Dragan Matić: Genetički algoritmi i muzika - Univerzitet u Novom Sadu

komercijalnim softverskim rješenjima 21 . Kao često korištena stohastička metoda u literaturi se pominjuMarkovljevi lanci 22 .Kao glavni nedostatak ovakvih algoritama, pored opštih nedostataka i problema algoritamskogkomponovanja, prepoznaje se potreba za analizom velikog broja postojedih kompozicija, kako bi se nadobar način mogla odrediti vjerovatnoda za narednu slučajnu promjenljivu.Sistemi zasnovani na znanjuSistemi zasnovani na znanju podrazumijevaju sisteme koji su simbolički i koriste pravila ili ograničenja.Upotreba ovakvih sistema u muzici se čini prirodnim izborom, posebno kada pokušavamo odreditiprostor dozvoljenih melodija ili želimo uvesti eksplicitne strukture ili pravila. Osnovna prednost je ta štoposjeduju mogudnost direktnog, eksplicitnog rezonovanja, tj. uvijek se može objasniti razlog za izborodgovarajude radnje. Ovakvi sistemi se, stoga mogu dosta praktično koristiti u harmonizaciji, jer seharmonizacija obično i smatra problemom koji treba da zadovolji propisana ograničenja (eng. constraintsatisfaction problem). Značajne poteškode u realizaciji ovakvih algoritama su vremenski zahtjevan i težakproblem izdvajanja odgovarajudeg znanja, jer je problem identifikacije pravila, kao i izuzezaka upravilima spojen i sa programerskim vještinama i vještinama u komponovanju.GramatikeKompozicije se kreiraju tako što se prvo napravi „muzička gramatika“, koja se kasnije koristi za pravljenjemuzičkih komada. Gramatike češde uključuju pravila na „makro nivou“ komponovanja, kao što su naprimjer pravila u harmoniji ili ritmu, nego na pojedinim tonovima kompozicije. Stoga se ovakav pristupdosta koristi pri komponovanju džez muzike, koja podrazumijeva relativno jasna početna ograničenja uzvisok stepen dozvoljene improvizacije.Osnovni nedostaci ovakvih algoritama sugramatike su po pravilu hijerarhijske, dok sama muzika nije, te se u gramatike mora uvesti ivišeznačnost, koja prepoznavanje dozvoljenih rješenja često čini kompjuterski zahtjevnim,vedina ovakvih rješenja ne daje značaja samom značenju dobijenog komada. Gramatike su tu dadaju pravila i ograniče skup dozvoljenih rješenja , dok se ne analizira puno šta se dobijaprimjenom tih pravila. Stoga gramatike generišu veliki broj muzičkih zapisa od kojih su mnogilošeg kvaliteta (gramatike odbacuju samo neke nepravline i loše kompozicije).Sistemi koji učeKod sistema koji uče pretpostavljamo da unaprijed nemamo nikakvo znanje (pravila za pravljenjekompozicija, ograničenja i slično), ved sistem sam uči preko primjera. Ovi sistemi se mogu klasifikovati ponačinu čuvanja informacija (stečenog znanja) na distributivne (Vještačke neuronske mreže) i simboličke(Mašinsko učenje). Ideja upotrebe ovakvih algoritama je mogudnost automatskog učenja prepoznavanja21 Na primjer, Jam Factory, softversko rješenje realizovano od strane američke kompanije Intelligent Music, NewYork22 Markovljevi lanci su niz slučajnih promjenljivih kod kojih raspodjela vjerojatnoda za budude stanje zavisi samo odtrenutnog, dok je u odnosu na sva prethodna stanja nezavisno.21