En el año de 1951 es muy importante para los entusiastas de la Inteligencia Artificial en la composición porque suceden dos aplicaciones de las ciencias de la computación en la música.
Alan Turing codifica una de las primeras melodías para ser reproducidas por la computadora “Manchester Mark 1” en colaboración con Christopher Strachey.
Grabación remasterizada de la BBC de 1951
Mientras tanto en otro lado del mundo, en Sydney Australia, la CSIR Automatic Computer (CSIRAC) reproducía otras melodías, generando así los primeros códigos computacionales para la música.
CSIRAC la primer computadora en reproducir música en 1951.
Uno de los primero programas musicales para computadora.
Reconstrucción del sintetizador usado por la CSIRAC para reproducir los programas originales.
El aprendizaje de máquina o machine learning es una rama de la inteligencia artificial que dota a nuestros algoritmos de estrategias para clasificar ideas u objetos, además tiene la posibilidad de extraer información de nuestras bases de datos y aprender características nuevas sin la necesidad de enseñárselas.
El aprendizaje de máquinas se está usando cada día más en las redes sociales, investigación, industria, pero también en el mundo del arte, por lo que aprender las bases y mecanismos de la misma nos pueden dar la oportunidad de reflexionar sobre nosotros mismos y nuestras producciones sonoras. En este curso aprenderemos las bases del machine learning y los aplicaremos a la producción de música y arte sonoro.
En 1965, el inventor estadounidense Ray Kurzweil estrenó una pieza de piano creada por una computadora que era capaz de reconocer patrones en varias composiciones musicales. Luego, la computadora pudo analizar y usar estos patrones para crear diferentes melodías novedosas. La primer obra producida por esta computadora de propósito específico se estrenó en el programa Tengo un secreto de Steve Allen y dejó perplejos a los presentadores hasta que la estrella de cine Henry Morgan adivinó el secreto de Ray.
El aprendizaje de máquina o machine learning es una rama de la inteligencia artificial que dota a nuestros algoritmos de estrategias para clasificar ideas u objetos, además tiene la posibilidad de extraer información de nuestras bases de datos y aprender características nuevas sin la necesidad de enseñárselas.
El aprendizaje de máquinas se está usando cada día más en las redes sociales, investigación, industria, pero también en el mundo del arte, por lo que aprender las bases y mecanismos de la misma nos pueden dar la oportunidad de reflexionar sobre nosotros mismos y nuestras producciones sonoras. En este curso aprenderemos las bases del machine learning y los aplicaremos a la producción de música y arte sonoro.
Lejaren Hiller, nació el 23 de febrero de 1924 en la ciudad de Nueva York. Estudia química y música desde una temprana edad. En 1952 entra como profesor de química en la Universidad de Illinois teniendo acceso así a la computadora ILLIAC (Illinois Automatic Computer), trabajando sobre procesos estocásticos en la investigación de química teórica decide aplicar algunos de estos métodos numéricos en la composición y junto a Leonard Isaacson componen la ILLIAC Suite para cuarteto de cuerdas de 1957, considerada la primer composición escrita por una inteligencia artificial abriendo así una nueva era para la composición algorítmica.
El aprendizaje de máquina o machine learning es una rama de la inteligencia artificial que dota a nuestros algoritmos de estrategias para clasificar ideas u objetos, además tiene la posibilidad de extraer información de nuestras bases de datos y aprender características nuevas sin la necesidad de enseñárselas.
El aprendizaje de máquinas se está usando cada día más en las redes sociales, investigación, industria, pero también en el mundo del arte, por lo que aprender las bases y mecanismos de la misma nos pueden dar la oportunidad de reflexionar sobre nosotros mismos y nuestras producciones sonoras. En este curso aprenderemos las bases del machine learning y los aplicaremos a la producción de música y arte sonoro.
Como parte de las actividades de los 10 años de SEMIMUTICAS, los invitamos el próximo jueves 3 de diciembre a la primera de la serie de mesas redondas donde estaremos presentando proyectos que mezclan arte, filosofía y matemáticas.
Contribuciones enmarcadas en inter-semiótica, es decir, aquellos trabajos que involucran la traducción de conceptos de un dominio cognitivo a otro.
Tendremos como invitados a:
Fabiola Larios – La Inteligencia Artificial como herramienta creativa. La obra «Internet Humans» reflexiona sobre el entorno tecnopolítico actual que rodea al capitalismo de vigilancia y sensibilidad de datos a través del contexto histórico de apropiación en el arte contemporáneo. El conjunto de datos extraído para el modelo de aprendizaje automático se recopiló a través de hashtags de Instagram, imágenes de perfil público en Facebook y relaciones personales voluntarias.
Sebastián Pafundo – Juan Sebastián Bach. Entre lo Bello, lo Sublime, el Genio y el Científico. Juan Sebastián Bach, ha sido uno de los músicos más destacados de toda la historia, su música nos entrega las bases y herramientas que hoy se siguen utilizando a la hora de componer y analizar obras musicales. Contemporáneo de algunos de los más grandes matemáticos y científicos de la Historia –Leibniz, Newton y Euler–, Bach vivió en una época de auténtica revolución intelectual a la que, sin duda, contribuyó desde la Música. En este ensayo, intentaremos dar una aproximación al por qué la obra de Bach, podría entrar dentro de la categoría de lo sublime (según la idea Kantiana). Además explicaremos por que este extraordinario músico, estaría dentro de la categoría de genio y científico (según la idea propuesta por Kant). En este ensayo expondremos como las matemáticas están siempre presentes en la obra de Bach . Por último daremos algunos puntos de vista a nuestro criterio.
Juan López Sauceda – Metacámbrico urbano. Hace 541 millones de años se llevo a cabo un proceso planetario denominado la explosión cámbrica. Fue justo durante el periodo cámbrico que surgieron un gran número de planos corporales 1 que determinaron las arquitecturas principales que ahora definen los planos corporales en el mundo biológico (Figura 1). El presente proyecto busca a través del apoyo de diversas disciplinas artísticas (arte digital, escultura y sonorizaciones), así como humanísticas (antropología visual, sociología, economía y complejidad) y científicas (teoría de redes, ecología, geometría estadística, sintaxis espacial, termodinámica y sistemas de cómputo aplicado), documentar evidencia de una nueva explosión de vida en nuestros tiempos, el cual hemos denominado el “Metacámbrico urbano”.
Diego Villaseñor – Pensamiento, música y complejidad. Tomando como inspiración teorías relacionadas con los sistemas, en particular la teoría del caos, la permacultura y la ecología, en años recientes he desarrollado estrategias y metodologías para conceptualizar y explorar mi proceso creativo en la música desde el punto de vista de la producción y creación de nuevas formas en la naturaleza (evolución, morfogénesis); todo ello bajo la hipótesis de que el pensamiento es sólo un fenómeno natural entre otros.
La cita es nuestro canal de youtube el próximo jueves 3 de diciembre de 2020 de 17:00 a 19:00 h. (UTC-6 horario del centro de México).
