Impacto de la cultura digital en la producción musical mediante algoritmos genéticos

Dr. Mariano Carrasco Maldonado

Resumen: La cultura digital se expande rapidamente a múltiples dimensiones de lo social. La producción musical no es ajena al cambio. El diseño de algoritmos genéticos basados en la propuesta de Charles Darwin posibilita campos de exploración profesional. Se anexa un audio que expone en modo práctico la resignificación de la teoría evolutiva como sintetizador granular.

Palabras clave: Cultura digital, producción musical, algoritmo evolutivo.

Introducción

Lo que puede decirse sensatamente sobre cultura digital, y cómo la gente trata de entenderla es un tema extremadamente complejo, en parte porque lo atravesado por lo digital parece situarse en múltiples dimensiones de lo social. Tan sólo unos ejemplos, Perfect Users, un colectivo anónimo, posibilitando procesos simbólicos de creación mediante Facebook; derechos y deberes de los ciudadanos que surgen en el entorno de las nuevas tecnologías; tecnologías del ser que al unirse arrojan una visión definida del Yo (Michel Focault, 2008); hacktivismo virtual soportado por el uso no violento de herramientas tecnológicas; aparición de hípermateriales, metamateriales o neomateriales que detonan nuevas estéticas, etc; esta breve lista incluye humanos habitando continuamente en sistemas simbólicos, aparición de causas sociales, procesos de producción y cambios identitarios. Una breve lista que anuncia cambios repentinos que acontecen entrado el siglo XXI.

Puedo, sin embargo, hacer que al menos escuches algo de lo que considero, un impacto en la producción, concepción e interpretación dentro del campo musical, pero coexistiendo en múltiples campos de conocimiento. Y proviene, no de un filósofo del arte, no de un teórico del arte postmoderno o de un pomposo crítico de arte, sino Charles Darwin. Por supuesto, las adaptaciones evolutivas constituyen el claro ejemplo de que, las fuerzas creadoras nacen en cualquier lugar y sin distinciones. En esto, la  teoría de la evolución, trabajada por sus herederdos, cien años después, puede ayudarnos a comprender dos mecanismos primarios. El primer de estos es la selección natural que es mutación azarosa o retención selectiva. Lo segundo, selección sexual que nos alienta a tomar las decisiones más adaptativas para la superviviencia y la reproducción (Dennis Dutton, 2010).

En la misma dirección, la producción musical suele relacionarse con aspectos inexplicables de la creación, aparentemente un misterio que subyace en algo paradojico como la evolución. Creación y creatividad no son lo mismo. El primer concepto está asociado como conjunto de capacidades que llevan a inventar o producir algo que antes no existía. Lo segundo es el estudio de estas capacidades cognitivas. La creatividad computacional, un campo científico que estudia modelos computacionales bajo capacidades generativas permite identificar algunos de los eslabones invisibles que subyacen a la mente y los procesos evolutivos. Cabe señalar que, esto no sería posible, sin la aparición de cambios sociales atravesando casi cualquier actividad humana. De entre ellas, el diseño de sintetizadores musicales posibilitando cambios al interior de la profesión transgrediendo sus propias fronteras.

Algoritmos evolutivos y producción musical

La computación evolutiva comprende métodos de búsqueda y aprendizaje automatizado inspirado basicamente en los dos mecanismos de evolución natural. El campo cuenta con tres enfoques: programación evolutiva (Cantú-Paz, 2003), estrategias evolutivas (Smith, Steele, & Albrecht, 2012) y algorítmos genéticos (Stuart J. Russel, 2004). Aunque similares a nivel conceptual, estos enfoques difieren en la manera de implementar algoritmos. Cada una de las posturas representa diferente a individuos, mecanismos de selección y el tipo de operados de variación utilizados. En composición musical, existen un gran avance sobre el tema, con resultados interesantes: Miikkulainen y Chung J. Chen, quienes aplicaron fórmulas para restringir la diversidad ritmica, Reis quien presentó algorítmos genéticos para secuenciar notas, Pozos cuyo uso de computadoras para actividades artísticas simuló tres músicos (Julio César Carvajal Ramírez, 2012, p. 147).

La producción musical desde un paradigma evolutivo parte de la existencia de una población que comienza con un grupo de dos o más individuos. En otras palabras, no se puede hablar de la evolución de un solo organismo. La diversidad significa que los individuos de la población varían unos de otros hasta cierto punto. La herencia genética indica que las cualidades individuales pueden transmitirse a la descendencia a través de la reproducción. En efecto, el acto reproductivo no es completamente aleatorio, sino que está regulado por restricciones ambientales. Por ejemplo, si un ambiente contiene demasiadas personas para comida disponible, aquellas personas que son mejores o más rápidas para recolectar alimentos tendrán mayores posibilidades de sobrevivir y reproducirse (Dave Burraston, 2005).

