Новости Библиотека Учёные Ссылки Карта сайта О проекте


Пользовательский поиск





предыдущая главасодержаниеследующая глава

ТВОРЧЕСТВО И КИБЕРНЕТИКА

МОДЕЛИРОВАНИЕ В МУЗЫКЕ

Р. X. ЗАРИПОВ

Пожалуй, ни одна из областей применения кибернетики не привлекает такого широкого интереса, не вызывает столько ожесточенных споров и разноречивых мнений, как вопросы взаимосвязей кибернетики и искусства. Большой интерес к этим вопросам вызван, кроме всего прочего, и кажущейся простотой проблемы - многие уверены, что для оценки результатов «машинного художественного творчества» не требуется специальных знаний. На самом же деле все оказывается гораздо более сложным.

Непонимание существа проблемы, поверхностное отношение к оценке образцов машинного творчества часто приводит к недоразумениям и казусам. Особенно наглядно это проявляется при сравнении образцов машинного и человеческого творчества.

О моделировании творчества на ЭВМ

С появлением электронных вычислительных машин возник и новый объективный метод изучения творчества - моделирование на вычислительной машине.

Моделирование - это искусственное воспроизведение, или имитация, объекта исследования (процесса или состояния), точнее тех его сторон, закономерности которых интересуют исследователя. Необходимость искусственного воспроизведения объекта при моделировании приводит к осознанию его существенных черт и способствует изучению этого объекта.

Весьма привлекательным является моделирование на машине различных видов художественного творчества, например, таких, как живопись или танец, сочинение стихов или музыки. Подобные эксперименты способствуют раскрытию природы интуиции - объективно существующей неосознанной, невскрытой закономерности, важного фактора любого творческого процесса.

Изучение и выявление общих закономерностей творчества возможно на разных объектах. Важно, чтобы результаты, полученные при моделировании, были наглядными, в определенном смысле похожими на соответствующие по форме образцы человеческого творчества и вызывали бы те же реакции, что и при восприятии результатов человеческого творчества.

Идеальный объект для исследований такого рода - музыка.

Музыка обладает особенностью, которая с точки зрения возможности моделирования выгодно отличает ее от других видов искусства. Музыка в определенном смысле относится к выразительным, а не к изобразительным видам искусства. Музыкальное произведение отражает действительность отвлеченно от точного изображения ее конкретных внешних признаков. Это обстоятельство, по-видимому, и облегчает моделирование музыкальных сочинений на машине. Последнее следует понимать в том смысле, что при моделировании простых форм музыкального творчества полученные результаты сравнимы с сочинениями композиторов-профессионалов и по массовым оценкам слушателей неотличимы от них. Результаты же моделирования на машине других видов художественного творчества (например, танца, стихосложения или живописи в доступных и привычных массовому слушателю или зрителю формах) являются или менее наглядными при восприятии их и сравнении с человеческими образцами, или требуют специальных знаний и опыта при их анализе и оценке.

Применение ЭВМ в музыке

Исследования в музыке с использованием вычислительных машин проводятся у нас и за рубежом по следующим четырем направлениям.

1. Построение специальных языков программирования для ввода, обработки данных (например, анализа) и вывода музыкальной информации, а также для составления программ,

2. Анализ музыкальных произведений (музыковедческий анализ, сравнение музыкальных стилей и др.) для выявления внутренних формальных (преимущественно статистических) связей элементов композиции. Американским математиком и музыкантом М. Касслером построен алгоритм для распознавания додекафонных мелодий.

В рамках этого направления интересна задача определения параметров, которые при переходе от одного музыкального стиля (или эпохи) к другому изменяются, а в пределах каждого стиля остаются неизменными или изменяются незначительно.

Так, в работах западногерманского физика В. Фукса были найдены музыкальные параметры, характеризующие развитие некоторых формальных качеств структуры западной музыки на протяжении последних пяти веков.

