miércoles, 21 de abril de 2021

La inteligencia artificial aplicada al Flamenco

Entrada creada para el NOOC del INTEF Inteligencia Artificial en el día a día. 

En esta entrada vamos a exponer un ejemplo de aplicación de la inteligencia artificial. En esta ocasión, al Flamenco y, en concreto, a la clasificación de un tema en una de la hojas concretas del árbol del flamenco, a partir de su escucha.

Con esta aplicación de la inteligencia artificial podemos clasificar cualquier pieza del flamenco solamente con escucharla. Una ventaja que todo aficionado más o menos entendido del flamenco aprecia debido a las dificultades que muchas veces entraña el poder situar determinadas piezas sobre alguna de las ramas concretas del árbol.

En este caso, se trata de un sistemas con Inteligencia Artificial Específica ya que se centra en una tarea concreta.

Para comprender la dificultad del tema, vamos a realizar un recorrido inicial sobre dicha clasificación:


EL ÁRBOL DEL FLAMENCO:

A partir de los años cincuenta, con la eclosión y el incremento paulatino de publicaciones sobre el arte flamenco y, sobre todo, con los comentarios de los expertos de este arte que acompañaban a las antologías de cante flamenco que iban saliendo al mercado, fueron apareciendo esquemas de los cantes, en los cuales el teórico de turno intentaba construir un organigrama en el que se comprendiese el origen o tronco del cante flamenco y, a manera de ramas de un árbol, cada uno de los palos y estilos que derivaban de él.

Los intentos de esquematizar los cantes, muy loables por cierto, en el afán de explicar el origen y desarrollo de los diferentes estilos, conducian siempre a confundir al aficionado, y ello debido a la complejidad del empeño, en razón de la cantidad de estilos conocidos y a la dificultad de enraizarlos. La tarea es complejísima y la utilidad se concreta en satisfacer la curiosidad sobre las señas de identidad de los diferentes palos, teniendo en cuenta que son alrededor de cincuenta los estilos censados en el colectivo de las variedades del flamenco.

A título de ejemplo transcribimos a continuación la clasificación de José Blas Vega (presentación de la "Magna Antologia del Cante Flamenco.- Hispavox)

GRUPO I.- Cantes flamencos primitivos básicos con sus derivados

• Romances

• Tonás o cantes sin guitarra (Tonás, Deblas, Martinetes, Carceleras)

• Siguiriyas (Liviana, Serrana)

• Soleares (Alboreás, Cañas, Polos, Peteneras, Bulerias)

• Tangos (Tientos, Tanguillos, Marianas)

• Cantiñas (Cantiñas, Alegrías, Cante de las Mirris, Caracoles, La Rosa, Mirabrás, La Contrabandista, La Romera, Cantiña de Romero el Tito, Cantiña del Pinini, Cantiña de Córdoba)


GRUPO II.-Cantes Flamencos derivados del fandango.

• Cantes de Málaga (Rondeña, Jabera, Verdiales, Fandangos locales, Malagueñas locales, Malagueñas personales

• Cantes de Levante y Cantes de las minas (Granaína, Media Granaína, Taranto, Taranta, Cartagenera, Minera).

• Fandangos de Huelva (Estilos locales, Estilos personales).

• Fandangos de creación personal.


GRUPO III.- Cantes varios aflamencados:

• Origen folclórico andaluz (Sevillanas, Saetas, Campanilleros, Bamberas, Pregones).

• Origen hibrido incierto (Farruca, Garrotín).

• Origen hispanoamericano (Guajiras, Milongas, Colombianas, Rumbas).


Poco a poco se han ido completando las ramas del árbol del flamenco hasta llegar a representaciones bastantes completas como la que se observa en la siguiente imagen:




INTELIGENCIA ARTIFICIAL Y FLAMENCO

Ahora pasamos a presentar el trabajo desarrollado en la Universidad de Sevilla para lograr que utilizando inteligencia artificial, se logre clasificar una determinada pieza en una de las ramas concretas del árbol. Para ello, un ordenador debe "escuchar" la pieza en concreto y clasificarla en el lugar correspondiente.

Hasta ahora, el ordenador no aprendía flamenco. El grupo de investigación Tecnología Electrónica e Informática Industrial de la Universidad de Sevilla, dirigido por Carlos León, ha conseguido enseñar algo de este arte a una inteligencia artificial, todo un reto ya que se trata de una música caracterizada, precisamente, por la falta de regularidad.

El mismo cante de la misma persona varía cada vez que se entona y no hay partituras, lo que hace más difícil catalogarlo. Para conseguirlo, se ha recurrido a la identificación de patrones mínimos, como si fueran moléculas del sonido, y a la aplicación de mayor cantidad de información y potencia de cálculo. En tonás y fandangos han logrado una eficacia que roza el 100%. Quedan un centenar de palos por delante, pero en el camino se ha obtenido experiencia que se puede utilizar para interpretar electrocardiogramas (ningún latido es idéntico a otro) o el comportamiento de los usuarios de un servicio eléctrico.

Al frente del trabajo ha estado Javier Mora Merchán, quien ha culminado su investigación en la tesis Análisis de cadenas derivadas de modelos desconocidos. Aplicación del análisis al cante flamenco. Sus directores, Carlos León y Joaquín Mora, destacan que, aunque se aparta de la línea industrial de la investigación del grupo, sus aplicaciones son muy relevantes para otros campos caracterizados por la ausencia de patrones.

