche strumenti capaci di riprodurre il comportamento "intelligente" dell'analista
umano.
3
Fig. 1. Copertina dell'annuario Computing in Musicology
E' interessante fare alcune considerazioni a proposito di quelle che sono le linee guida della
ricerca analitica contemporanea; si sono aperti nuovi settori di studio e sono emersi interessanti
problemi di carattere metodologico. A questi argomenti è dedicato il prossimo paragrafo mentre
il successivo affronta l'esame di differenti approcci ai problemi della musicologia cognitiva. A
differenti approcci corrispondono diversi sistemi analiticocomputazionali, alcuni dei quali
saranno brevemente descritti. Tra i molteplici esempi, concentreremo la nostra attenzione su
quelli più rilevanti da un punto di vista sia dei risultati sia del metodo e che possono essere
ricondotti al campo delle applicazioni di intelligenza artificiale alla musicologia (cfr. Roads,
1985; Balaban et al., 1992).
L'ultimo paragrafo è dedicato invece all'esame di una particolare teoria musicale impiegata
spesso come base di partenza per lo sviluppo dei sistemi di IA in analisi, ai problemi che si
incontrano nella sua realizzazione informatica e alle possibilità che il mezzo informatico offre
per sue eventuali estensioni ed integrazioni. La descrizione di uno di questi sistemi, per l'analisi
4
armonica di repertori tonali occidentali, completa il paragrafo.
Nella conclusione ripercorreremo le tappe ed i risultati dello studio, tracciando anche i possibili
sviluppi futuri della ricerca dell'analisi musicale computazionale.
5
1. ANALISI AL CALCOLATORE: PROBLEMI METODOLOGICI E PROSPETTIVE
1.1. I processi di analisi e di sintesi
Quando si vuole trasferire una porzione di conoscenza musicale per scopi analitici ad un sistema
informatico, esistono fondamentalmente due strategie metodologiche, normalmente identificate
come processi di "analisi" e di "sintesi".
ù ù ù ù TEORIA REPERTORIO OSSERVAZIONE
ù ³ ù ³
ù ³ ù ³
ù ³ ù ³
ù FORMALIZZAZIONE ù REGOLE ÄÄ TEORIA
ù ³ ù (GRAMMATICA)
ù ³ ù ³
ù ³ ù ³
ù ANALISI ù FORMALIZZAZIONE
ù ³ ù ³
ù ³ ù ³
ù ³ ù ³
ù ù ù RISULTATI ù ù ù ù SINTESI
Seguendo i due schemi (Camilleri, 1991) si può vedere che, nel primo caso, si parte da una teoria
musicale riguardante un certo repertorio o un certo stile musicale. Questa porzione di conoscenza
sul dominio viene formalizzata all'interno della macchina, che opera pertanto delle procedure di
analisi sui brani musicali selezionati. Il risultato del processo è rappresentato in questo caso
proprio dall'output analitico, che fornisce indicazioni, se comparato con analisi effettuate
manualmente, sul grado di attendibilità della teoria stessa. Con l'iterazione del processo (linea
tratteggiata) si possono produrre miglioramenti ed estensioni nei postulati. Inoltre, molto
frequentemente, il processo è ripetuto sottoponendo all'analisi brani musicali di complessità
sempre maggiore, fino al raggiungimento di una completa affidabilità del sistema analitico nel
suo complesso.
7
Nel secondo tipo di approccio, definito anche come "generativo", si affronta inizialmente
l'osservazione del repertorio o dello stile, consultando il maggior numero possibile di partiture o
di manuali musicali. Si cercano quindi di dedurre le caratteristiche peculiari dei brani in oggetto
e di tradurle sotto forma di regole o di produzioni di una grammatica musicale 4. Una volta
inserite queste all'interno della macchina, il processo termina con la sintesi di brani musicali
dotati delle caratteristiche stilistiche proprie del repertorio analizzato. Naturalmente la
generazione è tanto più coerente quanto più risulta corretta la formulazione delle regole o delle
produzioni grammaticali. Anche in questo caso la linea tratteggiata sta a significare la necessità
di ripetizione dell'intero processo con possibilità di raffinamenti ad ogni passaggio; dopo diversi
cicli è possibile raggiungere un buon grado di approssimazione nei risultati. Il brano generato
non costituisce comunque lo scopo primario del lavoro: il risultato fondamentale di questo
approccio sta nel fatto di essere riusciti a ben formalizzare la teoria e quindi a comprendere lo
stile compositivo esaminato nella sua interezza.
La maggioranza delle applicazioni analiticocomputazionali ricadono in una di queste due
categorie, sebbene ogni volta siano spostati i termini in gioco, nel senso che ogni blocco dei due
schemi rappresenta una fase del metodo che può essere associata ad operazioni o tecniche
informatiche diverse.
1.2. Direzioni della ricerca
Classificazione per argomento di analisi
_ Musica antica
_ Musica tonale
_ Musica atonale e contemporanea
_ Musica elettroacustica
_ Repertori etnici
_ Musica jazz e popular music
8
_ Esecuzione musicale
_ Ascolto e percezione
Il secondo tipo divide le applicazioni secondo la metodologia impiegata nella formalizzazione e
realizzazione su calcolatore:
Classificazione per metodologia analiticocomputazionale
_ Sistemi procedurali
_ Grammatiche musicali e sistemi di regole
_ Sistemi basati sulla programmazione logica
_ Sistemi basati sulla conoscenza
_ Modelli connessionisti
_ Sistemi misti o ibridi
Vorremmo precisare che la classificazione non ha la pretesa di essere esaustiva, ma vuole altresì
contribuire a far chiarezza su un settore estremamente frammentato e soggetto a nuovi e continui
innesti sia teorici che tecnologici.
Molti dei sistemi più recenti e anche quello da noi proposto come esempio nella parte finale del
saggio, si collocano nella categoria dei sistemi misti, in considerazione del fatto che associano ad
un sistema di rappresentazione della conoscenza basato su regole, una porzione di conoscenza
per il controllo della dimensione temporale di un brano musicale oltre ad alcune parti ottenute
con tecniche di programmazione procedurale.
Vogliamo adesso esaminare alcune delle applicazioni che riteniamo più importanti nel panorama
della ricerca internazionale, escludendo quelle afferenti alle ultime tre categorie che verranno
affrontate più avanti.
Come detto nella parte iniziale del paragrafo, non è compito di questo scritto addentrarsi
nell'investigazione dei sistemi che si avvalgono esclusivamente di tecniche di programmazione
procedurale: vorremmo soltanto spendere due parole per dire che esistono ottimi lavori basati su
questo tipo di approccio, orientati verso ognuno dei sei settori della prima tabella di
classificazione.
9
Per quanto riguarda le grammatiche musicali, direttamente acquisite dalle discipline linguistiche,
ci limiteremo ad alcune considerazioni di carattere generale rimandando agli studi di Curtis
Roads (1980) e di Goffredo Haus (1984) per una completa trattazione dell'argomento. Quello che
è interessante notare è che grammatiche musicali e sistemi di regole sono stati impiegati in
moltissimi studi di analisi e composizione musicale fin dai primi anni sessanta. Per quanto
riguarda progetti recenti vale la pena di ricordare i molti lavori presenti nel volume Musical
Grammar and Computer Analysis curato da Mario Baroni e Laura Callegari (1984)
dell'Università di Bologna, tra i quali figurano quelli del gruppo dello stesso Baroni sui corali di
Bach, di Lelio Camilleri sulle melodie dei lieder di Schubert e di Otto Laske sull'analisi musicale
in generale.
Mediante l'approccio grammaticale o quello della formalizzazione dei postulati mediante regole,
sono stati toccati anche altri aspetti, riconducibili alla prima tabella di classificazione, tra i quali
lo studio dell'improvvisazione jazzistica (Ligabue, 1986; Giomi e Ligabue, 1991) e
dell'esecuzione musicale. A quest'ultimo campo, alcuni ricercatori del Royal Institute of
Technology di Stoccolma hanno dedicato molti anni di lavoro, formalizzando efficaci sistemi di
regole per la modellizzazione delle esecuzioni musicali umane e realizzandoli con le tecniche di
programmazione più diverse (Friberg e Sundberg, 1986; Friberg, 1991). Applicazioni molto
sofisticate sono state ultimamente condotte aventi come oggetto, in un primo caso la musica
improvvisata per tabla (tamburi della tradizione musicale indiana) e in un secondo la percezione
delle singole voci nella musica barocca. Nel primo esempio, di analisi etnomusicologica, vari tipi
di grammatiche dipendenti dal contesto sono state usate per la generazione di improvvisazioni
nello stile investigato (Kippen e Bel, 1992) mentre nel secondo caso sono stati programmati e
confrontati sei modelli di risoluzione dello stesso problema, affidati ad altrettanti distinti sistemi
di produzione (Marsden, 1992).
Venendo al terzo caso, ovvero quello dei sistemi di tipo logico, oltre ad applicazioni teoriche
della logica simbolica alla teoria musicale si veda per esempio la raccolta di saggi curata da
P.M. Sgard (1992) o al lavoro fatto alla Queen's University di Kingston (Blevis et al., 1989) sul
formalismo logico di Charles Seeger) a partire dalla seconda metà degli anni ottanta si sono
avuti diversi esempi di impiego della programmazione logica. L'analisi musicale possiede, per
sua natura, sia un aspetto dichiarativo, che determina la forma dell'analisi, che uno procedurale,
relativo al come l'analisi è ottenuta (Roeder, 1988). Pertanto, modelli dichiarativi come quelli dei
linguaggi di programmazione logica quali ad esempio il Prolog (Balaban e Murray, 1985)
possono risultare idonei alla rappresentazione corretta di molti fenomeni musicali. Unico, a
questo proposito, è proprio il tentativo di John Roeder (University of British Columbia) che ha
messo a punto un interessante modello dichiarativo per la descrizione della musica atonale
(Roeder, 1991). Vale la pena citare anche uno studio sugli accordi di Vincent Risch (1989) ed un
ampio lavoro di ricerca sulle intavolature per liuto sviluppato all'istituto francese ERATTO del
C.N.R.S. (Charnassé e Stepien, 1992).