3. Звуковоспроизведение на ЭВМ со звуковым выходом для синтеза тембров, имитирующих звучание как классических музыкальных инструментов, так и новых, неизвестных практике. Это, в частности, позволяет исследовать некоторые вопросы психологии восприятия.

К этому же направлению относятся опыты, связанные с так называемой проблемой пианолы - использованием ЭВМ для воспроизводства последовательности звуков, записанных в виде нот. Такие опыты основаны на следующей идее. Нотная запись музыкального произведения - это система указаний для музыканта, обозначающая прежде всего высоту, длительность и силу каждой ноты. Она также содержит указания о тембре (инструменте) и различные исполнительские или динамические указания. Иначе говоря, ноты - это алгоритм, или программа действий, которой музыкант руководствуется при исполнении.

Следовательно, подобную «программу» можно задать машине со звуковым выходом. Управляя работой цифро-звукового преобразователя, машина по соответствующей программе синтезирует звуки, отвечающие нотам, записанным в числовом коде, т. е. «играет» по нотам. Машина может имитировать многоголосное и многотембровое звучание оркестра.

Интересно, что если до сих пор исполнительские возможности известных музыкальных инструментов были ограничены физическими и механическими факторами, то машина в качестве музыкального инструмента и исполнителя преодолевает такие ограничения.

Следует заметить, что все работы этого направления до сих пор находятся на уровне лишь механического воспроизведения нотной записи, к которому, разумеется, не сводится музыкальное исполнение.

4. Опыты по синтезированию музыкальных композиций на ЭВМ проводятся для выявления и подтверждения в них скрытых закономерностей, которые в процессе сочинения человеком обычно используются неосознанно, интуитивно.

Машина может быть также полезна композитору для производства «заготовок» - черновых вариантов различных звуковых сочетаний. Особенно удобным оказалось это при сочинении музыки «нетрадиционной структуры». Из множества таких «заготовок» композитор по своему усмотрению (уже без машины) выбирает наиболее подходящие варианты и включает их в свое произведение. Это - пример человеко-машинной системы в музыке, которая уже используется на практике, особенно зарубежными композиторами (машинные заготовки можно использовать и для сочинения музыки традиционной структуры, как это делает итальянский кибернетик и музыкант Э. Гальярдо).

В дальнейшем мы будем рассматривать моделирование музыкальных сочинений на ЭВМ; при этом машина сочиняет законченную композицию уже без вмешательства человека в самый процесс сочинения.

Человеко-машинная система и моделирование - это две основные ветви проблемы построения искусственного интеллекта - научного направления, широко развивающегося в последние годы как в нашей стране, так и за рубежом.

Известны два различных метода моделирования музыкальных сочинений на ЭВМ.

а) Один основан на принципе лишь локальной взаимосвязи звуков. Этим методом синтезируются только одноголосные композиции. В его основе лежит принцип построения марковских цепей, предложенный в 1913 г. русским математиком А. А. Марковым для исследования стихотворных текстов. При этом предполагается, что количество соседних взаимосвязанных пот, зависящих друг от друга статистически, невелико. В опытах разных авторов это количество различно и принимает значения 0, 1, ..., 7. Весьма привлекательный по форме, этот способ, основанный лишь на локальной взаимосвязи звуков мелодии, не дает, да и не может дать хороших результатов. Именно об этом методе писал А. Н. Колмогоров в статье «Автоматы и жизнь», приводя «пример упрощенного подхода к проблемам кибернетики» в области «машинного сочинения музыки». Дело в том, что здесь не учитываются важные специфические стороны музыки. Примерами могут служить ладогармоннческая - направленная на организацию устойчивых и неустойчивых звуков лада, структурная - для организации в мелодии повторности ритмических и мелодических фигур, а также расчленения мелодии на отдельные построения (предложения, фразы, мотивы). Закономерности этих сторон при восприятии музыки способствуют лучшему усвоению различных интонаций, тем. И эти закономерности являются более важными, более характерными для музыки, чем локальные связи. Особенно наглядно все это проявляется в тех работах по моделированию музыки определенного стиля, где наряду с мелодиями, полученными машиной этим методом, приводятся для сравнения мелодии, взятые первоначально для анализа. Самими этими работами подтверждается (разумеется, без намерения их авторов), что в мелодии практически взаимосвязаны все ноты, а не только несколько соседних.

