Estic preparant per tocar aquesta cançó? És una pregunta que es formulen de forma recurrent molts estudiants de música. Per ajudar a respondre-la, l’investigador de la Universitat Pompeu Fabra (UPF) Pedro Ramoneda ha dissenyat tecnologies d’IA musical, especialitzades en cançons de piano, que avaluen la dificultat de cada partitura i indiquen als usuaris si tenen o no prou nivell per interpretar la peça. A més, el nou sistema computacional permet crear una versió simplificada de partitures complexes, alhora que en preserva els elements més essencials. 

L’avenç respon a un problema habitual en l’educació musical: saber si una obra és adequada per a un determinat nivell. Amb l’automatització d’aquesta tasca, a partir de diversos models i eines complementàries amb IA, Ramoneda vol ajudar el professorat a l’hora de decidir quines cançons s’inclouen en l’itinerari formatiu de cada grup d’alumnes, d’acord amb el seu nivell, a més de fomentar l’autonomia dels estudiants en el seu procés d’aprenentatge. A més d’indicar als estudiants quines cançons són adients per al seu nivell o simplificar determinades partitures, aquests models els proposen exercicis personalitzats. 

Aquest conjunt de tècniques d’IA musical són fruit de la tesi doctoral de Pedro Ramoneda, que ha realitzat com a investigador del grup de recerca en Música i Tecnologia (MTG) del Departament d’Enginyeria de la UPF. Titulada “A machine learning approach to modelling piano performance difficulty across modalities”, la seva tesi l’ha dirigida per Xavier Serra, director de l’MTG. 

Pel que fa als propòsits de les noves eines, Ramoneda aclareix: “L’objectiu és que qualsevol alumne pugui treballar amb música adaptada al seu nivell i es mantingui motivat i que aquesta tecnologia serveixi com a suport per als professors, no com a substitut”.

Entrenada amb un repertori inclusiu amb dones compositores 

Per entrenar la nova IA musical a partir de tècniques d’aprenentatge automàtic, Ramoneda ha recorregut a sis grans bases de dades amb milers de composicions acompanyades d’anotacions descriptives. Si bé determinar el nivell de dificultat d’una cançó és complex i implica un cert grau de subjectivitat, el fet d’haver combinat diverses bases de dades de grans dimensions, ha permès als sistemes d’IA extreure tendències globals.

A més, les bases de dades utilitzades inclouen una col·lecció de compositors i compositores històricament infrarepresentats en l’àmbit musical, moltes d’elles dones. D’aquesta manera, la IA pot enriquir i permetre la diversificació de la tipologia de cançons a què tenen accés els estudiants de música.

L’entrenament dels sistemes computacionals ha partit de diferents metodologies musicals per avaluar la dificultat de les partitures, que inclouen l’examen d’elements visuals (imatges de les partitures), sonors (àudios) o simbòlics. Aquests últims aprofiten els avenços recents en Processament de Llenguatge Natural, que permeten examinar les partitures musicals com a seqüències estructurades comparables al llenguatge.

La recerca es basa en el model de ciència oberta. Tots els models, sistemes d’entrenament i bases de dades que s’han utilitzat són d’accés públic i contribuiran a futures recerques sobre tecnologia, IA i aprenentatge musical.

Pedro Ramoneda, músic i enginyer

Abans de desenvolupar la seva tesi doctoral a la UPF, Ramoneda havia estudiat a l’Escola d’Enginyeria i Arquitectura de la Universitat de Saragossa i al Conservatori Professional de Música de la capital aragonesa. També va continuar els seus estudis de piano amb el mestre Lluis Rodriguez-Salvà al Conservatori Superior de Música de l’Aragó (CSMA). Així doncs, amb la seva tesi doctoral a la Universitat Pompeu Fabra, ha conjugat els seus coneixements en ambdós camps.

Durant el seu doctorat a la UPF, Ramoneda ha col·laborat amb Sony CSL Tokyo i Yamaha MINA Lab en el desenvolupament d’eines d’intel·ligència artificial generativa per a l’educació musical. Actualment, continua aquesta línia de treball a la plataforma Songscription.ai, que genera automàticament la partitura de l’arxiu musical carregat pels usuaris. Ramoneda és actualment soci minoritari d’aquesta start-up amb seu a San Francisco (EUA) i va formar part del seu equip fundacional.