10
Vogliamo terminare con la citazione di alcuni interessanti lavori che coniugano analisi musicale
e apprendimento della musica. Le strategie di insegnamento adottate in questi progetti rientrano
in settore individuato con il termine inglese Intelligent Tutoring Systems (Schaffer, 1990),
traducibile come sistemi intelligenti di insegnamento. Il primo che citiamo è un sistema di
insegnamento multimediale per studenti principianti di pianoforte; inteso come strumento di
ausilio al normale insegnamento, il Piano Tutor (Dannemberg et al., 1990) aiuta lo studente
correggendo gli errori e fornendogli nuovi insegnamenti. Piano Tutor combina un prototipo di
sistema esperto con normali programmi di riconoscimento della musica. Analoghi sistemi sono
quelli proposti da John Tobias (1988) (IBM L.A. Scientific Center), dedicato all'apprendimento
delle leggi dell'armonia, da Gerhard Widmer (1992), in cui viene invece presa in considerazione
la modellizzazione degli aspetti percettivi dell'apprendimento musicale e da Simon Holland
(1992) che fa uso di teorie della percezione per lo sviluppo di un software per la didattica
dell'armonia.
2. LA RAPPRESENTAZIONE DELLA CONOSCENZA MUSICALE
2.1. Formalismi a regole e sistemi esperti
I sistemi che adottano un formalismo di rappresentazione basato su regole sono stati introdotti
per la formalizzazione di quei problemi la cui soluzione è facilmente descrivibile in termini di
associazioni del tipo situazioneazione.
Il vantaggio più evidente derivante dall'uso delle regole in musicologia sta nella separazione tra
la conoscenza sul problema e la conoscenza sul controllo, ovvero le strategie analitiche. In
particolare, le regole musicali costituiscono un formalismo appropriato per la rappresentazione
della conoscenza soprattutto quando le procedure analitiche per la ricerca della soluzione non
sono note a priori.
In generale, un sistema che fa uso di questo tipo di strumenti si compone di tre parti distinte:
12
1) una base di conoscenza, che raccoglie le informazioni sul dominio musicale sotto forma di
fatti e di regole;
2) un motore inferenziale, che ha la funzione di attivare i meccanismi di ragionamento sulla base
di conoscenza;
3) un'interfaccia utente, che permette la comunicazione con il mondo esterno rendendo visibili i
risultati, richiedendo informazioni ed esplicitando i ragionamenti effettuati.
Le regole citate nel punto 1 hanno generalmente la forma
if <premessa> then <conseguenza>
dove la premessa deve essere soddisfatta affinché la parte conseguente possa essere eseguita
(regole di produzione) o resa vera (regole di inferenza). Esse costituiscono un modo formale per
rappresentare direttive, relazioni, strategie, asserzioni; l'insieme delle regole restringe il campo di
ricerca, guidando l'attenzione del programma verso le soluzioni più probabili. Mediante questo
formalismo si è in grado di esplicitare i meccanismi di inferenza in termini accettabili da un
essere umano, dato che le decisioni si fondano appunto su regole inserite da esperti umani del
settore piuttosto che, per esempio, su regole astratte della logica formale.
Il motore inferenziale del punto 2 (chiamato anche interprete) è responsabile dell'applicazione
delle regole ed opera con le strategie di controllo di concatenamento in avanti (forward chaining)
e di concatenamento all'indietro (backward chaining5); quest'ultimo tipo di tecnica può dar luogo
anche ha un processo di backtracking: quando si arriva ad una situazione da cui non è più
possibile dedurre nuove conclusioni, si ripercorrono all'indietro gli ultimi passi compiuti per
cercare nuove alternative.
In molti sistemi i meccanismi possono essere regolati anche da strategie aggiuntive che
consentono opzioni di ordinamento delle regole per la risoluzione dei conflitti, di restringimento
o selezione del numero delle stesse, della fermata in caso di verifica di certe condizioni e così
via.
Negli usi analiticomusicali, ma anche in molti altri, i sistemi che utilizzano regole ed i sistemi
esperti in genere (si veda il tentativo di definizione più avanti) hanno alcuni interessanti
vantaggi, derivati dalla natura stessa della loro struttura o da caratteristiche aggiunte dal
progettista:
Rappresentazione diretta degli enunciati teorici. In molti casi infatti, le teorie musicali da
realizzare si presentano già in una forma che potremmo definire "a regole", anche se scritte di
fatto in linguaggio naturale (si consideri per esempio la teoria generativa della musica tonale di
Lerdahl e Jackendoff (1983)).
Approccio incrementale. La teoria può essere inserita e testata in maniera graduale ed
eventualmente integrata anche in fasi successive, semplicemente aggiungendo altre regole o altra
conoscenza sui dati.
Traccia del ragionamento. Le strategie ed i percorsi del ragionamento possono essere resi palesi
grazie all'esame di appositi file di traccia ed eventualmente corretti e/o ampliati.
13
Inferenza incerta. Ad ogni regola o a ciascuna clausola della premessa può essere associato un
fattore di certezza (di solito variabile tra 0 e 100 o tra 1 e +1) che serve poi ad esprimere il grado
di verità della conclusione. Con questo criterio si arriva ad una precisa modellizzazione dei
processi di scelta, producendo anche analisi diverse dello stesso pezzo, controllando l'influenza
progressiva di una regola e così via.
Orientamento verso gli obiettivi (goaloriented). Possono facilmente essere espressi degli
obiettivi specifici del ragionamento e questo è anche quello che normalmente si fa in
musicologia durante l'analisi.
Analizziamo adesso alcuni degli esempi di applicazione più significativi realizzati in questi
ultimi anni. Basandosi su una serie di considerazioni riguardanti gli elementi dell'attività
musicale che sono rilevanti per la progettazione di programmi analitici basati sulla conoscenza,
Richard Ashley della Northwestern University of Illinois ha sviluppato il prototipo KSM,
Knowledge System for Music (Ashley, 1985, 1986). Le attività musicali sono, secondo Ashley,
caratterizzate dal fatto di essere goaloriented, di avere differenti organizzazioni temporali, di
essere organizzate in conoscenze strutturate, di fare uso di molteplici forme di rappresentazione e
comunicazione. Il suo sistema, scritto in IQLISP sotto MSDOS, cerca di integrare questi
presupposti per lo svolgimento di vari compiti musicologici. KSM è principalmente costituito da
cinque componenti: un corpo di regole, una memoria di lavoro ed un interprete, un insieme di
fatti musicali e di primitive per la manipolazione degli elementi del sistema stesso. Tra le
applicazioni di KSM è interessante quella riguardante l'analisi melodica. Partendo da un
frammento di musica tonale è possibile applicare delle regole per arrivare ad una descrizione
strutturale delle frasi presenti all'interno della linea melodica. Anche se l'intento dell'autore è
quello di fornire uno strumento piccolo e maneggevole per semplici compiti analitici, non ci
sembra che, malgrado la buona impostazione teoricometodologica, i risultati siano assai
rilevanti: si risolvono piccoli problemi per i quali non è forse giustificabile un approccio così
complesso e dispendioso e gli stessi obiettivi finali del sistema risultano vaghi e non specifici.
Di ben altra importanza reputiamo i contributi di John Maxwell (SAS Institute Inc., Cary) e di
Kemal Ebcioglu (IBM T.J. Watson Research Center, Yorktown) che definiscono i loro sistemi di
conoscenza in termini di "sistema esperto".
Anche in questo caso tentiamo di dare una definizione del termine "sistema esperto" il più
semplice e corretta possibile. Può essere chiamato sistema esperto un programma di intelligenza
artificiale che si serva di una base di conoscenza per eseguire compiti difficili generalmente
espletati solo da esperti umani. L'efficacia del sistema dipende ovviamente dal tipo e dalla
quantità di conoscenza a disposizione e dalle tecniche di inferenza impiegate.
14
Nel caso di Maxwell (1988) si tratta di un prototipo di sistema basato su regole che esegue
l'analisi della funzione armonica degli accordi di un brano tonale (sono stati testati
prevalentemente pezzi di musica barocca). In pratica viene automatizzato il tradizionale processo
di analisi armonica, focalizzando la questione sull'interazione fra due problemi strettamente
connessi: la determinazione di quali "sonorità verticali" sono effettivamente accordi meritevoli di
una etichetta di funzione e la determinazione delle regioni tonali all'interno delle quali gli accordi
devono essere analizzati. Strutturalmente, Maxwell ha adottato il seguente schema:
identificazione dei toni non armonici, riconoscimento degli accordi, determinazione di cadenze e
modulazioni e, infine, analisi funzionale degli accordi. Le note e le altre informazioni della
partitura sono codificate in una notazione a liste, esaminata da una fase di preelaborazione e
trasformata in una rappresentazione interna basata sui frame; ulteriori frame vengono aggiunti
dall'attivazione delle regole per rappresentare dati intermedi e risultati. La realizzazione delle
regole, attivate con il meccanismo di concatenamento in avanti, è stata effettuata con il
linguaggio Lisp. Gli esempi di analisi proposti da Maxwell dimostrano, prima di tutto, l'effettivo
funzionamento del suo sistema, caso non certo frequente, ed inoltre la sua efficacia analitica,
almeno sul repertorio selezionato.
15
Nello stesso periodo di quello di Maxwell è apparso il sistema di Ebcioglu (1988). In questo caso
ci si basa su un processo di sintesi, anziché di analisi, per indagare il repertorio dei corali
bachiani, armonizzati ed analizzati automaticamente con tecniche analitiche schenkeriane 6. Per la
sua realizzazione, attiva su IBM 3090 in ambiente VM/CMS, Ebcioglu si è avvalso del
linguaggio di programmazione logica, appositamente progettato, BSL (Backtracking
Specification Language). Esso associa le caratteristiche fondamentali dei predicati della logica
del primo ordine ad alcuni tratti tipici dei normali linguaggi di programmazione tipo Algol.
