1. Композитор, виконавець, програміст. Займається експериментальної електронної музикою, використовує...
2. Американський композитор, теоретик музики, хімік. Співавтор перших значних творів в області алгоритмічної...
3. Американський композитор. Співавтор перших значних творів в області алгоритмічної комп'ютерної музики.

Композитор, виконавець, програміст. Займається експериментальної електронної музикою, використовує власні розробки, зроблені в програмних середовищах Max / MSP і Puse Date. Навчався в Школі Сучасний мистецтва при Російському державному гуманітарному університеті (РДГУ), в Студії електронної музики при Московській державній консерваторії ( Термен-центр ). Брав участь у фестивалі «Абракадабра» (2007), в спектаклях Акусматіческого театру на Фестивалі науки в МГУ (2008), художніх акціях в Музеї Маяковського, проектах Державного центру сучасного мистецтва (ГЦСИ), проект «Фабрика» і ін.

Інсталяція Віктора Черненка «Життя як окремий випадок дискретних кліткових автоматів» демонструвалася в 2009 році в Екатеринбургском філії Державного центру сучасного мистецтва. Виступає зі своїм проектом Acousmatist, також є учасником оркестру лептопів Термен-центру. Вів серію семінарів по використанню середовищ візуального програмування для музикантів в Термен-центрі московської консерваторії. Публікує статті з історії та естетики електронної музики. Співпрацює з арт-рухами LoLiEl і SoundArtist . Віктор Черненко онлайн: Soundcloud .

Музичне програмування - область малих вкладень і низьких вимог до якості. Існують дорогі проекти по роботі зі звуком, але їх замовляють і використовують військові, а для музикантів залишаються низькобюджетні творіння обдарованих програмістів з Індії, Бразилії та Росії. Такі проекти можуть бути підтримані хіба що на рівні університетів або збережених подекуди центрів експериментальної електронної музики типу IRCAM , CCRMA і московського Термен-центру, які самі по собі переживають не найкращі часи.

Концепція потоку даних. Альтернативою обчислювальних систем, побудованим на заздалегідь визначеному і незмінному алгоритмі, є концепція потоку даних (Dataflow). Таку обчислювальну машину найпростіше порівняти з радіоприймачем або телевізором. Якщо говорити про конструкцію, вона являє собою об'єднані в мережу елементи, які породжують і обробляють сигнали. Коли користувач натискає на умовну кнопку включення, в такий обчислювальної мережі встановлюється якийсь статичний режим або відбувається процес, який залежить від органів управління. Приймач передає ту чи іншу музику в залежності від того, частота якої станції задана на панелі управління. Вхідні параметри такої «обчислювальної машини» - частота радіостанції і гучність звуку, а результат - звуковий сигнал, переданий зі студії до вуха слухача.

Використання обчислювальних засобів з альтернативної архітектурою, можливо, дало б новий напрямок застосування математики в музиці, а можливо, змінило б всю музику.

За цим принципом побудовано багато популярні зараз мови програмування і середовища розробки інтерактивних додатків - наприклад, CSound , PD або Max / MS . CSound є найстарішою з таких систем. Більш сучасні візуальні засоби Max / MSP і PD використовують таку ж архітектуру, тільки «приховану» під графічною оболонкою. Об'єкти, що генерують і перетворюють сигнали (міді, аудіо та відео), можуть бути з'єднані для отримання ланцюга обробки.

Подібні візуальні модульні редактори зараз дуже популярні завдяки простоті роботи на початковому рівні і великій кількості бібліотек, що надають готові рішення типових аудіодізайнерскіх завдань. Парадокс таких систем в тому, що вони реалізовані на комп'ютерах, побудованих по алгоритмічної парадигмі. По суті, такі системи змушені переводити з однієї мови на іншу, витрачаючи на це чималі обчислювальні ресурси і робочий час програмістів.

Webern Uhr Werk : Музичний генератор на основі додекафонной серії Антона фон Веберна. Бібліотека для Max / MSP. Розробник - Карлхайнц Ессель (Karlheinz Essl), відомий програміст в області музичних програм, автор кількох популярних бібліотек для Max / MSP, орієнтованих на генеративну музику. Найвідоміша з них - RTC-lib .

