Séance en petits groupes n° 1
Dimanche 14 juillet 2019
9h00 à 10h45
Taxonomies 1 (salle Stravinsky)
Intelligence artificielle (Studio 5)
Taxonomies de l'analyse de l'orchestration (Bouliane/McAdams) [salle Stravinsky].
L'orchestration peut être étudiée ou pratiquée sous différents angles. Une des idées importantes du projet ACTOR est de développer des perspectives d'analyse et d'étude cohérentes et organisées qui, combinées ensemble, peuvent contribuer à une meilleure compréhension de l'orchestration en général, des méthodes spécifiques utilisées et des phénomènes perçus en particulier. Nous présenterons une structure commune pour les annotations comme une méthode d'investigation efficace pour favoriser l'analyse, la discussion, le partage et la diffusion des connaissances sur l'orchestration. Plusieurs axes d'analyse ont été proposés qui peuvent chacun contribuer à une meilleure compréhension globale de l'orchestration et qui pourraient être développés plus ou moins simultanément. Deux axes spécifiques seront présentés en détail. Les effets orchestraux liés au regroupement auditif constituent une taxonomie de la perception. Cela classifie et démontre les conséquences psychoacoustiques/acoustiques de l'orchestration sur la base des processus de regroupement auditif simultané, séquentiel et segmentaire : comment nous regroupons l'information acoustique en «événements», connectons perceptuellement les événements successifs en flux, textures ou strates, et segmentons hiérarchiquement les structures séquentielles en unités de plus petite et plus grande envergure. Les techniques d'orchestration issues de la pratique compositionnelle et pédagogique forment une taxonomie des actions compositionnelles. Elles constituent une liste exhaustive des techniques réelles qu'un.e orchestrateur.rice pourrait utiliser ou a utilisées.
Intelligence artificielle et modèles génératifs (Esling) [Studio 5].
L'objectif de ce groupe de travail est de discuter de l'incroyable richesse de la recherche actuelle en matière d'intelligence artificielle et d'apprentissage automatique, et de la manière dont elle peut être efficacement exploitée dans le contexte de l'orchestration musicale. Le cadre principal qui sera discuté tourne autour des modèles génératifs, car des travaux récents à l'IRCAM ont produit un apprentissage variationnel profond avec des approches multivariées, multimodales et multi-échelles, afin de relier les informations symboliques, signalétiques et perceptuelles des processus créatifs dans un espace d'information commun. Ces modèles devraient être développés à travers l'analyse de l'orchestration musicale, qui se situe à l'intersection entre le symbole (partition), le signal (enregistrement) et les représentations perceptuelles. De plus, comme la recherche actuelle se concentre sur la génération d'un seul contenu, l'étude des interactions entre les différents éléments générés ainsi que leurs différentes échelles de temps représente le prochain défi incontournable des modèles génératifs. Par conséquent, le groupe de travail se consacrera à ouvrir de nouvelles voies et à concevoir de nouveaux outils pour l'IA appliquée à l'orchestration, tout en essayant de clarifier comment cela peut se concrétiser et être mis en œuvre avec succès dans des projets de collaboration pragmatiques dans un avenir proche.