Quello che rende estremamente interessante il lavoro del ricercatore turcoamericano è però
l'approccio metodologico alla rappresentazione della conoscenza musicale. Egli opta infatti per
un insieme multiplo di primitive logiche per rappresentare il linguaggio musicale in oggetto
secondo differenti punti di vista. Ogni angolazione, in tutto cinque, è rappresentata da una
differente struttura dati, chiamata la matricesoluzione di quel punto di vista, e ottenuta con un
processo distinto che costruisce tale soluzione incrementalmente e interagendo con gli altri
processi. La base di conoscenza di ogni punto di vista è espresso mediante tre gruppi di
asserzioni logiche che ne determinano il funzionamento: regole di produzione, insieme di vincoli
e formule euristiche. Vediamo quali sono i cinque punti di vista (preferiamo indicare anche i
termini inglesi per l'inadeguatezza espressiva di quelli tradotti). Il primo è quello della struttura
accordale (chord skeleton), che serve ad osservare il corale come una sequenza senza ritmo di
accordi e fermate. Il secondo è il riempimento (fillin), che permette a quattro automi interagenti
di individuare le note di passaggio o gerarchicamente meno importanti del brano. Poi il punto di
vista dei segmenti temporali verticali (timeslice), capace di vedere il corale come una sequenza
di fette verticali di durata fissa e di imporre vincoli armonici. Il quarto punto è quello delle linee
melodiche (melodicstring) che si focalizza sulla sequenza melodica delle singole voci. L'ultimo
aspetto riguarda invece le procedure di analisi schenkeriana (Schenkerian analysis) sulla
condotta gerarchica delle voci.
Non è facile distinguere i corali armonizzati dal sistema di Ebcioglu da quelli in cui la parte
armonica è stata scritta dallo stesso Bach, anche se esistono all'ascolto alcune incongruenze ed il
sistema potrebbe sicuramente essere raffinato nonché eventualmente adattato anche per impieghi
didatticomusicali.
16
2.2 Modelli connessionisti
17
Negli ultimi anni si è assistito ad un ritorno di interesse, soprattutto dopo il superamento delle
obiezioni a suo tempo sollevate da Marvin Minski e Seymour Papert in un loro famoso libro
(Minski e Papert, 1969), da parte del mondo scientifico verso modelli cognitivi di tipo
connessionista. I successi di questi nuovi paradigmi hanno chiaramente dimostrato (cfr.
Rumelhart e McCelland, 1986) che le manipolazioni simboliche, quali per esempio quelle usate
dai sistemi di regole, non costituiscono il solo metodo per la modellizzazione dei comportamenti
cognitivi e che anzi, in alcuni casi, permettono proprio il superamento delle limitazioni insite in
quelle forme di rappresentazione concettuale.
Anche in musicologia computazionale si è acceso il dibattito riguardante l'opportunità di
avvalersi per certi compiti analitici di rappresentazioni più adeguate dell'informazione musicale.
Per la natura stessa della musica, che coinvolge numerosi aspetti di carattere cognitivo, forme di
rappresentazione sottosimboliche delle relazioni tra le componenti del linguaggio musicale
appaiono più adatte per una corretta modellizzazione. Inoltre, strumenti come le reti neurali
possono essere istruiti per operare su problemi intrinsecamente complessi e multidimensionali
come quelli riguardanti le strutture polifoniche, le relazioni armonicostrutturali e soprattutto
senza le tradizionali decomposizioni gerarchiche dei problemi (Gjerdingen, 1989, 1990).
Proprio nella direzione della percezione e della complessità musicologicocognitiva sembrano
orientati molti dei progetti di applicazione all'analisi musicale di reti neurali, processi paralleli
distribuiti e modelli connessionisti in genere: studi ed esperienze sull'ascolto musicale (Leman,
1986), sulla percezione delle altezze (Sano e Jenkins, 1989) e dell'armonia tonale (Bharucha,
1987; Bharucha e Olney, 1989; Bharucha e Todd, 1989) sono stati condotti, anche se molto
spesso non con sperimentazioni opportunamente documentate. Se numerosi, infatti, sono i
contributi teoricometodologici su questo tipo di approcci (per es. Barucha, 1988; Dolson, 1989;
Leman, 1992; Marsden e Pople, 1989) altrettanto non si può dire di applicazioni effettivamente
funzionanti. Anche se di un certo interesse, queste si limitano spesso alla risoluzione di compiti
relativamente semplici (per es. De Poli et al., 1991a, 1991b; Rowe, 1992).
Uno degli studiosi più attivi del settore è senza dubbio il belga Marc Leman (I.P.E.M.
Università di Ghent) che da diversi anni si occupa delle problematiche connessioniste in
riferimento al mondo musicologico (Leman, 1986, 1989, 1992, 1994).
Fig. 2. Risultato di una simulazione mediante rete neurale ottenuta da Leman nell'ambito di un
suo lavoro sulle funzioni tonali.
Proprio Leman è autore di quello che sicuramente può essere considerato il lavoro più
significativo condotto in questi ultimissimi anni. Si tratta di un prototipo di sistema basato su reti
neurali atto all'individuazione di quello che l'autore chiama il "contesto tonale" 7 di brani musicali
classici (Leman, 1991). La cosa estremamente interessante è che l'ingresso al sistema è
rappresentato dalla vera e propria esecuzione del brano, "catturata" per mezzo di un modello di
orecchio artificiale. Leman si fa carico dunque di analizzare l'"oggetto musicale" a partire dal
livello più basso possibile: quello acustico. Un'analisi di questo tipo non solo tiene in conto in
18
maniera esatta delle variabili che regolano l'ascolto musicale, ma si configura come uno
strumento capace di esplorare territori notoriamente complessi delle scienze musicali come
l'etnomusicologia e lo studio dei linguaggi per i quali esiste soltanto il testo sonoro come la
musica elettroacustica.
Proprio per l'investigazione di quest'ultimo genere musicale è orientato un sistema analitico
proposto dall'autore insieme a Marco Ligabue nell'ambito della Divisione Musicologica del
CNUCE/C.N.R. di Firenze. Si tratta di un sistema che, partendo da assunzioni di carattere
estesicocognitivo8 definire, cerca di arrivare a delle modalità di identificazione degli oggetti
sonori presenti in un brano elettronico e/o strumentale. In questo caso, infatti, una rete neurale
può essere addestrata per il riconoscimento e la comparazione di eventi sonori complessi al fine
di riuscire a comprendere, dopo lo svolgimento dei processi computazionali, le strategie
compositive dirette o trasversali usate dal compositore durante la sua organizzazione degli
universi sonori (Giomi e Ligabue, 1992a, 1992b).
Rimandiamo ad ulteriori letture per eventuali approfondimenti su altri specifici modelli
connessionisti per l'analisi della musica e dell'esecuzione musicale (Todd e Loy, 1992) o sul
confronto tra metodi diversi per la risoluzione di problemi musicologici particolari (Stevens e
Latimer, 1992).
Anche se molti dei problemi emersi precedentemente a proposito dei sistemi informatico
musicali di tipo simbolico possono essere efficacemente risolti con l'utilizzo di modelli
connessionisti, quest'ultimi stanno forse andando incontro ad una popolarità eccessiva (Loy,
1989). Riteniamo ancora una volta che le possibilità di integrazione fra approcci diversi nei
cosiddetti sistemi ibridi possano portare a più corrette e complete metodologie di indagine e
analisi della musica.
3. L'"IMPLEMENTAZIONE" DELLE TEORIE MUSICALI
Chiunque abbia provato ad implementare 9 procedimenti di analisi o anche porzioni ridotte di
teorie musicali conosce le difficoltà che si incontrano nella formalizzazione, sia da un punto di
vista della correttezza che della completezza.
Affrontiamo in questo paragrafo l'esame di alcuni di questi aspetti fondamentali per le
applicazioni analitiche di intelligenza artificiale e lo facciamo attraverso un ideale percorso, per
mezzo di una specifica teoria, che conduca all'esplorazione generale delle problematiche e delle
possibilità dell'approccio computazionale.
Una delle teorie più impiegate come base di lavori di analisi musicale computazionale è senza
dubbio quella proposta nei primi anni '80 dal compositore e teorico Fred Lerdahl (University of
Michigan) e dal linguista Ray Jackendoff (Brandeis University), la teoria generativa della musica
tonale (GTTM).
19
I sistemi costruiti sul modello analitico dei due studiosi americani, descritto e inquadrato
storicamente più avanti, rappresentano un esempio molto significativo di una categoria di
ricerche che si pone sì l'obiettivo di automatizzare i processi di analisi ma che nello stesso tempo
cerca di investigare e dimostrare in maniera scientifica le teorie musicologiche proposte.
La GTTM può rappresentare un modello analitico che ben si presta per la sua natura ad essere
implementato e di conseguenza ad essere sottoposto a verifiche ed eventualmente ad integrazioni
ed ampliamenti. Integrazioni ed ampliamenti che diventano possibili ed interesse primario delle
ricerche grazie principalmente alle possibilità offerte dalle recenti tecniche di intelligenza
artificiale.
Nel prosieguo di questo paragrafo cercheremo di soffermarci sui problemi realizzativi che
emergono nella traduzione e sperimentazione degli aspetti teoricomusicali sottolineando, ove
questo accada, il contributo che l'approccio computazionale può apportare alla costruzione di
nuovi e più ampi modelli teorici nelle discipline musicologiche (Camilleri, 1992a). D'altro canto,
è sostenuto da alcuni studiosi (Camurri, 1990) che questa sorta di feedback tra teoria musicale e
sue realizzazioni computazionali possa dar luogo anche a utili e interessanti contributi nei
confronti delle discipline informatiche.
3.1. Il caso della teoria generativa della musica tonale
Le teorie linguistiche della fine degli anni '50, sviluppate soprattutto da Noam Chomsky,
influenzarono notevolmente anche il mondo musicale. Si iniziarono le prime esperienze di
applicazione della linguistica alla musica (Winograd, 1968) e concetti come quello di
"grammatica musicale" entrarono a far parte del bagaglio teorico dei musicologi (cfr. Roads,
1984). Da non sottovalutare inoltre gli importanti contributi teorici provenienti dal settore della
semiologia musicale (Nattiez, 1975, 1987) che influenzerà molte delle scuole analitiche
successive.