Кроме того, при этом не выявляются взаимосвязи между различными элементами музыкальных сочинений, а также наличие и формализация принципов, правил и закономерностей композиций. А это обстоятельство является наиболее важным как для теоретического музыковедения, так и для осознания интуитивной деятельности.

б) Более перспективным представляется другой метод. Условно назовем его структурным. Он основан на программировании правил и закономерностей композиций, которые удалось выявить.

Как машина сочиняет музыку

В последующих разделах статьи рассмотрен разработанный автором способ организации алгоритмов и «структурный» метод моделирования некоторых функций композитора и музыковеда. Составлены различные программы, по которым работает вычислительная машина. Так, машина сочиняет мелодии - одноголосные музыкальные композиции. Можно ввести в машину ритм стихотворения - последовательность ударных и безударных слогов, и она напишет мелодию к этому стихотворению - получится песня. Машина имитирует и некоторую учебную работу студентов музыкальных училищ или консерваторий - она решает задачи по гармонизации мелодий (и без ошибок). А студенты в таких задачах делают ошибки. И если машине дать это решение задачи по гармонизации, она укажет там все ошибки. Такая программа выполняет функции экзаменатора и является прототипом обучающей системы (Эти программы подробно описаны в книге автора статьи «Кибернетика и музыка» (М., «Наука», 1971). )Кроме того, машина сочиняет одноголосные вариации на заданную музыкальную тему.

Для проведения экспериментов по моделированию различных видов творчества одним из наиболее важных является вопрос организации программы. Основное назначение такой программы, по-видимому, не серийное производство машинной музыки, а экспериментирование, постоянное ее совершенствование. Поэтому один из аспектов этого вопроса - удобство обращения с программой, возможность вводить в нее некоторые изменения, формировать ее, управлять ею. Иначе говоря, программа должна быть гибкой в обращении, чтобы можно было проводить эксперименты разного рода. И структура алгоритма должна это учитывать.

Принцип алгоритмизации музыкальных сочинений заключается в следующем.

Выбор различных элементов композиции (нота, аккорд, тип структуры, закон случайного распределения длительностей или интервалов и т. п.) происходит с помощью датчика случайных чисел посредством соответствующего способа кодирования.

Синтезирование композиции происходит так. Имеется набор запрограммированных правил композиции. Датчик случайных чисел предлагает одну ноту за другой. Если нота удовлетворяет набору правил, то она помещается в нотную строку. В противном случае нота отбрасывается, и вместо нее предлагается другая. И так до тех пор, пока не будет получена законченная композиция, которая и печатается в закодированном виде.

Теперь рассмотрим способ организации алгоритма. Любая музыкальная композиция как в синтаксическом, так и в семантическом отношении характеризуется некоторым набором параметров, отражающих правила, закономерности и элементы ее строения и развития. Параметром может быть диапазон мелодии, тактовый размер, распределение частот интервалов, количество ступеней в октаве и др. Каждый параметр принимает по нескольку значений. Значение параметра - это определенное число или числовая структура, конкретный закон распределения частот интервала, набор аккордов и т. п. из множества допустимых в программе.

Под типом композиции понимается определенный признак, особенность или качество музыки, присущие некоторой совокупности композиций (стиль, жанр, эмоциональная направленность и т. п.). Типом может быть «танцевальная музыка», «вальс», «вальс Штрауса», «широта», «напевность», «вариационность» и т. п.

Моделирование основано на предположении, что любой тип (признак) композиции характеризуется определенным набором значений параметров из множества допустимых.