En la comunidad de ingeniería, la selección del más apto se asocia con la idea de lo mejor y la reproducción selectiva de los mejores suele vincularse con la noción de progreso. Sin embargo, los organismos no siempre se seleccionan por lo bien que califican de forma individual. En esta aproximación de progreso, los nuevos individuos son mejores que los anteriores, pero la selección natural no tiene memoria comparativa, la artificial, si. Por esta razón, una manipulación musical basada en algoritmos evolutivos usa individuos, hechos de cadenas binarias. Donde una hipótesis o cromosoma es la concatenación de un número variable de reglas, un conjunto de operadores y una función adaptativa, donde: p: número de individuos a incluir en la población; r: fracción de la población que se reemplazará por selección y m: tasa de mutación que posibilita la diversidad (Dario Floreano, 2008).

Por el contrario, la selección natural no tiene memoria comparativa dado que su operación es aquí y ahora. Los individuos se seleccionan contra el medio ambiente y/o sus pares en un punto específico del espacio tiempo. En la evolución artificial, el fenotipo de un individuo es la solución a un problema y se somete a un proceso de selección. El genotipo en cambio es una representación genética de esa solución y se transmite a través de generaciones y es manipulada por operadores genéticos. Por ejemplo, las imágenes implementan lo mencionado en cada frecuencia. De modo que, el primer sonido es atravesado por individuos peleando por sobrevivir apareciendo en cada una de las frecuencias:

La segunda imagen encarna una población en un tiempo total determinado. El resultado consiste en frecuencias reemplazadas por cruce conocido como selección natural. El espectograma permite observar la transformación del audio:

En efecto, evaluar la aptitud de los individuos suele ser la parte más lenta de un sintetizador evolutivo. La calidad de su selección depende de cuán exhaustiva ha sido la evaluación y, sobre todo de gusto personal. Al intentar evolucionar una melodía, la manipulación puede usar una fórmula que tenga cierta correspondencia con notas musicales. En cambio, si uno intenta evolucionar un sintetizador, la representación genética puede incluir elementos de valor discreto para describir parámetros de los componentes tales como filtros y modulaciones, o al menos asignar más atributos a fenotipos que describan componentes en una granularidad suficientemente fina. El espacio de búsqueda de configuraciones posibles es, a menudo, enorme. No obstante, el usuario está capacitado para explorar interactivamente el espacio digital posible. Situación imposible ante la naturaleza.

Para concluir, la cultura digital nos dice: un objeto nunca existe de manera aislada. Etimológicamente significa arrojado contra, cosa que existe en nosotros, cosa colocada delante con un carácter material. Todo lo que se ofrece a la vista y habita en los sentidos. La computadora – en tanto objeto – puede constituirse como medio de comunicación para establecer relaciones con entorno, cultura y nuestras corporalidades. Si bien, lo producido tiene la cualidad de materializarse bajo una intención reflexiva. Al relacionarlo, se posibilita su agrupación permitiendo pensar la producción musical como un dispositivo relacional, es decir, un conjunto de elementos atravesados por la complejidad.

Con todo, la apropiación de la complejidad en las interfaces y particularmente en el diseño de sus algoritmos implica un escenario de reflexión desde cualquier estructura simbólica. Sin duda, este modo de pensar, enfatiza la imposibilidad de comprender fuerzas creadoras. En todo caso, la cultura digital sugiere que se están abriendo distintos caminos al estudio de fenómenos desde la computarización de la sociedad. La implementación de experimentos basados en teorías desemboca en desarrollos tecnológicos. En todo caso, se requiere de una fuerte dosis de experiencia, creatividad y conocimiento basado en intereses, motivaciones o deseos personales. No resulta extraño comprobar que a las instituciones les soprendra descubrir relaciones en lo digital. Ejemplo de esto, es el hecho de que, en el ejercicio de toda actividad humana existe una conexión con la técnica, esto es, aplicación de un conjunto de procedimientos para medir, calcular, probar resistencia de materiales, uso de máquinas y herramientas.

Referencias

- Cantú-Paz, E. (2003). Genetic and Evolutionary Computation. Springer Science & Business Media.

- Dario Floreano, C. M. (2008). Bio-inspired artificial intelligence. Theories, methods, and technologies. EUA: MIT Press.

- Dave Burraston, E. E. (2005). Cellular Automata in Generative Electronic Music and Sonic Art: Historical and Technical Review (Educativo) (p. 30). Sydney, Australia: University of Technology.

- Dennis Dutton. (2010). El instinto del arte. Belleza, placer y evolución humana. Barcelona, España: Paidós.

- Julio César Carvajal Ramírez. (2012). Composición musical usando algoritmos genéticos. Tecnura, 16, 145-157.

- Michel Focault. (2008). Tecnologías del yo (1a ed). Buenos Aires: Paidós.

- Smith, G. D., Steele, N. C., & Albrecht, R. F. (2012). Artificial Neural Nets and Genetic Algorithms: Proceedings of the International Conference in Norwich, U.K., 1997. Springer Science & Business Media.

- Stuart J. Russel, P. N. (2004). Inteligencia artificial. Un enfoque moderno. (Segunda edición). Madrid: Pearson Educación, S.