Come detto, Lerdahl e Jackendoff hanno sviluppato una teoria della musica tonale che in parte si
basa sugli obiettivi, anche se non sui contenuti, della linguistica generativa. Dopo una serie di
articoli (Lerdahl e Jackendoff, 1977, 1982) le ricerche dei due studiosi sono culminate nella
pubblicazione del volume A Generative Theory of Tonal Music. Dalla frase iniziale del libro si
intuiscono già le due principali differenze con le teorie precedenti:
Come primo aspetto, la teoria generativa tenta di produrre delle descrizioni formali dei pezzi di
musica analizzati in senso prettamente scientifico. I risultati analitici possono essere usati come
termine di confronto, in relazione alle comuni intuizioni musicali, per la verifica dei principi
teorici asseriti. In secondo luogo, la natura del lavoro è di matrice psicologica, dato che tenta di
spiegare capacità di tipo cognitivo: l'attenzione è rivolta all'organizzazione strutturale che
l'ascoltatore esperto attribuisce inconsciamente a un pezzo musicale e ai principi cognitivi
"universali" attraverso i quali essa è determinata. Non ci addentreremo oltre sugli aspetti di
questa teoria afferenti alla musicologia cognitiva, settore estremamente ricco di contributi ed
estremamente complesso in tutte le sue ramificazioni 10. Era comunque utile sottolineare anche
questa seconda matrice del lavoro di Lerdahl e Jackendoff, che tra i suoi compiti primari assume
quello della maggiore conoscenza delle facoltà mentali musicali (Jackendoff, 1987).
Facendo principalmente riferimento alla musica tonale occidentale, la conoscenza che
l'ascoltatore ha dell'idioma musicale viene espressa nei termini di una grammatica musicale,
comprendente un insieme di regole per la descrizione globale delle strutture musicali. Questa
grammatica non genera pezzi musicali né si comporta come un automa in grado di riconoscere
come appartenente alla grammatica un dato brano. Essa, di fatto, enuncia principi per mettere in
corrispondenza dei pezzi musicali con le loro descrizioni strutturali.
Vengono presi in considerazione dalla teoria soprattutto gli aspetti della struttura musicale che
sono di natura gerarchica. Per gerarchia si intende un'organizzazione formata da elementi
discreti (o da sezioni) correlati in modo tale che un elemento (o una sezione) dominante
comprende o contiene altri elementi (o sezioni) subordinati. Questo processo di subordinazione
continua indefinitamente in modo che tutti gli elementi della gerarchia siano, tranne quelli agli
estremi superiori e inferiori, subordinati e subordinanti allo stesso tempo. Gli elementi in una
stessa classe gerarchica possono essere pensati come appartenenti ad un medesimo livello
gerarchico.
I tipi di struttura gerarchica proposti dalla teoria sono quattro:
1) Grouping structure (struttura di raggruppamento), la segmentazione della superficie musicale
(il più basso livello di rappresentazione che abbia significato in musica) in temi, frasi e segmenti;
2) Metrical structure (struttura metrica), l'organizzazione in tempi forti e deboli che l'ascoltatore
impone alla musica;
3) Time span reduction (riduzione dell'intervallo temporale), stabilisce l'importanza relativa
strutturale delle altezze all'interno delle unità ritmiche percepite;
4) Prolongational reduction (riduzione del prolungamento), la gerarchia di stabilità delle altezze
secondo i pattern di tensione e di rilassamento.
Ecco un esempio musicale nel quale compaiono tutti e quattro i tipi di struttura gerarchica
evidenziati da Lerdahl e Jackendoff:
21
Per ognuna delle quattro porzioni della grammatica sono stati formalizzati tre tipi di regole:
a) Wellformedness rules (regole di forma), specificano la possibile descrizione strutturale;
b) Transformational rules (regole trasformazionali), permettono una classe vincolata di
modifiche sulla superficie musicale in modo che certi fenomeni apparentemente scorretti
possano essere trattati come fenomeni normali;
c) Preference rules (regole di preferenza), stabiliscono quali strutture formalmente possibili
corrispondono all'effettivo ascolto di un dato pezzo.
Quindi le regole di tipo "a" e "b" descrivono condizioni formali, mentre quelle del terzo tipo
mettono in relazione condizioni formali a particolari superfici musicali. E proprio l'ultima
famiglia di regole è quella maggiormente rappresentata nella grammatica. Mediante
l'applicazione delle regole di preferenza, sia a livello locale, globale e trasversalmente ai due, si
può far emergere un'analisi "preferita" del brano analizzato, da un punto di vista della maggior
coerenza. Ed è interessante verificare come, in tali casi le regole si rafforzano a vicenda, a causa
di situazioni acustiche chiare, mentre altrove condizioni musicali ambigue o vaghe danno luogo a
conflitti tra regole. In questi casi descrizioni strutturali distinte possono essere attribuite al brano.
Quest'ultimo è uno dei punti di maggiore interesse della teoria, soprattutto laddove le discrepanze
del ragionamento analiticomusicale possano essere evidenziate e studiate. L'esempio illustrato
nel quinto paragrafo, per il quale è stato scelto un sistema basato sulla conoscenza per lo
sviluppo di un'analisi incentrata anche sul paradigma del timespan reduction, si muove proprio
in questo senso. Si ha la possibilità infatti di seguire la traccia del ragionamento attraverso le
regole scelte, le motivazioni delle scelte, i valori dei parametri, ecc., sia in casi regolari che di
output multipli (Camilleri, Carreras e Giomi, 1991).
22
Nell'ultimo decennio, buona parte degli studiosi di informatica musicale di tutto il mondo si sono
ispirati, in un modo o nell'altro, alla teoria di Lerdahl e Jackendoff, tanto che risulta impossibile
anche semplicemente elencare le applicazioni in questo senso. In alcuni casi, però, si è trattato di
vere e proprie realizzazioni dirette degli spunti teorici appena illustrati. Si deve, per esempio,
all'inglese Michael Baker della Open University, la costruzione di sistemi per l'analisi automatica
basata sui raggruppamenti (Baker, 1987) e per forme di interazione fra grouping analysis,
parallelismo musicale e livelli di riduzione (Baker, 1989a, 1989b). Anche al Brooklyn College
della University of New York sono state fatte esperienze in questo senso, formalizzate con due
tecniche diverse: un sistema di regole (Scarborough et al., 1988) e un modello connessionista
(Scarborough et al., 1989b), entrambi per la scoperta delle strutture metriche e di
raggruppamento di brani tonali (Scarborough et al., 1989a). In un recente saggio Frode Holm
(University of California) ipotizza invece l'applicazione dei processi comunicanti sequenziali
(Communicating Sequential Processes), strumenti informatici di IA estremamente sofisticati, alla
riduzione dell'intervallo temporale, costruendo un algoritmo per la riproduzione udibile dei
livelli di analisi (Holm, 1992). Anche il sistema per la segmentazione in gruppi e l'analisi della
struttura metrica, descritto precedentemente, è un esempio di applicazione diretta di una porzione
della GTTM.
Vale la pena di ricordare, infine, che nel corso di questi ultimi anni la teoria musicale di Lerdahl
e Jackendoff ha subito ulteriori sviluppi, particolarmente incentrati sugli aspetti psicologico
cognitivi (Jackendoff, 1991) o sulla sua estensione a repertori di musica atonale (Lerdahl, 1989).
3.2. Ampliamenti, integrazioni e nuovi approcci
Per poter essere di aiuto ad un lavoro non solo di descrizione dei fenomeni dell'armonia ma
anche di tipo specificamente analitico l'impianto di Lerdahl necessita, a nostro avviso, di alcune
integrazioni. Come detto, lo scopo del lavoro sugli spazi tonali è quello di descrivere le relazioni
armoniche tra altezze, accordi e regioni tonali nei termini delle condizioni di prossimità. Sia il
termine "prossimità" che "stabilità" denotano a grandi linee lo stesso concetto: esprimono infatti
in maniera numerica il concetto di "vicinanza" (e quindi di distanza) di una nota, di un accordo o
di una regione rispetto ai rispettivi fondamentali, quali la tonica, l'accordo di primo grado o la
tonalità di impianto del brano. Con l'attribuzione dei valori di stabilità è possibile costruire una
gerarchia tra eventi musicali distinti, che si differenziano l'un l'altro per vicinanza o lontananza
armonica.
Ma può la complessa struttura di Lerdahl, una volta implementata in un sistema di IA, essere
utile per scopi analitici? Per esempio per l'eventuale individuazione automatica delle
modulazioni armoniche di un brano o di ausilio ai processi di riduzione gerarchica?
Un metodo per il riconoscimento delle modulazioni può essere progettato basandosi su
considerazioni che coinvolgono i valori di prossimità/stabilità attribuiti agli accordi di un brano:
il modello di spazio tonale proposto da Lerdahl può a sua volta essere esteso e modificato
ottenendo, dopo una prima fase di modellizzazione della stabilità, una sequenza completa dei
valori attribuiti agli accordi. L'esame della sequenza e del suo andamento può dare informazioni
riguardo la presenza di una eventuale modulazione.
Se da un lato i precedenti sistemi di analisi basati su computer hanno lasciato sempre abbastanza
vaghe le questioni concernenti le modulazioni, questo tipo di impiego della teoria di Lerdahl e le
sue estensioni costituiscono un'esperienza non riscontrabile in altri programmi riguardanti le
proprietà armoniche di un brano musicale. Essa risulta di particolare efficacia proprio grazie alla
sua automazione mediante calcolatore: sarebbe impensabile costruire manualmente e in poco
tempo decine di spazi tonali, confrontare note di accordi, calcolare valori di stabilità, loro medie
e decidere infine sulla presenza o meno di una modulazione.
Sia la teoria generativa della musica tonale che gli ultimi ampliamenti appena descritti
costituiscono la base teorica di un sistema di analisi armonica basato su tecniche ibride,
procedurali e di rappresentazione della conoscenza, descritto come esempio nel paragrafo
successivo.
