Classificazione di brani musicali mediante reti neuronali artificiali

L'informatica musicale è una disciplina in continua crescita che sta ottenendo risultati davvero interessanti con l'impiego di sistemi artificiali intelligenti, come le reti neuronali, che permettono di emulare capacità umane di ascolto e di esecuzione musicale. Di particolare interesse è l'ambito della codifica di informazioni musicali tramite formati simbolici, come il MIDI, che permette un'analisi di alto livello dei brani musicali e consente la realizzazione di applicazioni sorprendentemente innovative. Una delle più fruttifere applicazioni di questi nuovi strumenti di codifica riguarda la classificazione di file audio musicali. Questo elaborato si propone di esporre i fondamentali aspetti teorici che concernono la classificazione di brani musicali tramite reti neuronali artificiali e descrivere alcuni esperimenti di classificazione di file MIDI. La prima parte fornisce alcune conoscenze di base che permettono di leggere gli esperimenti presenti nella seconda sezione con una consapevolezza teorica più profonda. Il fine principale della prima parte è quello di sviluppare una comparazione da diversi punti di vista disciplinari tra le capacità di classificazione musicale umane e quelle artificiali. Si descrivono le reti neuronali artificiali come sistemi intelligenti ispirati alla struttura delle reti neurali biologiche, soffermandosi in particolare sulla rete Feedforward e sull'algoritmo di Backpropagation. Si esplora il concetto di percezione nell'ambito della psicologia cognitiva con maggiore attenzione alla percezione uditiva. Accennate le basi della psicoacustica, si passa ad una descrizione delle componenti strutturali prima del suono e poi della musica: la frequenza e l'ampiezza delle onde, le note e il timbro, l'armonia, la melodia ed il ritmo. Si parla anche delle illusioni sonore e della rielaborazione delle informazioni audio da parte del cervello umano. Si descrive poi l'ambito che interessa questa tesi da vicino: il MIR (Music Information Retrieval). Si analizzano i campi disciplinari a cui questa ricerca può portare vantaggi, ossia quelli commerciali, in cui i database musicali svolgono ruoli importanti, e quelli più speculativi ed accademici che studiano i comportamenti di sistemi intelligenti artificiali e biologici. Si descrivono i diversi metodi di classificazione musicale catalogabili in base al tipo di formato dei file audio in questione e al tipo di feature che si vogliono estrarre dai file stessi. Conclude la prima sezione di stampo teorico un capitolo dedicato al MIDI che racconta la storia del protocollo e ne descrive le istruzioni fondamentali nonchè la struttura dei midifile. La seconda parte ha come obbiettivo quello di descrivere gli esperimenti svolti che classificano file MIDI tramite reti neuronali mostrando nel dettaglio i risultati ottenuti e le difficoltà incontrate. Si coniuga una presentazione dei programmi utilizzati e degli eseguibili di interfaccia implementati con una descrizione generale della procedura degli esperimenti. L'obbiettivo comune di tutte le prove è l'addestramento di una rete neurale in modo che raggiunga il più alto livello possibile di apprendimento circa il riconoscimento di uno dei due compositori dei brani che le sono stati forniti come esempi.