Невдачі в реалізації архітектури Dataflow зумовили популярність біоконцепцій в програмуванні та розробці обчислювальних платформ. Обмеженість алгоритмічної моделі змушує вчених шукати вихід в моделюванні роботи «природних» обчислювальних машин: мозку і нервової системи живих істот.

Штучні нейронні мережі. Проблема реалізації діючої моделі мозку в тому, що до кінця не вивчені пристрій і принцип роботи мозку. Таким чином, штучні нейронні мережі копіюють тільки вивчену на даний момент частина «природного» нейронної системи.

Нейрони є осередки, здатні об'єднуватися в мережі, встановлювати між собою стійкі зв'язки, а також управляти якістю цих зв'язків. «Хороші» нейронні «шляху» стають «ширше», по ним швидше проводяться сигнали. Добрими вважають шляху, які покращують адаптацію організму до навколишнього середовища. Це традиційна, прийнята в науці концепція, заснована на теорії природного відбору Чарльза Дарвіна. Пристосовність мозку до навколишнього середовища збільшує шанси на виживання організму за рахунок кращої обробки вхідної інформації. Але, не дивлячись на практичне підтвердження теоретичних даних сама концепція не відповідає на головне питання - «Як людина мислить?».

Крім концептуальних проблем, є проблеми практичні. Мозок є самонавчальної машиною, а штучну нейронну мережу потрібно навчити, показати їй правильні, «вигідні» шляху формування зв'язків між елементами.

Фактично для музичних додатків це означає: перш ніж отримати від нейронної мережі, наприклад, зразки композицій в певному стилі, кваліфікований музикознавець або просто знавець музики повинен продемонструвати такого комп'ютера зразки музичних стилів. Більш того, він повинен точно вирішити для себе, що саме в музиці відповідає за стильову визначеність. Таким чином, крім нейронної мережі, доведеться створити і музичну теорію, а додатково - ще й базу даних для подальшого навчання штучного інтелекту.

Читайте також «Штучний інтелект: що це насправді?»

Генетичні алгоритми. Ще один клас алгоритмів, що потрапив в музику з біології транзитом через математику, - генетичні алгоритми. Геном в такому спрощеному розумінні представляється набором елементів; вектором, складеним з «генів». Кожному з «генів» або їх об'єднання приписуються деякі музичні значущості типу звуковисотного, гармонії, ритму і т. Д.

Процес «схрещування» полягає в отриманні комбінацій із заданих векторів, званих поколінням. Правила комбінації «генів», в результаті якої виходять нові послідовності (наступне покоління), залежать від постановки завдання і від фантазії автора. Використовуються по суті ті ж методи, що і в комбінаторних підходах серіальної музики: трансформації, перестановки і транспозиції. Фактично в даному методі можна розглядати геноми як серії - і звертатися з ними відповідно. Після отримання наступного покоління «геноми» переводяться або в ноти, або безпосередньо в звук (соніфіціруются).

В якості додаткового етапу можна додати відбір «геномів» для отримання наступних поколінь. Цю роботу можна порівняти з відбором «хороших» нейронних шляхів. Проблеми, що постають перед розробниками нейронних мереж, виникають і тут.

Самосборка молекулярних структур і концепція самовизначатися даних. Останньою за часом спробою ввести альтернативу алгоритмическому підходу є концепція самовизначатися даних. Дослідження в області альтернативних принципів побудови обчислювальної техніки призводять до розгляду феномена самозборки (Self-Assembly) молекулярних структур. В деякій мірі тут теж можлива біологічна аналогія. Дані планується не відокремлювати від інструкцій щодо їх обробці, а з'єднати в якусь подобу молекул ДНК, які «знають», що треба робити і з якими даними. Такі автономні агенти можуть виробляти і обробляти інформацію у взаємодії з іншими (такими ж) агентами. Можна уявити псевдоорганізми, складені з таких агентів. Результатом їх розвитку буде закінчене або відкрите музичний твір, вироблене в процесі «життя» самовизначатися даних.