Таким образом, качественной характеристике композиции (тип) ставится в соответствие характеристика формально-количественная (набор значений параметров). В соответствии с этим для моделирования композиций определенного типа в определенные ячейки машинной памяти засылаются некоторые числа - коды значений параметров. Этим самым машине задается определенный перечень правил, которые должны содержаться в будущей композиции. Указанными кодами автоматически «настраивается», или формируется, программа. При этом из всех запрограммированных значений каждого параметра выбирается одно заданное. Если же значение какого-то параметра не было задано, то при формировании программы оно выбирается из множества запрограммированных значений случайным образом- посредством датчика случайных чисел.

Отсюда видно, что в синтезировании композиции участвуют не все запрограммированные правила, а лишь их часть. Эта часть и указывается набором параметров, определяющим тип композиции. Программы, составленные на основе этого принципа, служат иллюстрацией того, как количество (набор значений параметров) переходит в качество (тип музыки).

Вместе с машинной композицией печатается и перечень тех закономерностей, которые участвовали в ее сочинении, т. е. указывается ее структура. Это позволяет проводить различные психологические эксперименты, например, по восприятию музыки. На основе этого метода можно найти зависимость между структурой музыки и ее воздействием на эмоциональное состояние слушателя.

Метод может быть полезен и при анализе музыкальных сочинений, когда требуется восстановить механизм создания композиций некоторого типа. В этом случае прямой анализ данной музыки заменяется формальным анализом синтезированной (машинной) музыки, близкой по типу к данной.

Как оценивать машинную музыку

Цель экспериментов - не создание музыкальных сочинений, а, как уже говорилось, исследование закономерностей творчества.

В процессе анализа изучаемых явлений обычно возникают различные гипотезы, предположения о закономерностях этих явлений. И моделирование на ЭВМ - это могучий метод подтверждения таких гипотез. При моделировании музыки на машине обязательно получается машинная музыка, хотим мы этого или нет - в этом сущность метода моделирования. Машинные композиции служат как бы «отходами производства». Но это такие «отходы», что о них следует поговорить особо.

Дело в том, что критерием качества и совершенства программы, по которой машина работает и сочиняет музыку, является степень близости машинной музыки к той человеческой, которую мы изучаем. Здесь важно не абсолютное качество машинной музыки, а то, чтобы она была очень похожей на исследуемую нами. В этом смысле большая роль в изучении закономерностей композиции и музыкального творчества принадлежит машине-плагиатору, моделирующей сколь угодно точно указанные ей типы композиции - авторские стили, жанры, особенности народной музыки и т. п. Создание такой машины или, точнее, программы определило бы степень изученности творчества, тот его уровень, который машина на данном этапе в состоянии воспроизводить. И машинные композиции служат критерием того, насколько глубоко изучен и описан формальным, объективным языком механизм творческой деятельности.

Однако здесь возникает проблема оценки машинных композиций и сравнения их с сочинениями композиторов. Они оцениваются лишь в результате прослушивания. Проблема эта связана с особенностями психологии слушателей. Поэтому для объективного сравнения музыки, сочиненной человеком и машиной, необходим специальный эксперимент. Цель его - преодолеть психологическую предвзятость слушателей. Надо сделать так, чтобы заранее они не знали, что оценивают - машинную или человеческую музыку. Кроме того, эксперимент должен дать и объективную оценку машинных композиций, сравнительную с человеческими, т. е. показать уровень их качества.

Какую же музыку следует брать для сравнения с машинными мелодиями? Вещи несоизмеримые, несравнимые между собой сравнивать нельзя, например мелодии песен с монументальными концертными произведениями вроде симфоний. Сравнивать надо композиции одинакового объема, одинаковой структуры, одинаковой синтаксической сложности.

Для эксперимента было выбрано восемь мелодий песен известных советских композиторов, взятых из опубликованных сборников избранных песен, и столько же мелодий, сочиненных машиной «Урал-2». Все эти мелодии проигрывались в произвольном порядке, неизвестном слушателям. Слушатели должны были каждую из них оценить по пятибалльной системе и оценки записать на бланках. Чтобы исключить элементы случайности, эксперимент должен был быть массовым.

