El ordenador aprende flamenco

Hasta ahora, el ordenador no aprendía flamenco. El grupo de investigación Tecnología Electrónica e Informática Industrial de la Universidad de Sevilla, dirigido por Carlos León, ha conseguido enseñar algo de este arte a una inteligencia artificial, todo un reto ya que se trata de una música caracterizada, precisamente, por la falta de regularidad.

El mismo cante de la misma persona varía cada vez que se entona y no hay partituras, lo que hace más difícil catalogarlo. Para conseguirlo, se ha recurrido a la identificación de patrones mínimos, como si fueran moléculas del sonido, y a la aplicación de mayor cantidad de información y potencia de cálculo. En tonás y fandangos han logrado una eficacia que roza el 100%. Quedan un centenar de palos por delante, pero en el camino se ha obtenido experiencia que se puede utilizar para interpretar electrocardiogramas (ningún latido es idéntico a otro) o el comportamiento de los usuarios de un servicio eléctrico.

Más información

¿Cómo será la música que componga la inteligencia artificial?

La inteligencia artificial compone música pop

Al frente del trabajo ha estado Javier Mora Merchán, quien ha culminado su investigación en la tesis Análisis de cadenas derivadas de modelos desconocidos. Aplicación del análisis al cante flamenco. Sus directores, Carlos León y Joaquín Mora, destacan que, aunque se aparta de la línea industrial de la investigación del grupo, sus aplicaciones son muy relevantes para otros campos caracterizados por la ausencia de patrones.

Para limitar la investigación, Javier Mora se centró en dos familias de palos: las tonás, de las que estudió deblas y martinetes, y los fandangos de Huelva. Para la clasificación contaron con la colaboración de los artistas Eduardo Garrocho, Mario Garrido y Rocío Márquez, que además de cantaora es investigadora y doctora en Flamenco. Con su arte y las entrevistas a expertos, Joaquín Mora generó un cuerpo básico de datos con el que elaborar los modelos.

Otro de los inconvenientes es la ausencia de partituras convencionales, que permiten reproducir las piezas a quien las lea. Para la investigación", explica Javier Mora, "hemos trabajado sobre partituras, pero sólo como representación simbólica de algunos datos de las piezas que analizamos. Lamentablemente nuestras partituras no permiten esa conversión de nuevo a cante ya que son simplificaciones de todos los fenómenos que ocurren durante la interpretación de un cante flamenco. De ahí que afirmemos que no es posible crear un pentagrama completo objetivo que refleje todos los aspectos cantados en el flamenco".

Además, los sistemas utilizados para otros géneros tampoco funcionan. Los clasificadores musicales se basan en las 12 notas de un piano, pero el cante jondo utiliza escalas diferentes. Por otra parte, los ritmos en la música occidental a la que estamos acostumbrados son regulares y básicos, pero en el arte de Mairena, Menese y tantos otros son complejos y forman parte de la capacidad expresiva.

Con estas características singulares del flamenco, los sistemas informáticos, que funcionan buscando patrones que se repiten a lo largo de la música, se perdían en la infinita variedad de los cantes. “La solución ha sido analizar los pocos elementos comunes, submotivos que se parecen, y aplicar más información y más potencia de cálculo. Hemos tenido que desarrollar herramientas exprofeso. Aplicarlas en la música pop o clásica sería como matar moscas a cañonazos, pero en el flamenco no hay otra opción porque las herramientas convencionales no funcionan”, explica el autor de la investigación.

Ahora quedan varias posibilidades de desarrollo de este trabajo: aplicar lo aprendido en otros ámbitos con sistemas tan complejos como el cante jondo, clasificar y almacenar con criterios científicos los cantes de este patrimonio mundial o transferir los conocimientos y enseñar a las personas, como se ha hecho con los computadores, a entender este arte. "Enseñar a un ordenador a realizar una tarea es una forma de estudiar dicha tarea. Hemos puesto un especial hincapié en que ese conocimiento pueda servir para que las personas puedan aprender de las conclusiones extraídas por las máquinas a apreciar lo intangible", concluye el investigador.