Kan een computer leren wat de beste jazzmuzikanten zo bijzonder maakt?

In dit artikel:

Onderzoekers onder leiding van Huw Cheston onderzochten of AI kan herkennen welke jazzpianist een uitvoering speelt én welke muzikale eigenschappen daarvoor bepalend zijn. Ze analyseerden 84 uur aan opnames van 1629 uitvoeringen door twintig bekende pianisten, onder wie Bill Evans, Thelonious Monk, Oscar Peterson en Keith Jarrett.

De geluidsopnamen werden omgezet in MIDI-pianorollen, waarin alleen het moment en de toonhoogte van elke gespeelde noot zichtbaar zijn. Daardoor verdwenen onder meer klankkleur en opnamekenmerken, terwijl de muzikale patronen beter meetbaar werden. Het beste model identificeerde de pianist in 94,4 procent van de gevallen. Een model dat afzonderlijk keek naar melodie, harmonie, ritme en dynamiek behaalde 91,3 procent nauwkeurigheid.

Harmonie bleek het meest kenmerkend, gevolgd door ritme en melodie. Dynamiek hielp het minst om pianisten van elkaar te onderscheiden. De methode maakt zo niet alleen automatische herkenning mogelijk, maar kan ook inzicht geven in de muzikale ‘vingerafdruk’ van individuele artiesten. Sommige gevonden patronen waren al bekend uit eerder onderzoek, andere nieuw. De modellen zijn open source en de resultaten kunnen via een webapplicatie worden verkend.

De onderzoekers benadrukken dat MIDI-opnamen niet alle aspecten van jazz vastleggen. Onder meer toonbuigingen, vibrato en klankkleur gaan grotendeels verloren, en muzikale kenmerken kunnen elkaar overlappen. Toch kan de aanpak later worden toegepast op andere genres, instrumenten, tijdperiodes en minder bekende of historisch ondervertegenwoordigde muzikanten.