Было выбрано несколько различных социомузыкальных групп, в каждой из которых уровень музыкальной подготовленности участников был примерно одинаков. Это - студенты Московского энергетического института, студенты Музыкально-педагогического института имени Гнесиных, участники заседания симпозиума «Проблемы художественного восприятия» (заседание было посвящено вопросам восприятия музыки), школьники старших классов, математики - участники методологического семинара Математического института АН СССР имени В. А. Стеклова и Вычислительного центра АН СССР, артисты Большого театра, работники предприятий культуры и др. Всего в эксперименте участвовало более 600 человек.

Кроме того, подобный эксперимент был проведен на основе передач по первой программе Всесоюзного радио 25 августа 1973 г. и 29 июня 1976 г.

При обработке результатов эксперимента были получены различные характеристики. Как и во всяком конкретно-социологическом исследовании, выводы делались на основе усредненных оценок.

Методика проведения эксперимента себя оправдала и позволила преодолеть психологическую предвзятость, о которой говорилось выше. Слушатели не различали, где человеческое, а где машинное, хотя часто были уверены в обратном. Так, один участник написал на бланке: «Вся машинная музыка - не музыка, нет чувства...» Однако он, не осознавая этого, предпочел человеческим мелодиям машинные, о чем красноречиво говорит таблица его оценок:

- Оценка 5 4 3
Автор Машина 2 3 3
Автор Композитор 0 1 7

В результате эксперимента выяснилось, что во всех группах машинные композиции получили по разным критериям более высокую оценку, чем мелодии композиторов. Вот, например, как были оценены в 70 протоколах мелодии такой музыкально подготовленной аудиторией, как студенты Института имени Гнесиных:

- Оценка 5 4 3 2 1 -
Автор Машина 76 253 204 22 5 SM=3,67
Автор Композитор 61 213 247 31 8 SK=3,51

Таблица показывает, сколько различных оценок (5, 4, 3, 2, 1) получили мелодии, сочиненные машиной и композиторами (SM и SK - соответствующие средние оценки за мелодии).

Результаты эксперимента, проведенного многократно и даже с музыкально подготовленным составом участников, подтверждают, что при моделировании на ЭВМ простых форм музыкального творчества (мелодий песен или танцев) получены такие машинные результаты, которые не только соизмеримы с человеческими, но в ряде случаев и превосходят последние по качеству.

Важно отметить, что мелодии композиторов в эксперименте (независимо от их качества или отношения к ним со стороны слушателей) - это результат той профессиональной деятельности человека, которую принято называть творчеством. И если мелодии композиторов причисляются к произведениям искусства, то логично и машинные сочинения, получившие во время этого эксперимента более высокую оценку слушателей, также считать произведениями искусства.

Читатель, знакомый с книгой А. Тьюринга «Может ли машина мыслить?» (М., Физматгиз, 1960), заметит, что проведение описанного эксперимента - это развитие и реализация идеи А. Тьюринга об «игре в имитацию» («тест Тьюринга») применительно к музыке. Как известно, «тест Тьюринга» предназначен для того, чтобы судить о наличии «интеллекта» по результатам «игры в имитацию», которая сводится к следующему. В игре участвуют некое лицо (эксперт) и две системы А и В, одна из которых - человек, а другая - машина. Эксперт задает любые вопросы системам А и В и, анализируя их ответы, должен определить, какая из них является машиной. Если он не сможет определить этого в течение заданного времени, то такая машина считается «интеллектуальной».

Из результата нашего эксперимента следует, что программа-композитор, синтезирующая эти мелодии, выдерживает «тест Тьюринга».

Машина-плагиатор

При моделировании композиций определенного типа получаются мелодии разные, но обладающие каким-то общим признаком. На этом этапе моделирования подтверждаются общие закономерности данного типа композиций. Следующим этапом в углублении и совершенствовании наших знаний о закономерностях музыки является построение такой программы, по которой машина сочиняет мелодии, в точности совпадающие с исследуемой композицией.