4. ANALIZZARE L'ARMONIA CON UN SISTEMA ESPERTO
Vorremo concretizzare le riflessioni condotte nei paragrafi precedenti attraverso la discussione di
un esempio concreto di sistema di analisi armonica. Le motivazioni di questa scelta stanno nel
fatto che questo adotta alcune delle tecniche di IA illustrate nel secondo paragrafo ed inoltre
prende come base teorica alcuni dei paradigmi della teoria generativa della musica tonale
brevemente introdotta nel paragrafo precedente, assieme ad alcune estensioni ed integrazioni.
24
Il progetto nasce nell'ambito della Divisione Musicologica del CNUCE/C.N.R., operante presso
il Conservatorio di Musica di Firenze, per la creazione di un ambiente per l'analisi armonica di
brani musicali del repertorio tonale occidentale (Camilleri, Carreras e Giomi, 1992, 1993).
Uno degli aspetti caratterizzanti del lavoro sta proprio nel fatto che esiste, allo stato attuale, un
numero ristretto di applicazioni dirette di molti dei paradigmi presentati dalla teoria di Lerdahl e
Jackendoff. Tra questi uno dei più significativi aspetti della teoria, da un punto di vista
dell'armonia, è la riduzione dell'intervallo temporale (time span reduction): si tratta di una serie
di regole e di criteri che permettono la progressiva riduzione di un brano nei suoi elementi
armonicamente più importanti. Questo procedimento di riduzione, articolato in diversi livelli,
consente un processo di analisi strutturale che è stato da noi ampliato e confrontato con i principi
derivati da altre teorie musicali ed ulteriormente integrato con alcune parti teoriche
appositamente progettate. Da un punto di vista teoricomusicale un altro aspetto interessante
della ricerca è l'interazione tra le procedure di riduzione gerarchica sopra citate e l'individuazione
degli spazi tonali del brano analizzato mediante l'esame dei valori di stabilità. Se la seconda
procedura rende possibile la scoperta automatica delle cadenze e delle modulazioni, l'interazione
tra le due, possibile unicamente grazie all'impiego del calcolatore, fornisce utili indicazioni anche
dal punto di vista del metodo oltre che dei risultati.
25
Cerchiamo di introdurre brevemente la questione del time span reduction. Esiste un'intuizione
musicale fondamentale che sta dietro al concetto di riduzione. Si tratta del fatto che nella musica
tonale alcuni passaggi o eventi sono ascoltati come ornamenti o elaborazioni di altri. Se già
Schenker aveva messo in evidenza che l'organizzazione di un pezzo musicale può essere
concepita in tali termini, Lerdahl e Jackendoff hanno riassunto e formalizzato questa intuizione
in una "ipotesi di riduzione" atta a facilitare il processo di comprensione delle proprietà astratte
della musica tonale:
Ipotesi di riduzione:
L'ascoltatore organizza gli eventi sonori di un brano in una singola struttura coerente in
modo che essi sono uditi in una gerarchia di importanza relativa (Lerdahl e Jackendoff,
1983).
Fig. 4. Esempio di timespan reduction espresso con una notazione ad albero. Se un ramo
connesso ad un certo evento x termina su quello connesso all'evento y, il primo è strutturalmente
meno importante del secondo, ovvero x è udito come una elaborazione di y. Procedendo verso
l'alto, ogni livello di riduzione risulta una semplificazione armonica del livello precedente.
Le regole che permettono la riduzione dell'intervallo temporale a partire dal livello superficiale
possono essere schematicamente divise in due parti. La prima parte si fa carico di derivare i
domini entro i quali effettuare le riduzioni partendo dalle unità metriche più piccole e salendo
verso i domini più grandi. La seconda parte contiene le regole che individuano all'interno del
dominio gli elementi che agiscono da testa o vertice della riduzione (elemento gerarchico più
importante).
26
Vediamo quali sono i fattori che determinano la scelta di un elemento come vertice a partire da
domini, gli intervalli temporali, con due o più eventi. Ognuno dei fattori non è di per sé
determinante alla scelta ma contribuisce in una certa misura alla decisione complessiva.
Inizialmente si tiene conto della posizione metrica: un elemento metricamente più forte (in
relazione alla sua posizione interna alla battuta musicale) risulterà preferibile come testa di
riduzione. Altri due importanti fattori hanno invece a che fare con le proprietà "tonali" degli
eventi: la consonanza armonica intrinseca e la stabilità rispetto alla tonica. Vengono
naturalmente preferiti come teste eventi relativamente consonanti e con un grado di stabilità
maggiore. Anche la condotta melodica delle voci viene presa in considerazione a favore di
riduzioni che conducano a profili melodici il più possibile stabili.
Man mano che ci si allontana dal livello superficiale aumentano gradatamente di importanza altri
fattori legati soprattutto a considerazioni di tipo macrostrutturale. In particolare assumono
rilevanza nella riduzione gli eventi che fanno parte di un inizio o di una fine strutturale (per
esempio le cadenze); solitamente il movimento di una frase musicale si articola proprio tra questi
due punti strutturalmente importanti e di relativa stabilità formale. Devono anche essere inserite
regole per il controllo di certe condizioni di parallelismo che si possono verificare sia in senso
melodico che armonico tra eventi o coppie di eventi adiacenti.
4.1. Struttura del sistema
Per quanto riguarda la struttura, il sistema è articolato in diversi blocchi, rappresentanti le diverse
funzioni logiche del lavoro di analisi armonica della partitura:
CODIFICA E ANALISI LESSICALE DELLA PARTITURA
RICONOSCIMENTO DEGLI ACCORDI
CALCOLO DEI VALORI DI STABILITA'
RICONOSCIMENTO DELLE CADENZE
RICONOSCIMENTO DELLE MODULAZIONI
PRIMO LIVELLO DI RIDUZIONE
. . . . .
. . . . .
NMO LIVELLO DI RIDUZIONE
OUTPUT
27
Il primo problema affrontato nella fase di progettazione è quello della stesura di un formalismo
per la codifica del brano da analizzare. In questo primo passo si ha la necessità di avere una
rappresentazione completa, che garantisca cioè, da un punto di vista dell'analisi armonica, una
fedele riproduzione simbolica della struttura verticale del brano. Nello stesso tempo essa non
deve essere né ridondante né di difficile trattamento da un punto di vista dell'analisi lessicale.
In funzione delle caratteristiche suddette e dei postulati teorici impiegati abbiamo elaborato una
codifica che dopo una serie di parametri generali, consentisse la scrittura del brano secondo una
suddivisione dello stesso in "fette" temporali (dal termine inglese slice). I parametri generali
sono tre e permettono la definizione della tonalità del brano, il suo tempo espresso in frazione ed
infine il valore dell'unità ritmica minima.
Lo slice è invece una lista di sei campi contenenti le note dell'accordo rappresentate in notazione
anglosassone con il sistema nomealterazioneottava, la durata dell'accordo, la dinamica
dell'accordo, accento/staccato/tenuto/corona e infine il numero di battuta.
Ecco un esempio di alcune battute di un brano seguito dalla relativa codifica in slice:
Fig. 5. Alcune battute di un brano seguite dalla relativa codifica in slice.
KEY=BF+
TS=4/4
SU=8
BF2:D3:F3:BF3,4,MF,,,1
A2:C3:F3:C4,4,,,,1
BF2:BF2:F3:D4,4,,,,1
F2:A2:F3:C4,4,,,,1
G2:BF2:F3:BF3,8,,,,2
G2:BF2:E3:BF3,8,,,,2
A2:C3:F3:A3,8,,,,2
BF2:C3:F3:A3,8,,,,2
C3:C3:E3:G3,8,,,,2
C2:BF2:E3:G3,8,,,,2
F2:A2:C3:F3,4,,,C,2
G2:D3:G3:BF3,4,,,,3
A2:C3:F3:C4,4,,,,3
BF2:BF2:F3:D4,8,,,,3
BF2:A2:F3:D4,8,,,,3
G2:BF2:EF3:EF4,4,,,,3
F2:BF2:F3:D4,8,,,,4
EF2:BF2:F3:D4,8,,,,4
F2:A2:F3:C4,8,,,,4
28
F2:A2:EF3:C4,8,,,,4
BF1:F2:D3:BF3,2,,,C,4
Questa forma di rappresentazione rispetta gran parte delle proprietà di un buon schema di
rappresentazione musicale (unicità, mnemonica, consistenza, estensibilità, indipendenza dal
contesto, etc.) stabilite dal musicologo canadese D. Huron in un suo fondamentale saggio sulle
rappresentazioni (Huron, 1992) e risulta inoltre strettamente funzionale agli scopi perseguiti dalle
fasi successive. D'altro canto la semplicità della sua struttura ne facilita anche la fase di
introduzione da parte dell'utente e di analisi ed estrazione dei valori, quest'ultime ottenute
attraverso la realizzazione di un piccolo analizzatore lessicale.
Le limitazioni dello schema stanno nel fatto che non risponde a requisiti di isomorfismo
strutturale con la sorgente rappresentata e che inoltre non può essere reversibile come alcuni
linguaggi di codifica di impiego generale come il DARMS (Digital Representation of Musical
Score) o lo SCORETM (Hewlett e SelfridgeField, 1987). E' pensabile di utilizzare per l'analisi
eventuali repertori già codificati con linguaggi più completi come quelli sopra citati,
provvedendo allo sviluppo di specifici programmi di transcodifica verso il nostro schema.
La prima fase di effettivo arricchimento automatico delle informazioni relative ad ogni singolo
evento musicale verticale è quella concernente il riconoscimento del tipo di accordo
rappresentato.
Per questo tipo di problema sono state condotte ricerche specifiche e approfondite, le più recenti
delle quali, affrontano l'argomento con l'impiego di reti neurali opportunamente addestrate che
riescono a classificare le triadi12 anche in situazioni armoniche particolari e complesse (Laden e
Keefe, 1989; Leman, 1990). Abbiamo scelto qui una soluzione che potremmo invece definire
classica e che risulta anche intuitivamente semplice. Si basa su un algoritmo che calcola gli
intervalli tra tutte le note dell'accordo, ordina le stesse per terze e, in base alla successione delle
terze, individua il tipo di accordo e gli attribuisce un nome.