Para limitar la investigación, Javier Mora se centró en dos familias de palos: las tonás, de las que estudió deblas y martinetes, y los fandangos de Huelva. Para la clasificación contaron con la colaboración de los artistas Eduardo Garrocho, Mario Garrido y Rocío Márquez, que además de cantaora es investigadora y doctora en Flamenco. Con su arte y las entrevistas a expertos, Joaquín Mora generó un cuerpo básico de datos con el que elaborar los modelos.

Otro de los inconvenientes es la ausencia de partituras convencionales, que permiten reproducir las piezas a quien las lea. Para la investigación", explica Javier Mora, "hemos trabajado sobre partituras, pero sólo como representación simbólica de algunos datos de las piezas que analizamos. Lamentablemente nuestras partituras no permiten esa conversión de nuevo a cante ya que son simplificaciones de todos los fenómenos que ocurren durante la interpretación de un cante flamenco. De ahí que afirmemos que no es posible crear un pentagrama completo objetivo que refleje todos los aspectos cantados en el flamenco".

Además, los sistemas utilizados para otros géneros tampoco funcionan. Los clasificadores musicales se basan en las 12 notas de un piano, pero el cante jondo utiliza escalas diferentes. Por otra parte, los ritmos en la música occidental a la que estamos acostumbrados son regulares y básicos, pero en el arte de Mairena, Menese y tantos otros son complejos y forman parte de la capacidad expresiva.

Con estas características singulares del flamenco, los sistemas informáticos, que funcionan buscando patrones que se repiten a lo largo de la música, se perdían en la infinita variedad de los cantes. “La solución ha sido analizar los pocos elementos comunes, submotivos que se parecen, y aplicar más información y más potencia de cálculo. Hemos tenido que desarrollar herramientas exprofeso. Aplicarlas en la música pop o clásica sería como matar moscas a cañonazos, pero en el flamenco no hay otra opción porque las herramientas convencionales no funcionan”, explica el autor de la investigación.

En el siguiente vídeo te presentamos el trabajo avanzado que se ha logrado:


Ahora quedan varias posibilidades de desarrollo de este trabajo: aplicar lo aprendido en otros ámbitos con sistemas tan complejos como el cante jondo, clasificar y almacenar con criterios científicos los cantes de este patrimonio mundial o transferir los conocimientos y enseñar a las personas, como se ha hecho con los computadores, a entender este arte. "Enseñar a un ordenador a realizar una tarea es una forma de estudiar dicha tarea. Hemos puesto un especial hincapié en que ese conocimiento pueda servir para que las personas puedan aprender de las conclusiones extraídas por las máquinas a apreciar lo intangible", concluye el investigador.


Un paso más allá de esta aplicación de la inteligencia artificial podrían ser las siguientes:


1.- La aplicación de la inteligencia artificial a otras músicas: Para ello te ofrecemos el siguiente artículo.


2.- Creación de piezas musicales. Para ello te ofrecemos el artículo "La inteligencia artificial compone música pop"


La aplicación del baile ya la podemos ver en el siguiente vídeo


miércoles, 17 de marzo de 2021

Cómo mejorar el rendimiento de dispositivos móviles

 En este caso, presentamos una infografía sobre cómo mejorar el rendimiento de portátiles para que sigan siendo eficientes en las tareas que deben desarrollar.

jueves, 14 de enero de 2021

Análisis DAFO de la herramienta HootSuite

 Seguidamente presentamos un análisis DAFO de la Herramienta HootSuite dentro del NOOC La tecnología resuelve problemas  #TecnoSolución

domingo, 22 de noviembre de 2020

Linea del tiempo de la evolución de la web

 Seguidamente os presentamos una línea de tiempo en la que aparecen distintos hitos que han ido marcando la evolución de la web.

Made with Visme Infographic Maker

sábado, 23 de mayo de 2020

Análisis DAFO de los cursos MOOC. Mariano Real Pérez

Para preparar este artefacto digital he utilizado Microsoft PowerPoint y he grabado la exposición utilizando Screencast-O-Matic.

Posteriormente lo ha subido a Youtube y el resultado que me ha quedado es el siguiente:

viernes, 22 de mayo de 2020

Decálogo para Menores Seguros en la Red

Dentro del NOOC "Menores y seguridad en la red" - #MenorSeguroEnRed, presentamos más abajo un decálogo para mantener a los menores seguros en la Red.

Este NOOC es una iniciativa que nace de la colaboración entre el Instituto Nacional de Tecnologías Educativas y de Formación del profesorado (INTEF), el Instituto Nacional de Ciberseguridad (INCIBE) y la Agencia Española de Protección de Datos (AEPD), con el objetivo de dar a conocer pautas, herramientas y estrategias que permitan evitar los riesgos de un uso inadecuado o poco seguro de la red, para orientar y acompañar a los menores en el entorno digital y salvaguardar su intimidad y bienestar personal.

jueves, 21 de mayo de 2020

Mapa conceptual sobre los MOOC

Seguidamente presentamos un mapa conceptual sobre qué es un MOOC. De este mapa extraeremos un análisis DAFO sobre estos cursos.