В этой связи особый интерес представляет то, что называется заимствованием в музыке. Заимствование и последующая творческая обработка - трансформация (варьирование) музыкальных тем - при сочинении музыкальных произведений не являются плагиатом в широком понимании этого слова - многие композиторы сознательно использовали в своих сочинениях известные мелодии, большей частью народных песен, например, мотив «Чижика-пыжика» в арии царя До дона из оперы Римского-Корсакова «Золотой петушок» или тема «Во поле береза стояла» в финале Четвертой симфонии Чайковского. Имеются примеры и неосознанного заимствования известных тем в творчестве композиторов.

Один из наиболее ярких примеров такого рода - сочинение П. И. Чайковским темы «рококо» для своих знаменитых виолончельных вариаций. В книге А. Будяковского «П. И. Чайковский. Симфоническая музыка» (Л., 1935) приводится разговор между композитором и его другом виолончелистом В. Фитценгагеном: «Знаешь ли ты, что такое рококо?» - спросил однажды Петр Ильич. Фитценгаген кивнул головой. Пауза. «Я думаю,- сказал Чайковский,- это легкая, безмятежная радостность (schwebende Heiterkeit)...» И он напел про себя небольшую мелодию вроде гавота.

Поразительные ассоциации - «легкая, безмятежная радостность»: ведь в сознании композитора в это время перевоплощалась в стиле «рококо» мелодия безмятежно-раздольной русской народной песни «Вдоль по Питерской». В том, что тема «рококо» возникла из этой мелодии, можно убедиться при визуальном сравнении обеих мелодий: на рис. 1 видно совпадение высот, отмеченных волнистой линией, и ритмических акцентов. Но то, что видит глаз, не всегда слышит ухо, и при прослушивании этих мелодий нелегко уловить сходство.

Рис. 1. Мелодия русской народной песни 'Вдоль по Питерской'.
Рис. 1. Мелодия русской народной песни 'Вдоль по Питерской'.

Слушая тему и вариацию, мы зачастую интуитивно ощущаем их общность и связь между собой. Это происходит благодаря сохранению в вариации неизменных элементов - инвариантов преобразования. Однако они сильно маскируются в вариации другими элементами - изменением ритма, тактового размера, ладотональности и самой мелодической линии. Эти маскирующие элементы часто изменяют тему до неузнаваемости.

На рис. 2 приведены мелодии двух русских народных песен (№ 10 - «Чижик-пыжик» и № 20 - «По Дону гуляет казак молодой») и их вариации (№ 11, 12, 13 и 21, 22, 23), сочиненные машиной БЭСМ-6 Вычислительного центра АН СССР. Нетрудно заметить, что вариация № 21 в точности совпадает с мелодией Дунаевского «Молодежная» из кинофильма «Волга-Волга» (кроме 1-й ноты последнего такта). Машинное варьирование позволяет шаг за шагом проследить весь путь преобразования заданной темы в искомую вариацию.

Рис. 2. Мелодии двух русских народных песен 'Чижык-Пыжик' и 'По Дону гуляет казак молодой'.
Рис. 2. Мелодии двух русских народных песен 'Чижык-Пыжик' и 'По Дону гуляет казак молодой'.

Что же дальше?

О перспективах использования машин в музыке можно много и увлекательно фантазировать. Мы же рассмотрим лишь некоторые вопросы, практическое разрешение которых возможно в недалеком будущем.

Работы по использованию ЭВМ в музыке ведутся в разных направлениях, хотя полученные результаты практически почти не применяются. Препятствуют этому трудности не принципиального, а лишь технического характера. Не осуществлен пока переход от лабораторного эксперимента к практическому использованию работ. Но недалек день, когда ЭВМ будет необходимым учебным «пособием» в консерватории (как сегодня она необходима во многих технических институтах), скажем, для проверки решений учебных задач по гармонизации или для сочинения фуг.

Студентам-музыкантам непривычна закодированная запись нот в виде чисел. Но уже имеются на ЭВМ выходные устройства, способные печатать результаты в виде графиков или нот. Если к этому добавить устройства, автоматически считывающие ноты, то будет практически решена важная проблема машинной переписки нот.