Vengono riconosciute triadi maggiori e minori, diminuite ed eccedenti, più le precedenti con la
presenza di settime e none. L'algoritmo può anche terminare con un fallimento nel caso non ci
sia la possibilità di disporre per intervalli di terza le note dell'accordo o le note stesse non siano
sufficienti per formare un vero e proprio accordo: questo caso viene segnalato con un apposito
marcatore.
Abbiamo già discusso precedentemente sull'attribuzione dei valori di stabilità ai singoli accordi.
Come detto, la teoria originaria di Lerdahl (1988) può essere modificata ed estesa e soprattutto
usata in modi e per scopi abbastanza diversi da quelli canonici. E' possibile formulare un
algoritmo per la rilevazione delle eventuali modulazioni di tonalità attraverso l'esame dei singoli
valori di stabilità e delle loro sequenze.
29
Il metodo utilizzato per l'individuazione delle modulazioni è quello illustrato nel precedente
paragrafo e fa uso sia delle informazioni sulla stabilità relativa degli accordi che di alcuni dati
globali del brano, tra i quali i cosiddetti punti cadenzali. Infatti, attraverso un apposito sistema di
regole appartenenti alla base di conoscenza, descritta più avanti nel paragrafo, viene elaborato un
parametro contenente la lista dei punti del brano in cui si ritiene possano esserci delle cadenze.
L'informazione del cambio provvisorio di tonalità, importante per la comprensione della struttura
musicale complessiva del pezzo analizzato, verrà passata e usata dalla base di conoscenza per
l'effettuazione dei processi di riduzione.
4.2. La base di conoscenza
Compito della base di conoscenza e delle strategie di controllo è quello di catturare il patrimonio
di conoscenze e di tecniche dell'analista musicale. L'insieme degli oggetti della base di
conoscenza è costituito principalmente dai parametri, cioè quelle strutture atte a contenere i "fatti
del dominio" e dalle regole che rappresentano invece le "relazioni" tra i fatti della base di
conoscenza. Oltre a questi esistono i gruppi, insiemi di oggetti simili e i blocchi di controllo
(FCB focus control block), che dicono al sistema come portare a compimento una certa unità di
lavoro analitico.
Le regole impiegate all'interno di ogni blocco di controllo hanno il classico formato if premessa
then azione, dove la premessa è una serie di enunciati booleani e l'azione è una serie di attività da
intraprendere se la premessa risulta vera. I meccanismi di inferenza che sono stati usati per
regolare l'accensione delle regole appartengono ai due tipi già citati, quelli di forward chaining e
quelli di backward chaining.
Fig. 6. Esempi di regole musicali attivate nella base di conoscenza.
La figura successiva (Fig. 7) illustra la struttura dei blocchi di controllo della base di conoscenza,
organizzata sottoforma di albero. Dei tre rami principali il primo scopre le cadenze, il secondo
effettua il primo livello di riduzione e l'ultimo completa i processi di riduzione fino al loro
esaurimento.
Fig. 7. Albero di controllo della base di conoscenza.
30
Effettuare il primo livello di riduzione significa esprimere una gerarchia tra particolari eventi
musicali interni ad una fissata unità ritmica, il time span, per usare la terminologia tipica della
teoria (Lerdahl e Jackendoff, 1983). Nel livello iniziale i fattori che entrano in gioco per la
determinazione della testa sono prevalentemente di natura metrica e/o di relazione armonica. A
questo livello vengono ridotte, per esempio, le appoggiature, le note di passaggio, le note di
volta, ecc.
Per confrontare gerarchicamente la consonanza di due accordi abbiamo introdotto una forma di
classificazione deducibile dal tipo dell'accordo. La classificazione usata è una nostra variante di
quella introdotta da John Maxwell nel suo sistema esperto (Maxwell, 1988) e prevede la
seguente suddivisione degli accordi:
1) triadi maggiori e minori;
2) triadi diminuite, maggiori e minori di settima;
3) triadi aumentate;
4) altre triadi.
All'accordo viene assegnato un valore corrispondente al numero della sua classe. Esiste anche
una categoria intermedia tra la prima e la seconda, dove viene collocato esclusivamente l'accordo
di settima di dominante della tonalità. Agli accordi che hanno una configurazione di primo o
secondo rivolto viene aggiunto mezzo punto per compensare la piccola "perdita" di consonanza.
Ad ogni regola che governa i processi di riduzione viene assegnato un fattore di certezza 13 che ne
contraddistingue il peso nella determinazione dei vertici. Questi pesi possono essere cambiati
dall'analista per controllare l'influenza progressiva dei fattori in gioco, la predominanza di uno di
essi su gli altri e così via.
Per quanto riguarda le procedure di consultazione della base di conoscenza, operanti con
modalità interattive, il sistema di analisi armonica accetta in ingresso la codifica alfanumerica del
brano musicale da analizzare e fornisce, al termine delle procedure analitiche, un'analisi
armonicostrutturale del brano stesso espressa in termini dei livelli di riduzione.
In mezzo a questi due estremi sono disponibili comunque tutta una serie di risultati intermedi,
altrettanto degni di interesse da un punto di vista musicologico e importanti anche ai fini di un
costante controllo sull'esecuzione del processo analitico. Questi risultati, che potremmo definire
parziali, sono rappresentati da:
1) riconoscimento degli accordi, espresso come etichettatura degli stessi e verificabile all'interno
di un file di controllo apposito;
2) descrizione dei punti cadenzali, riscontrabile all'interno della base di conoscenza mediante
stampa della lista specifica;
3) descrizione delle sezioni di modulazione armonica, riscontrabile mediante esame del file
contenente le informazioni sugli slice.
Fig. 8. Esempio di rilevazione delle cadenze (lista delle cadenze: [10,20,...]) e di effettuazione
automatica del primo livello di riduzione (lista degli slice da ridurre:
[...,22,23,26,28,30,33,37,39,41,43,...]) su due diversi corali di J. S. Bach.
31
CONCLUSIONE
L'analisi musicale computazionale è una disciplina continuamente in trasformazione, sia grazie
alle ricadute provenienti dalla ricerca tecnologica, sia per le continue influenze derivanti dagli
studi sulle scienze cognitive. I futuri sviluppi della ricerca potranno andare proprio in queste due
direzioni.
Il rapido evolversi della progettazione di nuove architetture per i sistemi di elaborazione e di
nuove tecnologie hardware in genere, contribuirà alla crescita dell'analisi musicale: sistemi di
progettazione relativamente recente come la connection machine14 (Vercoe, 1988) ed i
transputer15 (Leman, 1992) cominciano già ad affacciarsi nel mondo delle applicazioni
informatiche alla musicologia.
Ancora più ampio è lo spettro aperto dalle ricerche di punta della musicologia cognitiva (Deliège
e McAdams, 1989) che, concentrandosi sulla comprensione dei processi mentali dell'uomo
coinvolti nelle attività musicali, può assumere un ruolo determinante anche nell'analisi musicale
computazionale.
L'alto grado di complessità dei fenomeni musicali impone delle forme di realizzazione che siano
adeguate e che, a fini di completezza, affrontino i problemi sotto un numero di angolazioni
sufficientemente ampio. Per questi motivi appare sempre più interessante la possibilità di
integrare in maniera coerente, formalismi di rappresentazione della conoscenza musicale di
differente natura, all'interno dei cosiddetti sistemi ibridi.
L'esempio di sistema esperto da noi proposto si colloca in una tale dimensione. Con questo
lavoro abbiamo cercato di ampliare, integrare e verificare (anche con la rilevazione di alcune
discrepanze) gli assunti della teoria generativa della musica tonale proposta dagli studiosi
americani Lerdahl e Jackendoff, e della teoria sulle regioni tonali dello stesso Lerdahl. Laddove
la trattazione di certi aspetti analiticomusicali non fosse stata precedentemente contemplata,
sono state cercate specifiche Soluzioni teoriche nuove.
Pertanto anche da un punto di vista teoricomusicale la possibilità di integrare differenti approcci
appare come una via foriera di interessanti sviluppi. Ed è proprio grazie alle nuove tecniche di
intelligenza artificiale che diventano fattibili tali forme di integrazione e di verifica dei risultati.
Vorremo terminare affermando che, se l'informatica appare appunto oggi come il mezzo migliore
per sviluppare e verificare sistematicamente un qualunque insieme di teorie musicali, è
auspicabile che essa possa sempre di più stimolare nuove forme di studio dei complessi fenomeni
che hanno luogo in musica.
NOTE
33
1 La teoria musicale abbraccia lo studio delle componenti fondamentali della musica (acustica,
2 Per ulteriori approfondimenti sulle relazioni tra musica e linguistica si veda per esempio il
recente librorassegna di Raymond Monelle (1992).
3 Viene così definita una musica nella quale una "serie" strutturale di note governa il totale
sviluppo della composizione. Introdotta per la prima volta da Arnold Schoenberg negli anni '20,
questo tipo di scrittura musicale si configurò subito come rivoluzionaria, rispetto alle tradizionali
componenti armoniche, ritmiche e melodiche della composizione.
4 Il concetto di grammatica è stato introdotto formalmente, come è noto, dalla linguistica ed
esteso successivamente al campo musicologico.
5 Nel caso del forward chaining il motore inferenziale inizia con una lista di parametri con valori
conosciuti, trova le regole le cui premesse diventano vere usando quei valori e le esegue; se
vengono determinati nuovi valori di parametri essi vengono aggiunti alla lista iniziale e il
processo si ripete. Nella tecnica del backward chaining si scelgono i parametri per i quali sono
desiderati dei valori oppure il sistema li sceglie indirettamente durante la consultazione; il
sistema cerca le regole che citano questi parametri nelle loro azioni e le esegue una per volta.
