SADE-Música: Um Sistema de Apoio à Descoberta em Análise Musical
Luciênio de Macêdo Teixeira1
Edilson Ferneda2
Carlos Alan Peres da Silva3
Download da versão .pdf deste texto 1. Introdução
O objetivo geral deste trabalho é a especificação de uma máquina Agente Racional cujas formas de funcionamento dão ao usuário a impressão de raciocinar.
Um Agente Racional é um sistema inteligente autônomo, capaz de raciocínios do senso comum como os que se exerce na vida cotidiana e que fazem intervir intenções, crenças e conhecimentos incompletos e errôneos.
Esse projeto se caracteriza principalmente por sua interdisciplinaridade. Ele deve fazer uso de competências em domínios tão variados como a Informática, a Música, a Psicologia, a Didática, …, todas essas especialidades se reagrupando para este projeto em torno de um tema federalizador que são as Ciências Cognitivas.
Em Inteligência Artificial, este trabalho se situa no domínio de confluência da Aquisição de Conhecimento e da Aprendizagem Automática.
Segundo a definição proposta em [2]:
O domínio da aquisição de conhecimentos para os Sistemas Baseados em Conhecimentos (SBC) se caracteriza pela identificação e agenciamento dos processos necessários para a elaboração (concepção, avaliação e evolução) de um SBC a partir de fontes heterogêneas de conhecimento (documentados, humanos e experimentais). O resultado esperado desse enfoque é fornecer ao futuro sistema os conhecimentos que estarão na base de suas competências. O "maestro" da aquisição dos conhecimentos é o engenheiro do conhecimento: ele orquestra a intervenção de diferentes processos, atores e agentes.
A Aprendizagem Automática estuda o conjunto de mecanismos que intervêem para dar a uma máquina a faculdade de construir conhecimentos. A fonte desses conhecimentos pode ser a análise de dados, conhecimentos fornecidos, críticas de resultados, … Vários trabalhos mostram a necessidade de associar aprendizagem automática e aquisição de conhecimentos modelando o controle da aprendizagem [4].
Mesmo se essas ferramentas são performantes, um especialista se encontra sempre desmunido para examinar conhecimentos adquiridos pela máquina: um volume demasiado grande de informações, falta de ferramentas que permitam uma crítica das escolhas efetuadas, em particular da linguagem de descrição (portanto implicitamente da ferramenta de aprendizagem) e da amostra de exemplos selecionados.
Um Sistema de Apoio à Descoberta é, antes de mais nada, um sistema de aquisição de conhecimento. Ele verifica princípios, tais como: a fase de obtenção de dados, a abstração a partir de dados dentro de um modelo conceitual, a particularização deste último [35]. Reencontra-se também a distinção entre conhecimentos profundos, aqueles que se justificam teoricamente e que se comunicam nos escritos científicos, e os conhecimentos situacionais, aqueles geralmente chamados especialistas ou empíricos, que intervêem na implementação dos conhecimentos especialistas e para os quais é desejada a evolução.
Um Sistema de Apoio à Descoberta tem por função assistir a produção de conhecimentos tirando partido ao mesmo tempo do conhecimento teórico sobre o domínio e de um conjunto de dados incompletos e errôneos [31]. Em aquisição de conhecimento, o processo da descoberta tem por objetivo associar essas duas formas de conhecimento pois ele trata das formulações dos conhecimentos capazes de progressão e de revisão.
Neste trabalho a descoberta é vista como provocada pelo exame e revisão de um processo de modelagem no qual intervêem modelos teóricos e dados experimentais. Durante o processo de modelagem, a descoberta é vista como aquilo que não é ainda, em um instante determinado, apreendido pela modelagem em curso.
Um primeiro esforço de conceituação de um aprendiz-máquina (agente artificial) gerou a elaboração de um plano conceitual: as Teorias Semi-Empíricas (TSE) [29,30]. Trata-se de estabelecer os conceitos elementares que permitam construir o conhecimento de um aprendiz e estudar a evolução desses conhecimentos. Entretanto, esse modelo, focalizando-se sobre as estruturas e mecanismos de um aprendiz, negligencia um aspecto fundamental da aprendizagem: o ambiente de interação do aprendiz com o mundo externo. Para completar esse plano conceitual, um ambiente de aprendizagem foi proposto assim como a descrição de um protocolo. Em [14], mostrou-se como o casamento desse protocolo com o plano conceitual das TSE se concretiza.
Sendo conhecidas as restrições de modelagem de um aprendiz, os conceitos que ele formula sob a forma de conhecimentos são geralmente errôneos. Um agente humano deve ser capaz de determinar contra-exemplos que embarassem o aprendiz. Pode-se assim tentar provocar uma revisão do conhecimento do aprendiz; o aprendiz não tem por objetivo produzir um conhecimento exato, mas um conhecimento argumentável que possa ser corrigido através de um protocolo de diálogo.