Modularità: Dai sistemi biologici ai sistemi artificiali

I sistemi di intelligenza artificiale vengono spesso messi a confronto con gli aspetti biologici riguardanti il cervello umano. L’interesse per la modularità è in continua crescita, che sta portando a risultati davvero interessanti attraverso l’utilizzo di sistemi artificiali intelligenti, come le reti neuronali. Molte reti, sia biologiche sia artificiali sono organizzate in moduli, i quali rappresentano cluster densi di parti interconnesse fra loro all’interno di una rete complessa. Nel campo dell’ingegneria, si usano design modulari per spiegare come una macchina è costituita da parti separate. Lo studio della struttura e delle funzioni di organismi/processi complessi si basa implicitamente su un principio di organizzazione modulare, vale a dire si dà per acquisito il fatto che siano modulari, cioè composti da parti con forma e/o funzioni diverse. Questo elaborato si propone di esporre gli aspetti fondamentali riguardanti la modularità di reti neuronali, le sue origini evolutive, le condizioni necessarie o sufficienti che favoriscono l’emergere dei moduli e relativi vantaggi. Il primo capitolo fornisce alcune conoscenze di base che permettono di leggere gli esperimenti delle parti successive con consapevolezza teorica più profonda. Si descrivono reti neuronali artificiali come sistemi intelligenti ispirati alla struttura di reti neurali biologiche, soffermandosi in particolare sulla rete feed-forward, sull’algoritmo di backpropagation e su modelli di reti neurali modulari. Il secondo capitolo offre una visione delle origini evolutive della modularità e dei meccanismi evolutivi riguardanti sistemi biologici, una classificazione dei vati tipi di modularità, esplorando il concetto di modularità nell’ambito della psicologia cognitiva. Si analizzano i campi disciplinari a cui questa ricerca di modularità può portare vantaggi. Dal terzo capitolo che inizia a costituire il corpo centrale dell’elaborato, si dà importanza alla modularità nei sistemi computazionali, illustrando alcuni casi di studio e relativi metodi presenti in letteratura e fornendo anche una misura quantitativa della modularità. Si esaminano le varie possibilità di evoluzione della modularità: spontanea, da specializzazione, duplicazione, task-dependent, ecc. passando a emulare l’evoluzione di sistemi neurali modulari con applicazione al noto modello “What-Where” e a vari modelli con caratteristiche diverse. Si elencano i vantaggi che la modularità produce, soffermandosi sull’algoritmo di apprendimento, sugli ambienti che favoriscono l’evoluzione della modularità con una serie di confronti fra i vari tipi, statici e dinamici. In ultimo, come il vantaggio di avere connessioni corte possa portare a sviluppare modularità. L’obiettivo comune è l’emergere della modularità in sistemi neuronali artificiali, che sono usati per applicazioni in numerosi ambiti tecnologici.

Shadowing: imitazione e apprendimento. Dagli Interpreting Studies alle neuroscienze

Scopo di questa tesi è argomentare l’utilità dello shadowing nella formazione degli interpreti, basandosi sulla Teoria motoria della percezione del linguaggio di Alvin Liberman e muovendosi all’interno del quadro teorico della più ampia embodied cognition, che include teorie sullo sviluppo del linguaggio e sull’acquisizione di seconde lingue. Nella formazione degli interpreti, lo shadowing è un esercizio che consiste nell’immediata ripetizione di quanto udito in cuffia, parola per parola e nella medesima lingua del testo di partenza ed è generalmente utilizzato come esercizio propedeutico alla simultanea, in quanto permette sia di “imparare” ad ascoltare e a parlare contemporaneamente, sia di migliorare la pronuncia e la fluidità in lingua straniera. Tuttavia, all’interno degli Interpreting Studies, ci sono studiosi che lo ritengono un esercizio inutile e, per certi versi, pericoloso poiché porrebbe l’accento su un processo eccessivamente “meccanico” dell’interpretazione. Per argomentare la sua utilità nella didattica dell’interpretazione, in questa tesi, dopo aver presentato le principali teorie sullo sviluppo del linguaggio e sull’acquisizione di seconde lingue, si passeranno in rassegna i risultati di ricerche condotte non solo all’interno degli Interpreting Studies, ma anche nella più ampia prospettiva della didattica delle lingue straniere/seconde, e soprattutto in neurolinguistica e psicologia cognitiva, dove lo shadowing è utilizzato per analizzare i processi cognitivi che sono alla base della ricezione e produzione del linguaggio (articolazione motoria, memoria di lavoro, attenzione selettiva, ecc.). L’ultimo capitolo di questo lavoro sarà dedicato alla descrizione di un approccio estremamente recente sulla percezione e sulla produzione del linguaggio, che coniuga la Teoria motoria della percezione del linguaggio di Liberman (1967) con la recente scoperta dei neuroni specchio, e che getta una luce nuova sull’utilità dello shadowing nella formazione degli interpreti.

Esperimenti di stigmergia cognitiva con TuCSoN e Jason

Lo scopo della tesi è quello di sperimentare le varie possibili tecniche di coordinazione stigmergica cognitiva integrando il linguaggio ad agenti Jason con l'infrastruttura TuCSoN.

Un sistema intelligente per la riabilitazione cognitiva nella sclerosi multipla

La riabilitazione cognitiva si occupa di rimediare o alleviare i deficit cognitivi risultanti da traumi dovuti a lesioni cerebrali, come quelli indotti dalla sclerosi multipla. L'obiettivo è proporre un sistema per fornire un supporto alla riabilitazione individuale e di gruppo della sclerosi multipla, mediante un meccanismo di avanzamento automatico di difficoltà degli esercizi di riabilitazione, e strumenti di controllo dinamico delle sessioni.