Elaborando le regole alcuni parametri necessari possono essere sconosciuti e sono marcati come
sottoobiettivi; il processo si ripete attivando nuovamente una ricerca delle regole che possano
trarre conclusioni su questi nuovi parametri ed eventualmente eseguendole.
6 Dal nome del famoso teorico Heinrich Schenker (18681935), autore di una serie di studi
sull'analisi musicale e inventore di un importante sistema di analisi strutturale per la musica del
periodo classico.
7 Concetto che l'autore assimila a quello di tonalità.
34
8 Il processo estesico è l'insieme delle strategie messe in atto all'atto della percezione del
prodotto dell'attività poietica, cioè quella grazie alla quale, alla fine dell'atto creativo, esiste
l'opera, che prima non esisteva e che dunque può diventare oggetto di analisi. Il concetto,
introdotto dal semiologo JeanJacques Nattiez nei suoi due libri fondamentali (Nattiez, 1975,
1987), è usato in questo caso per indicare un approccio analitico basato prevalentemente su
criteri di ascolto.
9 Formalizzare cioè e realizzare su calcolatore, dall'inglese to implement, che è dal latino
implere, "riempire".
proposti nella rivista Music Perception, curata da Diana Deutsch e pubblicata da University of
California Press. Riguardo specificamente la musicologia cognitiva si può consultare una
raccolta di saggi apparsa in un recente numero della rivista Minds & Machines (Camilleri,
1992b).
11 Anche se ancora oggetto di accesi dibattiti, a grandi linee, questi due concetti esprimono la
relazione di importanza che esiste tra gli accordi costruiti sui diversi gradi della scala nell'ambito
di una certa tonalità.
12 Accordi di tre note comprendenti la nota fondamentale, quella sul terzo e quella sul quinto
grado. Si contraddistinguono per tipologia (triadi maggiori, minori, aumentate, diminuite, ecc.).
13 Spesso nei sistemi esperti i fatti e le regole non sono soltanto veri o falsi; talvolta esiste un
grado di incertezza sulla validità di un fatto o sulla precisione di una regola. Quando questo
dubbio è reso esplicito, è chiamato "fattore di certezza".
14 Calcolatore ad alto grado di parallelismo dotato di 65536 unità di elaborazione connesse tra
loro. Questa configurazione consente il raggiungimento di potenze di calcolo pari a diverse
migliaia di milioni di operazioni al secondo.
15 Microcalcolatori ad alte prestazioni progettati per facilitare le comunicazioni sia tra
elaboratori che tra processi computazionali. Spesso sono usati insieme per la costruzione di reti
informatiche veloci.
BIBLIOGRAFIA
35
Ashley R.D. (1985). "KSM: An Essay in Knowledge Representation in Music", in Truax B. (a
cura di), Proceedings of the International Computer Music Conference 1985, Burnaby, 1922
agosto 1985, San Francisco, Computer Music Association.
Ashley R.D. (1986). "Design Considerations in KSM, A Knowledge System for Music", in
«CCAI The Journal for the Integrated Study of Artificial Intelligence Cognitive Science and
Applied Epistemology» 3 (3).
Balaban M. (1985). "Foundations for Artificial Intelligence Research of Western Tonal Music",
in Truax B. (a cura di), Proceedings of the International Computer Music Conference 1985,
Burnaby, 1922 agosto 1985, San Francisco, Computer Music Association.
Balaban M. (1986). "A Formal Basis for Research in Theories of Western Tonal Music", in
«CCAI The Journal for the Integrated Study of Artificial Intelligence Cognitive Science and
Applied Epistemology» 3 (3).
Balaban M. (1989). "The CrossFertilization Relationship between Music and AI", in «Interface»
18 (12).
Balaban M. e Murray N.V. (1985). "Machine Tongues X: Prolog", in «Computer Music Journal»
9 (3).
Baker M.J. (1987), Automated Analysis of Musical Grouping Structures as a Basis for a Guided
Discovery Environment for Interpretation of Music, CITE Report n. 23, Milton Keynes, Institute
of Educational Technolgy, The Open University.
Baker M.J. (1989a). "An Artificial Intelligence Approach to Musical Grouping Analysis", in
«Contemporary Music Review» 3 (1).
36
Baker M.J. (1989b). "Approche computationelle de la modélisation des structures de groupement
musical", in Deliege I. e McAdams S. (a cura di), La musique et le sciences cognitives, Liegi
Bruxelles, P. Mardaga Editeur.
Baroni M. e Callegari L. (a cura di) (1984), Musical Grammars and Computer Analysis, Firenze,
Leo Olschki Editore.
Baroni M., Dalmonte R. e Jacoponi C. (1992). "Theory and Analysis of European Melody", in
Marsden A. e Pople A. (a cura di), Computer Representations and Models in Music, Londra,
Academic Press.
Bent I. e Drabkin W. (1990), Analisi Musicale, Torino, EDT.
Bharucha J.J. (1988). "Neural Net Modeling of Music", in Proceedings of the First International
Workshop on Artificial Intelligence and Music, Minneapolis, 24 August 88, AAAI Press.
Bharucha J.J. e Olney K. (1989). "La cognition tonale, l'intelligence artificielle et les réseaux
neuronaux", in Deliege I. e McAdams S. (a cura di), La musique et le sciences cognitives, Liegi
Bruxelles, P. Mardaga Editeur.
Bharucha J.J. e Todd P. (1989). "Modeling the Perception of Tonal Structure with Neural Nets",
in «Computer Music Journal» 13 (4).
Blevis E. et al. (1989). "On Seeger's Music Logic", in «Interface» 18 (12).
Brinkman A.R. (1986a). "Representing Musical Scores for Computer Analysis", in «Journal of
Music Theory» 30 (2).
37
Brinkman A.R. (1986b). "A Binomial Representation of Pitch for Computer Processing of
Musical Data", in «Music Theory Spectrum» 8.
Camilleri L. (1984). "A Grammar of the Melodies of Schubert's Lieder", in Baroni e Callegari (a
cura di), Musical Grammars and Computer Analysis, Firenze, Leo Olschki Editore.
Camilleri L. (1988). "Computational Musicology in Italy", in «Leonardo» 21 (4).
Camilleri L. (1992a). "Computational Theories of Music: Theoretical and Applicative Issues", in
Marsden A. e Pople A. (a cura di), Computer Representations and Models in Music, Londra,
Academic Press.
Camilleri L. (a cura di) (1992b). "Music Cognition". Saggio speciale di «Minds and Machines» 2
(4).
Camilleri L., Carreras F. e Duranti C. (1990). "An Expert System Prototype for the Study of
Musical Segmentation", in «Interface» 19 (23).
Camilleri L., Carreras F. e Giomi F. (1991). "An Expert System for Analytical Discoveries on
the Harmonic Structure of Musical Pieces", in Conference Handbook of Computers in Music
Research, Belfast, 710 aprile 1991, The Queen's University of Belfast.
Camilleri L., Bencini D. e Ignelzi M. (1991). "Analisi paradigmatica di repertori monofonici", in
Camurri A. e Canepa C. (a cura di), Atti del IX Colloquio di Informatica Musicale, Genova, 13
16 novembre 1991, Genova, AIMI/DIST.
Camilleri L., Carreras F. e Giomi F. (1993). "Sistemi esperti in musicologia: un prototipo per
l'analisi TimeSpan Reduction", in Haus G. e Pighi E. (a cura di), Atti del X Colloquio di
Informatica Musicale, Milano, 24 dicembre 1993, Milano, AIMI/LIMDSI.
Camilleri L. et al. (1987). "A Software Tool for Music Analysis", in «Interface» 16 (1).
38
Camurri A. (1990). "On the Role of Artificial Intelligence in Music Research", in «Interface» 19
(23).
Camurri A. (1992). "Analogical and Symbolic Representations of Music Knowledge", Workshop
Notes of the ECAI92 Workshop on AI and Music, Vienna 34 agosto 1992.
Camurri A. et al. (1993). "Toward a Cognitive Model for the Representation and Reasoning on
Music and Multimedia Knowledge", in Haus G. e Pighi E. (a cura di), Atti del X Colloquio di
Informatica Musicale, Milano, 24 dicembre 1993, Milano, AIMI/LIMDSI.
Carreras F. (1990), Intelligenza artificiale e musica. Una convergenza produttiva (Appunti per il
workshop di musicologica computazionale), Pisa, CNUCE/C.N.R.
Charnassé H. e Stepien B. (1992). "Automatic Transcription of German Lute Tablatures: An
Artificial Intelligence Application", in Marsden A. e Pople A. (a cura di), Computer
Representations and Models in Music, Londra, Academic Press.
Dalmonte R. e Baroni M. (a cura di) (1992), Atti del 2o Convegno Europeo di Analisi Musicale,
Trento, 2427 ottobre 1991, Università di Trento.
Dannenberg R. et al. (1990). "A Computerbased MultiMedia Tutor for Beginning Piano
Students", in «Interface» 19 (23).
Davis D.S. (a cura di) (1988), Computer Applications in Music. A Bibliography, Madison (WI),
AR Editions.
Deliège I. e McAdams S. (a cura di) (1989), La musique et le sciences cognitives, Liegi
Bruxelles, P. Mardaga Editeur.
De Poli G. et al. (1991a). "Reti neuronali per il controllo delle deviazioni temporali
nell'esecuzione musicale", in Camurri A. e Canepa C. (a cura di), Atti del IX Colloquio di
Informatica Musicale, Genova, 1316 novembre 1991, Genova, AIMI/DIST.
De Poli G. et al. (1991b). "Applicazione delle reti neuronali alla classificazione dei registri
dell'organo a canne", in Camurri A. e Canepa C. (a cura di), Atti del IX Colloquio di Informatica
Musicale, Genova, 1316 novembre 1991, Genova, AIMI/DIST.
39
De Poli G. et al. (1994). "Auditory Modelling and SelfOrganizing Neural Network", «Journal of
New Music Research» 23 (1).
Dolson M. (1989). "Machine Tongues XII: Neural Networks", in «Computer Music Journal» 13
(3).
Ebcioglu K. (1988). "An Expert System for Harmonizing Fourpart Chorales", in «Computer
Music Journal» 12 (3).
