Román Rodríguez Curbelo
La música experimenta desde hace años los cambios propios derivados de los adelantos tecnológicos que representan una oportunidad para ampliar la investigación artística.
A Daniel Moro Vallina, docente en el Máster Universitario en Investigación Musical de UNIR, le gusta pensar sobre el término tecnología en un sentido amplio, porque recuerda que la propia noción de partitura o de notación musical fue en su día una técnica que permitió fijar por escrito lo que hasta entonces se creaba, enseñaba e interpretaba tan solo oralmente. Ahora las tecnologías no solo aceleran el proceso creativo, sino que incluso implican reconsiderar los roles del compositor, del intérprete y hasta del propio público.
Con lenguajes como Open Music o Max/MSP, el creador evita que un intérprete deba recrear los sonidos en el código simbólico de la notación porque trabaja directamente con objetos y funciones que ya suenan, y que también puede ordenar o manipular en tiempo real. Los musicomovigramas o aplicaciones como Chrome Music Lab, entre otros instrumentos, también han supuesto un salto cuantitativo y cualitativo en la didáctica musical.
Nuevos recursos
Son nuevas herramientas que agilizan el proceso de recuento de datos contenidos en una partitura (aplicaciones web como PC Set Calculator, por ejemplo) o una grabación sonora (Sonic Visualiser, entre otros). Los muestra más objetivamente y sin posibilidad de error humano. Aunque Moro matiza: “Siempre será necesario interpretar los resultados y valorarlos desde una perspectiva musicológica o teórica consistente”.
Y en otros casos, la aparición de métodos para el análisis armónico, como la teoría neo-riemanniana, son inseparables de nuevas formas de visualización que ahora pueden ser ejecutadas en el ordenador de manera muy dinámica, como en el llamado Tonnetz.
De hecho, en la asignatura Análisis Musical Informatizado que imparte Moro en UNIR se enseñan recursos de las áreas conocidas como Computer Music Analysis (CMA) o Music Information Retrieval (MIR). El CMA o “análisis musical asistido por ordenador” es de naturaleza más teórica y está dirigido a la investigación, según el docente: “Conocer desde otros puntos de vista una obra o un repertorio, abordándola desde la perspectiva del creador, del análisis del soporte o desde la propia percepción del oyente”, dice.
MIR también implica al ordenador en el análisis musical, pero suele dirigirse a recabar patrones similares en grandes corpus musicales en bases escritas o sonoras, buscando para ello similitudes o explorando nuevas formas de representar estos datos. Aplicaciones comerciales como iTunes o Spotify las emplean para detectar posibles plagios.
Nuevos paradigmas
El aumento exponencial de los datos en internet ha provocado un cambio de paradigma en la gestión del conocimiento. Ya no interesa tanto aprender a memorizar información como saber ordenar, seleccionar y visualizar toda la información almacenada en la web.
Como hace Every Noise at Once, una base de datos que clasifica automáticamente casi 6.000 estilos etiquetados en Spotify y los mapea en una representación cartográfica ordenada en función de sus características acústicas.
La web se describe como un “intento en curso” de un diagrama de dispersión generado algorítmicamente y ajustado a legibilidad del espacio de los géneros musicales. “La calibración es borrosa, pero en general abajo es más orgánica y arriba es más mecánica y eléctrica; la izquierda es más densa y atmosférica y la derecha es más punzante y rebosante”, cuentan en la página. El mapa puede expandirse, contraerse o combarse periódicamente.
El usuario puede pinchar sobre infinidad de muestras de estilos de absolutamente todo el mundo: rockabilly alemán, mandopop malayo, indie taiwanés, pop nigeriano o rumano, metal bielorruso, rap paraguayo, metalcore canadiense, electrónica cristiana, house argentino, música alternativa persa, hip hop palestino, rock esloveno, el rap underground de Nueva Jersey o el jazz fusión japonés.
Aspectos más profundos
¿Puede toda esta tecnología restar creatividad en algún momento? “Es un debate moral bastante antiguo”, reconoce el profesor. Para Moro, si un programa es capaz de recrear cómo pintaba Rembrandt o de componer automáticamente un acompañamiento armónico para una melodía dada, es más productivo pensar en las reglas que permiten al algoritmo emular dichos estilos que en una posible sustitución del factor humano.
Resulta igualmente interesante, según el docente, exponer a un grupo de personas una muestra artística humana y otra artificial para indagar sobre los criterios que permiten a las personas distinguir ambas.
Moro ahonda más al respecto: “Una melodía en MIDI, por ejemplo, nos sonará totalmente neutra, fría, carente de alma. Pero si le aplicamos variaciones de tempo y dinámica a través de un algoritmo que pueda aprender estadísticamente de ejemplos reales, la diferencia entre el humano y la máquina ya no será tan fácil de distinguir…”.
Cabría preguntarse entonces qué parámetros distinguen a un simple proceso sonoro como musical, indica Moro. O cómo se puede aprovechar esta tecnología para explorar nuevas manifestaciones artísticas.
La música es en esencia un sistema simbólico cuya teoría y modelo son algoritmos de símbolos. “Un algoritmo armónico puede entonces ofrecer a largo plazo armonizaciones más consistentes que emulen un estilo determinado”, asegura Moro. Esto permite investigar sobre cómo segmentamos la música para comprender un estilo concreto o qué rasgos lo determinan.
Un aspecto que ha investigado Andrew Choi (2011) en el jazz, por ejemplo. En otros casos, los llamados “multiagentes imitativos de una performance” o IMAP (Miranda, Kirke & Zhang, 2010) trabajan a partir de entrenamiento estadístico con ejemplos de interpretaciones reales para aplicar a un modelo MIDI variaciones de tempo y dinámica.
“No solo se trata de investigar qué es lo que hace que distingamos una interpretación musical humana de otra simulada informáticamente. También podemos aplicar estos ejemplos al propio estudio de la ejecución en el instrumento”, subraya.
Una visión amplia y crítica del análisis musical
Moro trata de incentivar entre sus estudiantes una visión amplia y crítica del análisis musical a través, en primer lugar, de una revisión del trasfondo estético e ideológico de métodos clásicos como los análisis schenkeriano o motívico.
Varios temas se dirigen luego a establecer una relación interdisciplinar del análisis musical con áreas como las matemáticas (a través de la PC Set Theory y la teoría neo-riemanniana) o el lenguaje (tripartición semiológica, narratología, topic theory, intertextualidad…).
La teoría neo-riemanniana parte de Hugo Riemann (1849 – 1919), musicólogo y pedagogo alemán, considerado por la comunidad musicológica como el diseñador del análisis musical contemporáneo y del funcional y cifrado.
Su obra aborda, entre otros temas, la enseñanza del fraseo y la agógica, entendida como el conjunto de las ligeras modificaciones de tiempo, no escritas en la partitura, requeridas en la ejecución de una obra.
No existe un método universal de análisis musical
O las características de una interpretación considerada inteligente, como la articulación, las ligaduras de fraseo o el valor de las notas finales. Su idea era formar a músicos que entendieran su arte de forma íntegra y global para que no se convirtieran en meros ejecutores de partituras.
“Durante el posgrado abordamos también el conocimiento de software informático que pueda ayudar a los estudiantes a escoger una u otra técnica analítica en función del repertorio que les interese”, añade Moro.
Porque no existe un método universal de análisis. El docente entiende que cuantas más teorías conozcan los estudiantes, más puntos de vista se podrán aplicar al estudio del fenómeno musical. Las podrás adquirir en el Máster Universitario en Investigación Musical de UNIR.
