Музыкальный инстинкт. Почему мы любим музыку

Существуют еще две конкурирующие программы: «Playola», написанная студентом Колумбийского университета в Нью-Йорке, и поисковик «Search Inside the Music» компании «Sun Microsystems». «Playola» ищет внутри песен определенные шаблоны, позволяющие относить их к нетрадиционным жанрам; после прослушивания песни пользователь должен провести пальцем по слайдерам, чтобы настроить жанровые предпочтения: например, чуть больше «авторской песни» и чуть меньше «колледж-рока». «Search Inside the Music» – детище Пола Ламера, разработчика программного обеспечения. Ранее он занимался конструктивным синтезом речи, а теперь работает в «компании по разработке музыкального интеллекта» «The Echo Nest» в городе Соммервиль в Массачусетсе. Система занимается поиском «акустических подобий» в песнях, таких как похожие мелодии, темпы, ритмы, тембры и инструментовки; пользователь может искать песни, которые «звучат похоже» на те, что ему нравятся, при этом акустические параметры можно комбинировать с пользовательскими предпочтениями, чтобы точнее настроить систему поиска. Ламер хочет, однако, чтобы обратная связь такого рода могла создавать «предубеждение популярности»: в результате хитовые композиции будут чаще попадаться в рекомендациях, чем менее успешные песни, а значит тренды будут заглушать собой новинки. В 2006 году социолог из нью-йоркского Колумбийского университета провел исследование, выявившее, что информация о выборе других пользователей может заметно исказить рейтинги популярных песен по сравнению с тем случаем, когда каждый пользователь осуществляет свой выбор независимо: шквал отзывов может заставить сравнительно непримечательные песни подняться на первые позиции в списке популярных композиций. Когда автоматическая «система рекомендаций» пользуется только акустическими характеристиками, это искажение исчезает.

Соотносятся ли акустические параметры субъективной классификации и вкусов с традиционно рассматриваемыми качествами мелодии, ритма и так далее? Некоторые системы «музыкального подбора» не предполагают подобное В прототипе «AudioRadar» разработчика Отмара Хиллигеса и его команды из Мюнхенского университета музыка классифицировалась по четырем разным осям: быстро/медленно, ритмично/мелодично, спокойно/возбуждающе и шероховато/гладко. Последняя пара измерялась количеством ритмических и мелодических изменений в песне в коротких и длинных временных промежутках. Этот метод задает каждой песне ряд координат в четырехмерном пространстве, а расстояние между песнями, по-видимому, определяет степень их подобия. Чтобы определить, какую музыку выбрать из этого пространства, пользователь указывает личные предпочтения по каждому из четырех признаков. Исследователи разработали метод проецирования результатов на двухмерный дисплей, где «эталонная песня» располагается в центре, окруженная концентрическими кругами из других песен. Пользователь может выбрать направление движения от текущей песни, например, ускорить темп с сохранением всех остальных характеристик, или же мр3-плеер можно отправить в блуждание по пространству «определенного настроения».

Все еще не решены начальные проблемы этого нового подхода при разбивке на жанры: Хиллигес допускает, например, что «система не может различать неоригинальную ерунду от великолепных песен». Схема классификации испытывает перенапряжение, когда сталкивается с разными типами музыки: в пространстве «AudioRadar» классическая музыка расположена очень близко к хэви-метал, что в результате может привести некоторых слушателей в ужас.[86]

Можно сделать логичный вывод, что такого рода путаница лишает смысла само существование систем поиска музыки, поскольку их показатели музыкального качества слишком грубы. Любая система, которая группирует «классическую музыку» (что бы это ни значило) в одну кучу с хэви-метал не производит впечателние устройства, которое может объяснить принципы «слышания» музыки. И кажется, что в настоящее время в автоматизации не хватает чего-то похожего на наше эстетическое чувство: разница между хорошим, посредственным и плохим суждением о западной классической музыке, и, вероятно, о любом другом жанре, чрезвычайно тонка. Даже если бы мы могли найти способ провести количественную оценку различий между, скажем, Францем Данци (немецкий композитор, 1763—1826) и Бетховеном, кажется маловероятным, что поисковая система помогла бы нам решить, кто из них лучше.

Тем не менее попытки музыкально-информационных технологий найти новые классификации и подобия в музыке не остаются полностью бесплодными. Компьютерные программы могут, например, использовать систему чего-то вроде аудиоиндексации, в которой музыкальные записи можно отсканировать, чтобы найти определенные элементы (такие как соло определенных джазовых музыкантов). Они могут помочь композиторам, сочиняющим музыку к фильмам, подобрать к конкретному настроению подходящую музыку, найдя ее в огромных библиотеках, или даже определить мелодии по напетым фрагментам (такая поисковая система, называемая «Musipedia», уже существует).