Выше говорилось о программе, сочиняющей вариации па заданную тему. Весьма привлекательно решение обратной задачи - выделение первоначальной «темы» из заданной мелодии: своего рода «упрощение» мелодии либо отыскание ее прототипа, установление факта заимствования темы (подобно тому, как на основе гармонизующей программы была составлена программа-экзаменатор для анализа гармонизаций и отыскания в них ошибок).

Первый вариант задачи более прост в силу своей неоднозначности. А для осуществления второго требуется не только грандиозная машинная память - вместилище для огромного набора мелодий-прототипов, но и экономный по времени способ сравнения мелодий (подобный тому, каким интуитивно пользуется человек при узнавании мелодии).

Такая проблема возникает при разрешении различных задач, связанных с выборкой из памяти. Так, построение шахматной программы «на уровне гроссмейстера», о которой сейчас много говорят, немыслимо без учета прошлого опыта. Ведь при обдумывании очередного хода в памяти гроссмейстера всплывают подобные позиции, выбранные (по-видимому, большей частью неосознанно) из огромного множества партий, сыгранных не только им, но и другими шахматистами. И хорошая шахматная программа должна не только хранить в памяти множество этих партий, но и (в этом главная трудность) уметь быстро выбрать вполне определенную партию, соответствующую данной позиции.

Решение проблемы идентификации мелодий нужно, конечно, не для «разоблачения» композиторов и установления «плагиата» (это будут опять-таки неизбежные «отходы производства»), а для построения каталога мелодий и их разновидностей, составления «словаря» музыкальных тем и разрешения других вопросов, связанных с созданием музыкальной библиотеки будущего.

Рассмотрим перспективы звуковоспроизведения на ЭВМ. Моделирование многоголосного и многотембрового звучания оркестра поможет композиторам при сочинении оркестровых произведений, при прослушивании, скажем, черновых набросков симфонической музыки, где используются новые, оригинальные тембровые сочетания. Ведь в процессе сочинения не все композиторы способны слышать свои творения в оркестровом звучании. А недочеты, обнаруженные при прослушивании уже законченного произведения в исполнении симфонического оркестра, исправить почти невозможно.

Чрезвычайно интересной областью исследования является моделирование творческого процесса музыкального исполнения. Задача заключается в выявлении особенностей исполнительской манеры того или другого музыканта, поскольку музыкальное исполнение не сводится лишь к механическому воспроизведению нотной записи. При прослушивании интуитивно мы чувствуем различие в исполнительской манере музыкантов. Так, своеобразную манеру игры Даниила Шафрана трудно спутать с манерой игры другого виолончелиста. Но если есть интуиция, то имеются и закономерности, которые можно выявить.

А для проверки предположений об этих закономерностях можно воспользоваться тем же методом подтверждения гипотез - моделированием процесса исполнения на ЭВМ.

Практически важной является и проблема объективной оценки исполнения. Вот мнение известного пианиста и педагога Г. Г. Нейгауза. В статье, посвященной подготовке к Международному конкурсу имени П. И. Чайковского в 1962 г., он писал: «Быть может, в наш век кибернетики недалек тот день, когда главную роль в суждениях и оценках исполнительских достижений на конкурсах будут выполнять высокоорганизованные... электронно-счетные машины, конечно, при содействии и соучастии людей - музыкантов... Между прочим, я ожидаю от этих будущих машин той точности и безошибочности, на которую люди неспособны».

