Saken er produsert og finansiert av NTNU - Les mer

Laget kunstig trommis – spiller med Margaret

Forsker Axel Tidemann liker å kombinere musikk og data, og har laget en kunstig intelligent trommeslager. I dag spiller han selv sammen med Margaret Berger i semifinalen i Melodi Grand Prix.
16.5 2013 05:00


Axel Tidemann er trommis, har doktorgrad på kunstig intelligens og computermusikk. Nå spiller han snart «I Feed You With My Love» sammen med Margaret Berger for 100 millioner tv-seere.

Kunstig intelligens (AI – artificial intelligence) brukes for å gi datamaskiner og dataprogrammer mest mulig intelligent oppførsel.

De som arbeider med dette, konstruerer datamaskiner som er intelligente i den forstand at de kan løse problemer og lære av egne erfaringer.

Axel Tidemann er postdoktor ved NTNUs Institutt for datateknikk og informasjonsvitenskap. Han arbeider med Smart Grid, framtidens strømnett. Men doktorgraden tok han på å modellere en kunstig intelligent trommeslager.

AI-trommisen Sheila

Tidemanns AI-trommis fikk navnet Sheila, oppkalt etter Sheila E, fordi han var stor fan av Prince og fordi Sheila E spilte i bandet til Prince på 80-tallet.

Til å begynne med kunne den kunstige intelligensen ingenting. Den var som et nyfødt barn og må trenes opp. Etter hvert som Sheila lærer, blir den flinkere.

– Jeg modellerte Sheila slik at den lærte seg selv å spille trommer ved å etterligne hvordan fem ekte trommiser spilte, sier Tidemann.

Først programmerte han plattformen. En AI «lever» oppå plattformen; som ånden i maskinen. Den kunstige trommeslageren er ikke en fysisk robot, men visualiseres på dataskjermen.

Enn forenklet modell av menneskehjernens nevrale nettverk ble brukt som læringsmetode i Sheila. Når Sheila lærer, lærer den nemlig slik vi lærer og slik vår hjerne videreutvikler nevroner og synapser. Sheila lærer som barnet: Prøver og feiler og gjør noe riktig og noe galt.

Sheila spiller med fem stiler

Menneskelige trommeslagere har individuelle spillestiler. Spillestil er variasjoner i spilling på lavnivå og høynivå. Alle trommiser varierer på begge nivåer, men i ulik grad.

Timing er det ene lavnivået, og svært viktig for trommiser. Timing betyr at trommisen spiller før, rett på eller etter tempoet, musikkpulsen. Jazztrommiser er typisk frampå og bluestrommiser bakpå. I popmusikk er det mye programmerte trommer og trommiser slår rett «på slaget».

Dynamikk er det andre lavnivået og handler om hvor hardt trommisen slår. Variasjon i dynamikk og tempo er det som til sammen utgjør en «groove».

Høynivå variasjoner handler om overganger, også kjent som «breaks». Her går trommisen bort fra figuren i låten og legger på slag eller tar bort slag. Her kan virkelig trommisen utfolde seg kreativt.

Lyd og bilde = syn og hørsel

Sheilas lærere var fem ekte trommeslagere som spilte samme låt på samme trommesett. Det ble gjort lydopptak da de fem spilte.

Markører på kroppen gjorde 3D-opptak av bevegelsesmønstrene. Fem infrarøde kameraer var montert over og rundt trommesettet.

Lyd og bilde er hørsel og syn hos Sheila. Når Sheila hadde hørt og sett trommisen skulle den spille likedan selv.

– Men hvordan vet vi om Sheila lærer rett?

– Den kunstige intelligensen måler sin egen oppførsel mot det den forsøkte å lære. Så korrigerer den seg. Jeg trenger altså ikke fortelle hva som må endres på, den finner den ut selv.

– Hva kan trommemodellering brukes til?

– Ingen musikkprogrammer i programvareindustrien har modeller for å lære spillestil. Forskningen kan derfor lages til et produkt for de som vil ha menneskelige trommespor laget av en datamaskin.

– Et eksempel på andre anvendelser er PlayStation-spillet Guitar Hero. AI-modellering kan brukes til å lage en mer naturtro visuell representasjon av hva man spiller.

– Tidenes soloprestasjon på «instrumentet» hjemme i stua vil da kunne se og høre ut som den faktiske musikeren ville spilt den, avslutter Tidemann.

16. mai får 100 millioner seere se ham spille ekte trommer sammen med Margaret Berger i finalen i Melodi Grand Prix.

forskning.no ønsker en åpen og saklig debatt. Vi forbeholder oss retten til å fjerne innlegg. Du må bruke ditt fulle navn. Vis regler

Regler for leserkommentarer på forskning.no:

  1. Diskuter sak, ikke person. Det er ikke tillatt å trakassere navngitte personer eller andre debattanter.
  2. Rasistiske og andre diskriminerende innlegg vil bli fjernet.
  3. Vi anbefaler at du skriver kort.
  4. forskning.no har redaktøraransvar for alt som publiseres, men den enkelte kommentator er også personlig ansvarlig for innholdet i innlegget.
  5. Publisering av opphavsrettsbeskyttet materiale er ikke tillatt. Du kan sitere korte utdrag av andre tekster eller artikler, men husk kildehenvisning.
  6. Alle innlegg blir kontrollert etter at de er lagt inn.
  7. Du kan selv melde inn innlegg som du mener er upassende.
  8. Du må bruke fullt navn. Anonyme innlegg vil bli slettet.

Annonse

Emneord