تیم تحقیقاتی غرایز موسیقی را با هوش مصنوعی از بین می برند

موسیقی که اغلب از آن به عنوان زبان جهانی یاد می شود، به عنوان یک جزء مشترک در همه فرهنگ ها شناخته شده است. آیا “غریزه موسیقی” می تواند چیزی باشد که با وجود تفاوت های محیطی گسترده بین فرهنگ ها، تا حدودی مشترک است؟

تیمی از محققان KAIST به سرپرستی پروفسور هاوونگ جونگ از دپارتمان فیزیک از یک مدل شبکه عصبی مصنوعی برای شناسایی این اصل استفاده کرده‌اند که بر اساس آن غرایز موسیقی بدون یادگیری خاص از مغز انسان بیرون می‌آیند.

پژوهشی که توسط نویسنده اول دکتر گوانگسو کیم از دپارتمان فیزیک KAIST (وابستگی فعلی: بخش مغز و علوم شناختی MIT) و دکتر دونگ-کیوم کیم (وابستگی فعلی: IBS) انجام شده است در ارتباطات طبیعت تحت عنوان “ظهور خود به خود آشکارسازهای موسیقی ابتدایی در شبکه های عصبی عمیق.”

پیش از این، محققان تلاش کرده بودند تا شباهت‌ها و تفاوت‌های میان موسیقی موجود در فرهنگ‌های مختلف را شناسایی کنند و کوشیده‌اند تا منشأ جهانی بودن را درک کنند. مقاله منتشر شده در علوم پایه در سال 2019 نشان داد که موسیقی در تمام فرهنگ‌های قوم‌نگاری متمایز تولید می‌شود و از اشکال مشابه ضرب و آهنگ استفاده می‌شود. عصب شناسان همچنین دریافته اند که بخش خاصی از مغز انسان، قشر شنوایی، مسئول پردازش اطلاعات موسیقی است.

تیم پروفسور یونگ از یک مدل شبکه عصبی مصنوعی استفاده کرد تا نشان دهد که عملکردهای شناختی موسیقی به طور خود به خود در نتیجه پردازش اطلاعات شنیداری دریافتی از طبیعت، بدون آموزش موسیقی شکل می‌گیرد. تیم تحقیقاتی از AudioSet، مجموعه ای در مقیاس بزرگ از داده های صوتی ارائه شده توسط گوگل، استفاده کرد و به شبکه عصبی مصنوعی یاد داد تا صداهای مختلف را یاد بگیرد.

جالب اینجاست که تیم تحقیقاتی کشف کردند که نورون های خاصی در مدل شبکه به طور انتخابی به موسیقی پاسخ می دهند. به عبارت دیگر، آنها تولید خود به خودی نورون‌ها را مشاهده کردند که به صداهای مختلف دیگر مانند حیوانات، طبیعت یا ماشین‌ها کمتر واکنش نشان می‌دادند، اما سطوح بالایی از واکنش را به اشکال مختلف موسیقی، اعم از دستگاهی و آوازی نشان دادند.

نورون های مدل شبکه عصبی مصنوعی رفتارهای واکنشی مشابهی با آنهایی که در قشر شنوایی یک مغز واقعی هستند نشان دادند. به عنوان مثال، نورون های مصنوعی به صدای موسیقی که در فواصل کوتاه بریده شده و تنظیم مجدد شده اند کمتر پاسخ می دهند. این نشان می‌دهد که نورون‌های انتخابی موسیقی که خود به خود تولید می‌شوند، ساختار زمانی موسیقی را رمزگذاری می‌کنند. این ویژگی محدود به یک ژانر خاص از موسیقی نبود، بلکه در 25 ژانر مختلف از جمله کلاسیک، پاپ، راک، جاز و الکترونیک ظاهر شد.

علاوه بر این، سرکوب فعالیت نورون‌های انتخابی موسیقی به شدت مانع از دقت شناختی سایر صداهای طبیعی می‌شود. به عبارت دیگر، عملکرد عصبی که اطلاعات موسیقی را پردازش می کند به پردازش صداهای دیگر کمک می کند، و این “توانایی موسیقی” ممکن است غریزه ای باشد که در نتیجه انطباق تکاملی به دست آمده برای پردازش بهتر صداهای طبیعت شکل گرفته است.

پروفسور یونگ، که این تحقیق را توصیه کرد، گفت: “نتایج مطالعه ما نشان می دهد که فشار تکاملی به شکل گیری پایه جهانی برای پردازش اطلاعات موسیقی در فرهنگ های مختلف کمک کرده است.” در مورد اهمیت این تحقیق، او توضیح داد: “ما مشتاقانه منتظریم که این مدل مصنوعی ساخته شده با موسیقایی شبیه انسان به یک مدل اصلی برای کاربردهای مختلف از جمله تولید موسیقی هوش مصنوعی، موسیقی درمانی و تحقیقات در زمینه شناخت موسیقی تبدیل شود.”

وی همچنین به محدودیت‌های آن اشاره کرد و افزود: در این تحقیق، روند رشدی که پس از یادگیری موسیقی به وجود می‌آید در نظر گرفته نمی‌شود و باید توجه داشت که این مطالعه بر مبنای پردازش اطلاعات موسیقی در مراحل اولیه توسعه است.