Forte A. (1966). "A Program for the Analytic Reading of Scores", in «Journal of Music Theory»
10 (2).
Friberg A. (1991). "Generative Rules for Music Performance: A Formal Description of a Rule
System", in «Computer Music Journal» 15 (2).
Friberg A. e Sundberg J. (1986). "A LISP Environment for Creating and Applying Rules for
Musical Performance", in Berg P. (a cura di), Proceedings of the International Computer Music
Conference 1986, L'Aia, 2024 ottobre 1986, San Francisco, Computer Music Association.
Giomi F. e Ligabue M. (1992a). "Analisi assistita al calcolatore della musica contemporanea",
Rapporto interno C9201, Pisa, CNUCE/C.N.R.
Giomi F. e Ligabue M. (1992b). "An AesthesicCognitive approach to the description of the
sound object. From the definition of a phonematic paradigm to the individuation of analytical
computational strategies", in Tarasti E. (a cura di) Acta Semiotica Finnica vol. 2, Helsinki, ISI.
Gjerdingen R.O. (1989). "Using Connectionist Models to Explore Complex Musical Patterns", in
«Computer Music Journal» 13 (3).
Harris M. et al. (1991). "Representing Music Simbolically", in Camurri A. e Canepa C. (a cura
di), Atti del IX Colloquio di Informatica Musicale, Genova, 1316 novembre 1991, Genova,
AIMI/DIST.
40
Haus G. (1984), Elementi di informatica musicale, Milano, Jackson.
Hewlett W.B. e SelfridgeField E. (a cura di) (19851988), The Directory of Computer Assisted
Research in Musicology. Menlo Park, CA: Center for Computer Assisted Research in the
Humanities.
Holland S. (1992). "Interface Design for Empowerment: A Case Study from Music", in Holland
S. e Edwards A.D.N. (a cura di), Multimedia Interface Design in Education, Berlino, Springer
Verlag.
Huron D. (1992). "Design Principles in Computerbased Music Representation", in Marsden A. e
Pople A. (a cura di), Computer Representations and Models in Music, Londra, Academic Press.
Jackendoff R. (1987), Consciousness and the Computational Mind, Cambridge Mass. The MIT
Press (trad. it., Coscienza e mente computazionale, Bologna, Il Mulino, 1990).
Jackendoff R. (1991). "Musical Parsing and Musical Affect", in «Music Perception» 9 (2).
Kippen J. e Bel B. (1992). "Modelling Music with Grammars: Formal Language Representation
in the Bol Processor", in Marsden A. e Pople A. (a cura di), Computer Representations and
Models in Music, Londra, Academic Press.
Laden B. e Keefe D.H. (1989). "The Representation of Pitch in a Neural Net Model of Chord
Classification", in «Computer Music Journal» 13 (4).
Laske O. (1988). "Introduction to Cognitive Musicology", in «Computer Music Journal» 12 (1).
Leman M. (1986). "A Process Model for Musical Listening Based on DHNetworks", in «CCAI
The Journal for the Integrated Study of Artificial Intelligence Cognitive Science and Applied
Epistemology» 3 (3).
41
Leman M. (1989b). "Symbolic and Subsymbolic Information Processing in Models of Musical
Communication and Cognition", in «Interface» 18 (12).
Leman M. (1991). "Tonal Context by Pattern Integration over Time", in Camurri A. e Canepa C.
(a cura di), Atti del IX Colloquio di Informatica Musicale, Genova, 1316 novembre 1991,
Genova, AIMI/DIST.
Leman M. (1992). "Artificial Neural Networks in Music Research", in Marsden A. e Pople A. (a
cura di), Computer Representations and Models in Music, Londra, Academic Press.
Lerdahl F. (1988). "Tonal Pitch Space", in «Music Perception» 5 (3).
Lerdahl F. (1989). "Structure de prolongation dans l'atonalité", in Deliege I. e McAdams S. (a
cura di), La musique et le sciences cognitives, LiegiBruxelles, P. Mardaga Editeur.
Lerdahl F. e Jackendoff R. (1977). "Toward a Formal Theory of Tonal Music", in «Journal of
Music Theory» 21 (1).
Lerdahl F. e Jackendoff R. (1981). "On the Theory of Grouping and Meter", in «The Music
Quarterly» 67 (1).
Lerdahl F. e Jackendoff R. (1982). "A Grammatical Parallel between Music and Language", in
Clynes M. (a cura di), Music, Mind and Brain, New York, Plenum Press.
Lerdahl F. e Jackendoff R. (1983), A Generative Theory of Tonal Music, Cambridge Mass., The
MIT Press.
Lerdahl F. e Jackendoff R. (1984). "An Overview of Hierarchical Structure in Music", in «Music
Perception» 1 (2).
Ligabue M. (1986). "A System of Rules for Computer Improvisation", in Berg P. (a cura di),
Proceedings of the International Computer Music Conference 1986, L'Aia, 2024 ottobre 1986,
San Francisco, Computer Music Association.
42
Loy D.G. (1989). "Preface to the Special Issue on Parallel Distributed Processing and Neural
Networks", in «Computer Music Journal» 13 (3).
Marsden A. (1992). "Modelling the Perception of Musical Voices: A Case Study in RuleBased
Systems", in Marsden A. e Pople A. (a cura di), Computer Representations and Models in Music,
Londra, Academic Press.
Marsden A. e Pople A. (1989). "Towards a Connected Distributed Model of Musical Listening",
in «Interface» 18 (12).
Maxwell J.H. (1988). "An Expert System for Harmonic Analysis of Tonal Music", in
Proceedings of the First International Workshop on Artificial Intelligence and Music,
Minneapolis, 24 agosto 1988, AAAI Press.
Meehan J.R. (1980). "An Artificial Intelligence Approach to Tonal Music Theory", in
«Computer Music Journal» 4 (2).
Minsky M. (1982). "Music, Mind and Meaning", in Clynes M. (a cura di), Music, Mind and
Brain, New York, Plenum Press.
Monelle R. (1992), Linguistics and Semiotics in Music, Harwood Academic Publisher.
Nattiez J.J. (1975), Fondements d'une sémiologie de la musique, Parigi, Union Générale
d'Éditions.
Nattiez J.J. (1987), Musicologie generale et sémiologie, Parigi, Bourgois (trad. it., parte III:
Musicologia generale e semiologia, Torino, EDT, 1990; parte III: Il discorso musicale, Torino,
Einaudi, 1987).
Nilsson N.J. (1980), Principles of Artificial Intelligence, Palo Alto CA, Tioga Publishing.
43
Risch V. (1989). "Grammaires musicales modales et Prolog II", in Actes du Colloque: Strutures
Musicales et Assistance Informatique, Marsiglia, 14 giugno 1988, Marsiglia, MIM.
Roads C. (1980). "Le grammatiche come rappresentazione della musica", in Vidolin A. (a cura
di), Musica e elaboratore, Venezia, LIMB.
Roads C. (1984). "An Overview of Music Representations", in Baroni M. e Callegari L. (a cura
di), Musical Grammars and Computer Analysis, Firenze, Leo Olschki Editore.
Roads C. (1985). "Research in Music and Artificial Intelligence", in «ACM Computing Surveys»
17 (2).
Roeder J. (1988). "A Declarative Model of Atonal Music", in «Music Perception» 6 (1).
Rowe R. (1992). "Machine Listening and Composing with Cypher", in «Computer Music
Journal» 16 (1).
Rumelhart D. e McClelland J. (a cura di) (1986, Parallel Distributed Processing vol 1 and 2,
Cambridge Mass., The MIT Press (parziale trad. it., PDP Microstruttura dei processi cognitivi,
Bologna, Il Mulino, 1991).
Sano H. e Jenkins B.K. (1989). "A Neural Net Model for Pitch Perception", in «Computer Music
Journal» 13 (3).
Scarborough D.L. et al. (1988). "An Expert System for Music Perception", in Proceedings of the
First International Workshop on Artificial Intelligence and Music, Minneapolis, 24 agosto 1988,
AAAI Press.
Scarborough D.L. et al. (1989a). "Rulebased versus Constraintsatisfaction Approaches to the
Perception of Meter in Music", in Proceedings of the Second International Workshop on
Artificial Intelligence and Music, Menlo Park, AAAI Press.
Scarborough D.L. et al. (1989b). "Connectionist Models for Tonal Music", in «Computer Music
Journal» 13 (3).
44
Schaffer J.W. (1990). "Intelligent Tutoring Systems: New Realms in CAI?", in «Music Theory
Spectrum» 12 (2).
Schaffer J.W. (1991). "A Listbased Prolog Data Structure for the Computer Representation and
Analytical Manipulation of Musical Scores", in Conference Handbook of Computers in Music
Research, Belfast, 710 aprile 1991, The Queen's University of Belfast.
Sgard, P.M. (a cura di) (1992), in «Analyse Musicale» 28, (saggio speciale Logique et Musique).
Smoliar S.W. (1980). "A Computer Aid for Schenkerian Analysis", in «Computer Music
Journal» 4 (2).
Stevens C. e Latimer C. (1992). "A Comparison of Connectionist Models of Music Recognition
and Human Performance", in «Minds and Machines» 2 (3).
Tobias J.C. (1988). "Knowledge Representation in the Harmony Intelligent Tutoring System", in
Proceedings of the First International Workshop on Artificial Intelligence and Music,
Minneapolis, 24 agosto 1988, AAAI Press.
Todd P. e Loy G. (a cura di) (1992), Music and Connectionism, Cambridge (MA), The MIT
Press.
Vercoe B. (1988). "Hearing Polyphonic Music with the Connection Machine", in Proceedings of
the First International Workshop on Artificial Intelligence and Music, Minneapolis, 24 agosto
1988, AAAI Press.
Waterman D.A. (1986), A Guide to Expert Systems, Reading Mass., AddisonWesley.
Winograd T. (1968). "Linguistics and the Computer Analysis of Tonal Harmony", in «Journal of
Music Theory» 12 (1).
1
2
8
9
10
11
12
13
14
15