Intermorphic Noatikl : Програма-спадкоємець системи Koan Generative Music, з якою працювали багато відомих музикантів, зокрема, Брайан Іно. Використовує генеративні і стохастичні алгоритми для породження МИДИ-повідомлень і потоку даних, керуючих різноманітними контролерами.

Часто застосування математики в музиці прирівнюють до поняття алгоритмічної музики. Незважаючи на очевидне перебільшення, історично це вірно. З іншого боку, алгоритмічна музика природно пов'язана з розвитком комп'ютерної техніки. Алгоритм - це набір заздалегідь заданих інструкцій для так званого універсального виконавця, тобто пристрою, який може розуміти певний набір команд і безумовно виконувати їх.

Хоча алгоритм можна виконувати і «на папері», на практиці цим ніхто не займається. Зазвичай в якості гіпотетичного виконавця розглядається машина Тьюринга - модель обчислювальної машини, що складається з нескінченної пам'яті, реалізованої у вигляді стрічки, в осередках якої знаходяться символи. У машину вбудована таблиця операцій, які можна виробляти з символом осередку, що прочитується в даний момент. Ця модель фактично описує основний принцип роботи сучасної обчислювальної техніки - поділ даних і операцій. Саме на таких принципах була заснована конструкція найперших комп'ютерів, реалізованих в «залізі».

Треба сказати, що з тих пір концепція архітектури обчислювальної техніки мало змінилася, незважаючи на зростання продуктивності і складності операцій. Не будемо заглиблюватися в тонкощі архітектури процесорів і принципів спільного і роздільного зберігання даних та інструкцій щодо їх обробці. Скажемо тільки, що основна концепція поділу на два потоки (даних і інструкцій) залишається незмінною з часів перших обчислювальних машин до наших днів.

Читайте також статтю Віктора Черненко «Матемузика 2: музика, біологія, мова, математика»

Фактично масова комп'ютерна техніка, яка використовується переважною більшістю музикантів, відрізняється від перших обчислювальних комплексів тільки розмірами, ціною і продуктивністю. Останнє, звичайно, важливо, але не варто забувати, що кошти «естетичного виробництва» багато в чому визначають спосіб і результат. Використання обчислювальних засобів з альтернативної архітектурою, можливо, дало б новий напрямок застосування математики в музиці, а можливо, змінило б всю музику.

Розробник софта для математичних обчислень Wolfram Research пропонує всім бажаючим спробувати себе в алгоритмічної композиції за допомогою online додатки Tones Wolfram . Засновник та ідейний натхненник компанії Стівен Вольфрам будує свій варіант генеративної музики на парадоксі: складний нетривіальний матеріал може бути отриманий дуже простими засобами або за допомогою комбінаторної роботи з обмеженим числом елементів.

Перше комп'ютерне музичний твір - «Illiac Suite for String Quartet» - датований 1956 роком. Створили його двоє піонерів застосування комп'ютерів в музиці - Лежар Хіллер і Леонард Айзексон (Leonard Isaacson). У цій сюїті використані майже всі головні концепти математизированной композиції: теорія ймовірностей, марковские ланцюга і генеративних граматика.

Американський композитор, теоретик музики, хімік. Співавтор перших значних творів в області алгоритмічної комп'ютерної музики.

Фрагмент комп'ютерної сюїти «Illiac Suite for String Quartet»

Американський композитор. Співавтор перших значних творів в області алгоритмічної комп'ютерної музики.

Основне обмеження алгоритму при написанні комп'ютерної музики полягає в неможливості обліку всіх можливих умов, а також в труднощі вибору між майже рівнозначними альтернативами (принцип буриданова осла). В останньому випадку композитор приймає рішення на рівні інтуїції, а машину треба якось підготувати до такого вибору, наприклад, ввести випадкові алгоритми. Проблема в тому, що, незважаючи на слово «випадкові», вони все одно залишаються алгоритмами. А отримати випадковість часом важче, ніж закономірність. До того ж складність алгорітмізірованія залежить від кількості врахованих параметрів. По-перше, це ускладнює програмування, роблячи його неможливим роботою для експериментує ентузіаста, а бажаючих вкладати гроші в такий проект, швидше за все, не знайдеться. По-друге, це знижує швидкість роботи програми. Виникає необхідність використовувати розподілені обчислення, а тут знову постає питання про формування команди та фінансування.