При обсуждении перспектив сочинения музыки на вычислительных машинах часто высказывается мнение, что машина может лишь имитировать уже известные музыкальные структуры, авторские стили. Допускается даже, что машина сможет настолько изучить и усвоить стили известных композиторов, что сможет точно подражать музыке любого из них. Но машина, дескать, будет лишь «хорошим ремесленником» и не более - она не сможет создать ничего нового, оригинального или, условно говоря, «предвосхитить творчество будущих композиторов». Ошибочность подобных мнений заключается в том, что не учитываются возможности некоторых классов разрабатываемых программ, по которым работает машина. Вот, например, каким образом, используя описанный выше способ организации алгоритма, машина может «выйти за рамки» заранее заданных правил. Множество значений какого-то параметра, полученное заранее, можно дополнить при синтезировании новыми значениями, не обнаруженными при анализе и, следовательно, не включенными в программу. Полученные композиции могут существенно отличаться от проанализированных и будут содержать закономерности, не предусмотренные заранее.

Чтобы пояснить это, для наглядности рассмотрим простые примеры параметров с такими множествами значений - первоначальными п дополненными, которые приводят к известным в музыкальной практике структурам. Предположим, что в результате анализа обнаружен параметр «тактовый размер» и найдены два его значения: 2/4 и 4/4. Допустим, что при синтезировании композиций это множество значений дополнено (машиной) каким-либо образом еще одним значением - 3/4 и состоит : уже из трех элементов: 2/4, ?, 4/4. Тогда синтезированные композиции также будут трех размеров: 2/4, 3/4, 4/4. При этом важно заметить, что заранее размер 3/4 не был выявлен и введен в программу. Однако известно, что музыка на 3/4. образуя новую структуру, при восприятии на слух существенно отличается по своему эмоциональному характеру от музыки на 2/4 или 4/4, как, например, вальс или мазурка отличаются от марша или чарльстона.

Отсюда видно, что к образованию новых синтаксических структур, новых правил и закономерностей может привести лишь одно расширение множества значений первоначально заданных параметров. И параметры могут быть самые разнообразные: «количество нот затакта», «количество ступеней в октаве» и многие другие. Напомним, что для параметра «количество ступеней в октаве» значение 5 соответствует пентатонике (корейская, татарская, венгерская и т. п. музыка), значение 7- диатонике (распространенная у нас музыка), а 12 - атональной музыке, в частности додекафонии. А эти три типа структурной организации музыкальных звуков, как известно, при восприятии производят совершенно различный эффект.

Приведенные примеры показывают возможность (принципиальную и практическую) расширить множество классов композиций, взятое первоначально для анализа, даже «в рамках правил», заданных заранее. А именно это и доказывает, что машина способна не только имитировать уже известные сочинения, но и создавать новые музыкальные структуры, «предвосхищать стиль будущих композиторов».

Машина может быть полезной для обработки и реализации музыкальных идей композитора (при сочинении различных вариантов композиции, из которых окончательный вариант он отберет по своему вкусу), и, возможно, в не столь отдаленном будущем машина сумеет сочинять и сами музыкальные идеи. Не рассматривая этого вопроса, заметим, что более важной и значительно более сложной задачей является не создание новых стилей, а отбор стилей перспективных. Кстати, подобная задача возникает и в других областях кибернетики, например при оценке теорем.

И здесь мы подходим к той проблеме, которую условно можно назвать «проблемой шедевра», т. е. к проблеме создания перспективного произведения, которое намного переживает своего творца. Но это уже не техническая проблема, ибо музыкальный шедевр отбирается не композитором, а, говоря образно, временем.

Вспомним Сальери, выдающегося музыканта своего времени - композитора п педагога. Его учениками были Бетховен, Лист, Шуберт и многие другие знаменитые музыканты. Музыка его была пожалуй, не менее популярна, чем музыка Моцарта, а его оперы шли на сценах многих европейских театров. Казалось бы, все предвещало ему бессмертную славу великого композитора. Но время рассудило иначе - вряд ли вы где-нибудь услышите сейчас музыку Сальери, и даже имя его упоминается обычно лишь в связи с известной легендой.

предыдущая главасодержаниеследующая глава




Rambler s Top100 Рейтинг@Mail.ru
© Злыгостев Алексей Сергеевич, 2001-2017
При копировании материалов активная ссылка обязательна:
http://nplit.ru 'NPLit.ru: Библиотека юного исследователя'