Автори першого комп'ютерного музичного твору «Illiac Suite for String Quartet» (1956 рік) Лежара Хіллер і Леонард Айзексон

У будь-якому випадку, проект втрачає статус експерименту і переходить в розряд прототипів комерційної системи з усіма перевагами і складнощами останніх. Творець-композитор змушений буде виділяти час на адміністративну діяльність. Чи готовий він до цього і чи є у нього такі здібності? Не кожен може складати музику, але також не кожен може займатися менеджментом проектів. Інші проблеми - відсутність інфраструктури для такого роду діяльності в Росії, а також відсутність інтересу до сістемотворчеству в області музики в глобальному масштабі.

Фінський композитор Вілле-Матіас Хейккі працює в напрямку, близькому до підходу Стівена Вольфрама: музику виробляє його програма довжиною в один рядок коду (пояснення принципів роботи і online додаток для тих, хто хоче спробувати сам )

Абстрактної називається непрікладная музика, яка не належить якогось певного стилю. Ця музика є (або прагне бути) втіленням апріорних принципів: естетичних, логічних, запозичених з математики. Абстрактна музика спрямована не на емоційну реакцію слухачів - вона апелює до їх раціоналізму, логічного мислення.

Стиль, навпаки, можна розглядати як сукупність помилок, навмисних або випадково закріплених в рамках конвенції між музикантом і слухачем. Помилки, практично неминучі в творчості, руйнують раціональну антіемоціональность чистої музики, зменшують дистанцію між професіоналом-композитором і його аудиторією. Порушення конвенциональности, відступу від абстрактної музики роблять можливим емоційний, безпосередній відгук, пробуджують інтуїцію, включають чуттєве сприйняття музики.

Основна проблема розробки додатків для генерації музики - вловити, в яких саме відступах від логічної схеми полягає специфіка даного стилю. У певному сенсі софт для генерації абстрактної музики створити простіше, ніж достатньо розвинену програму для породження стилістично певної музики. Практично всі працюючі зразки не перевищують за якістю породжується матеріалу схематичний шаблонний автоаккомпанемент. Одним з небагатьох винятків є проект програміста і композитора Олексія Архипенко.

Проект музиканта і програміста Олексія Архипенко «Rhaos» : Велика колекція всіляких методів алгоритмічного написання музики. Від постмодерністського коллажирования Cmix до генератора абстрактної музики Quartet Generator

Виникає ряд питань. Наскільки можливо безпосереднє відображення математики в простір музики? Чи є додаткові обмеження для зіставлення математичних методів і прийомів композиції?

Формально музика, будучи в дуже великій мірі автореферентності мистецтвом (тобто зверненим в більшій мірі на себе і свою мову, ніж на відображення дійсності і трансляцію знань і ідеології), не знає ніяких обмежень в застосуванні концепцій, хоч би далекими вони не були від звичної класичної музики.

Слід, однак, пам'ятати про два моменти. По-перше, музика як звучить мистецтво має враховувати фізику звуку і фізіологію сприйняття людини. Органи почуттів мають обмеження по діапазону, певну роздільну здатність. Людське сприйняття нелінійно, що потрібно враховувати в будь-якому методі композиції, а не тільки в застосуванні математичних моделей. По-друге, застосування математики в музиці в основному сконцентровано в експериментальних стилях. Музиканти, які працюють в традиційних формах і стилях, що несуть соціальне і / або емоційний зміст, зазвичай вкрай насторожено ставляться навіть до самої можливості використання таких концепцій. Математичні методи використовуються в популярній і класичній музиці, але вони пройшли довгий історичний відбір.

Художники часто побоюються теоретичного осмислення и формалізації методів свого мистецтва. Побоювання ЦІ, часто перебільшені, все ж не є безпідставнімі. Попередньою умовою створення теорії є аналіз - розкладання «живих» об'єктів на складові.

Розробники комп'ютерних систем композиції стикаються з безліччю невирішених проблем музикознавства.Моделювання процесу композиції треба починати з питання: з чим порівняти музичний твір?З промовою, текстом, фантазією, живим організмом, мисленням, соціальними структурами?

Матемузика: експеримент і / або естетика? Наведені приклади математичних концепцій показують, наскільки модель грубіше оригіналу, першоджерела. Однак мистецтво багато в чому складається з елементарних операцій з обмеженим набором даних, в результаті чого виходить нескінченна різноманітність, яка несе крім експериментального сенсу ще й естетичний.

Різні «типи» музичних фактів (тембріка, мелодика, ритміка, гармонія та інші) впливають один на одного, взаємопов'язані всередині системи музичного твору. Ці факти можна розділити на кілька взаємообумовлених рівнів: від звуку як фізичного коливання, що здобуває естетичну якість, через мотив - до загальної форми музичного твору або навіть декількох творів. Об'єднання, що складається з рівнів, є структурою. Дослідженню структур, в основному в соціальних відносинах і мовою, присвячені структуралістські і постструктуралістского методики. На жаль, їх застосування в російському музикознавстві досі обмежено з ідеологічних і соціокультурних причин.

Структура означає високу внутрішню зв'язність елементів музичної тканини. При проектуванні музичних алгоритмів необхідно вирішити: елементи музичного твору буде породжувати один алгоритм (штучний інтелект) або кілька незалежних «генераторів»? Чи будуть вони корелювати свою роботу, або ритміка стане розвиватися окремо від тембру і гармонії? Чи може така музика стати естетичним подією - або тільки чистим експериментом?

Основна проблема, що постає перед розробниками комп'ютерних систем композиції, полягає в тому, як змоделювати взаємовплив всіх рівнів і типів елементів музичного твору. Це пояснюється великим числом невирішених проблем музикознавства. Фактично моделювання процесу композиції треба починати з питання: з чим порівняти музичний твір? Яка аналогія більш продуктивна: з промовою, текстом, фантазією, живим організмом, мисленням, соціальними структурами?

Асистуючі системи для композиторів. Математизація музики, крім чисто експериментальних аспектів ( «Давайте просто перенесемо математику в музику і подивимося, що вийде») ставить завдання аналітичні ( «Як влаштований звукоряд? Чи дасть його числове уявлення додаткові відомості?»).

Існує і таке завдання як побудова експертних систем для аналізу великих масивів звукової інформації. Подібним чином лінгвісти використовують зборів текстів (корпуси мов) з можливістю пошуку по ним. Ще одним з можливих способів застосування математики в музиці є створення асистують систем для композиторів: від простих довідників-підказок аудіопрімеров або примітивних систем автоаккомпанемента до розвинених систем генерації елементів музичної тканини за допомогою настроюваних алгоритмів. При проектуванні математизованих музичних систем необхідно визначити, що потрібно композитору від штучного інтелекту: породження великого масиву музики з наперед визначеним якістю або отримання нової якості? Іншими словами, виробництво відомого або винахід нового?

Західна університетська модель включає в освітній процес для студентів усіх спеціальностей вивчення літератури і філософії як сховищ розумових моделей і прикладів застосування різних евристичних підходів до вирішення строго формалізованих задач.Подібну роль може грати і музика, особливо, якщо не буде ігнорувати математичні концепції.

Вивчення фізіології слуху і психоакустики. Буквальне перенесення в музику математичних ідей без урахування фізіології і психології сприйняття породжує лише подив від отриманих результатів. Навіть доброзичливо налаштовані по відношенню до експериментальної музики експерти відзначають естетичну непереконливість таких прямих підходів. Композиторам, які збираються використовувати математичні методи в своїй роботі, необхідно вивчення фізіології слуху і психоакустики. Знання фундаментальних властивостей людського сприйняття (таких як принцип нелінійності і ін.) Зробить застосування математичних концепцій природною частиною творчості, а не чимось чужорідним, випадково попалися художнику в період творчої кризи.

Читайте також «Музика майбутнього: 7 винаходів Юрі Сузукі»

Проблеми сучасного музичного освіти. Проблема з отриманням сучасної освіти в галузі музики, неминуче включає в себе знання про математику і фізику, полягає, перш за все, у відсутності попиту на таких фахівців. Обмежено число проектів, в яких потрібне знання некласичних методів твори або технологічного боку сучасної музики (наприклад, інтерактивних інсталяцій).

Експериментальна музика у всьому світі є зборами проектів, що реалізуються ентузіастами. Часто це любителі, але майже завжди з солідною технічною підготовкою і широкими знаннями софта і техніки. Такі проекти мають абсолютно різний бюджет. Топові залучають стороннє фінансування, що неможливо зробити без відповідних арт-інституцій.

Нову продуктивну ідею, пов'язану з математикою в музиці, передбачається втілювати з використанням спеціального «заліза» і програм. Де композитору взяти кошти (гроші, консультаційну допомогу, час, приміщення, музикантів, програмістів) для реалізації своїх концепцій? Допоможе у вирішенні цієї проблеми організація середовища для взаємодії артистів і вчених всіх напрямків, суміщеної з «біржею праці» для музичних фрілансерів. Подібну функцію могли б взяти на себе центри з вивчення сучасної експериментальної музики при державних університетах ( Термен-центр при Московській консерваторії) або недержавні освітні ініціативи (Школа фотографії та мультимедіа імені Олександра Родченко) . Однак до сих пір в Росії вивченням експериментальної електронної музики повноцінно не займається жодна інституція.

Алгоритмічний генератор танцювальної музики, створений програмістом Джонатаном ван Атомом під час навчання в Berklee College of Music. Відео містить пояснення принципів роботи паралельно з демонстрацією можливостей програми.

Все сказане вище наводить на думку: запозичення і вплив здійснюється тільки в одному напрямку - від точних наук до музики. Зворотний рух концептів якщо і існує, то ніким не вивчається. Втім, більш вірогідною, незважаючи на можливі заперечення з боку математиків, представляється картина конвергенції (сходження, зближення). Наприклад, ідеї централізованого джерела всяким знанням, і влади надихали як аксіоматичну теорію в математиці, так і функціональну гармонію, висуває ідею наскрізного підпорядкування всіх елементів тонік. При цьому тоніка трактувалася як початок і кінець всього в музичному творі.

В продовження аналогії можна згадати, що найвідомішим запереченням проти ідеї всесильність дедукції як основного інструменту математики стала одна з теорем Курта Геделя. У вільному викладі вона каже, що в системі, утвореної повинні суперечити одна одній аксіомами, є твердження, яке не можна ні довести, ні спростувати строгим логічним висновком з аксіом цієї системи. Схожим ефектом можна вважати падіння тональної музики, в якому взяли участь, як здається, всі музичні напрями від пізнього романтизму в особі Густава Малера і Ріхарда Штрауса до нововіденців і їх опонента Ігоря Стравінського.

Якщо не брати твердження про математиці як несуперечливому втіленні абсолютного розуму, перспектива співпраці гуманітарної і «точною» областей знання і життєдіяльності виглядає цілком продуктивно. Швидше за все, жоден математик чи інженер не буде заперечувати величезного значення творчої інтуїції в науковій роботі. Підсвідоме застосування різноманітних розумових моделей - а це і є інтуїція - передбачає засвоєння цих моделей, прийняття різноманітних форм і методів пізнання і творчості.

Західна університетська модель включає в освітній процес для студентів усіх спеціальностей вивчення літератури і філософії як сховищ розумових моделей і прикладів застосування різних евристичних підходів до вирішення строго формалізованих задач. Подібну роль може грати і музика, особливо, якщо не буде ігнорувати математичні концепції.

Читайте також статтю Віктора Черненко «Як писати музику за допомогою математики?»