O objetivo de um Sistema de Apoio à Descoberta em Análise Musical é a análise de aspectos pertinentes à horizontalidade (fraseados, motivos, escalas, ...) e verticalidade (estruturas harmônicas, colorido instrumental, ...) da música. Uma aplicação imediata seria o estudo comparativo entre obras de um mesmo compositor ou entre obras de compositores diferentes.
2. Agentes racionais
Apesar das tentativas de definir aquilo que é chamado inteligência, não existe ainda um consenso na comunidade científica. Existem entretanto seres que possuem comportamentos que, por convenção, são tidos como inteligentes. Esses seres serão chamados Agentes.
As pesquisas para a conceituação e concepção de sistemas (ou agentes) artificiais capazes de exibir um comportamento dito inteligente devem portanto, forçosamente, considerar vários princípios que subentendem este comportamento. Entre essas noções, será aqui considerada a de racionalidade [12,23]. Mais específico que a inteligência, a noção de racionalidade é ligada ao tratamento de uma classe de problemas bem delineada.
Chama-se Agentes Racionais os sistemas (humanos ou artificiais) capazes de produzir e controlar seus próprios conhecimentos em um certo domínio. Para ter essas características, um tal sistema deve dispor de funcionalidades para classes de tarefas como decidir, classificar, diagnosticar, predizer, simular, restringir, conceber ou planificar.
J.-P. Müller [22] motra a possibilidade de construir-se sistemas que:
- são capazes de interpretar estruturas simbólicas,
- são conscientes de suas limitações,
- agem de acordo lógico com crenças e
- são capazes de adaptar suas ações em relação à mudança de seus conhecimentos,e, assim, são também capazes de fazer evoluir suas representações do mundo exterior e de melhor interagirem com esse mundo. Essa capacidade de construir e fazer evoluir suas representações do mundo pode ser assimilada à aptidão de aprender de um agente.
Apresentaremos a seguir a descrição do comportamento de um agente-aprendiz (ou simplesmente aprendiz) cujo conhecimento seja o resultado da comunicação com outros agentes. Esse agente constrói e controla a evolução de seus conhecimentos. Ele possui mecanismos de raciocínio como os das Teorias Semi-Empíricas e seu ambiente de aprendizagem é o de MOSCA [27], explicitados na sequência deste trabalho.
3. As Teorias Semi-Empíricas
As Teorias Semi-Empíricas [29,30] são uma conceituação do conhecimento independente da linguagem. Elas definem como o conhecimento é formulado, é experimentado e é difundido.
Fig. 1: Termos que intervêem na formalização e na evolução do conhecimento pelas TSE.
A Fig. 1 exprime uma taxonomia dos termos empregados para exprimir o conhecimento nas TSE. Essa taxonomia é baseada no trabalho de T. Addis [1], que retoma o modelo de conhecimento de C. S. Pierce [26]. Ela inclui:
- dados que representam o conhecimento;
- mecanismos para criar os dados (abdução), organizar os dados (indução) e propagar as restrições (dedução);
- métodos ligados às interações com um agente externo que terá um papel de crítica ou de proposição. Eles examinam a pertinência de expressão que é ser um lema, ser uma objeção, ser uma prova, ser uma conjectura, …As teorias formais de aprendizagem [8] definem um ambiente de aprendizagem mínimo composto de um aprendiz que se comunica com um oráculo. Posicionando-se em um plano de resolução de problemas, o protocolo que rege o diálogo entre esses dois atores se resume da seguinte forma: o oráculo envia ao aprendiz problemas já resolvidos; assim que este último os recebe, ele os memoriza para formar o que se costuma chamar uma amostra. Dispondo de uma amostra, o aprendiz procura, no espaço de hipóteses, uma melhor hipótese que mantenha com a amostra uma certa relação de adequação. Esta situação se modelisa introduzindo-se um critério (dito de aprendizagem) que define o que é uma melhor hipótese com relação a uma amostra. A hipótese retida é chamada hipótese aprendida. O espaço das hipóteses de um aprendiz representa o conjunto de todos os conhecimentos que ele pode adquirir. Em um certo instante, seu conhecimento é definido por um ponto nesse espaço: a hipótese aprendida. Os dados de um problema de aprendizagem se resumem então em:
- uma amostra de problemas resolvidos;
- um espaço de hipóteses;
- um critério de aprendizagem (adequação hipótese-amostra);
- uma estratégia de percurso do espaço de hipóteses.Serão relembrados agora os principais resultados de "aprenabilidade" (complexidade algorítmica da procura de uma hipótese, em função do tamanho da amostra e do tamanho do espaço das hipóteses, assim como da forma das hipóteses):
- no caso geral, a procura de uma boa hipótese aprendida é um problema difícil e complexo (NP-completo)
- em casos específicos (quando a forma das hipóteses é do tipo conjunção de descritores binários- CNF, disjunção de conjunções com até k descritores - k-DNF, ou lista de decisões - DL), a complexidade da procura é razoável (polinomial).Porém, nesses casos razoáveis, a introdução de ruído na amostra faz com que esta procura recupere sua dificuldade. Esse ruído abrange dois aspectos: ou a descrição de um problema resolvido é errônea (erro de descrição) ou a linguagem utilizada para descrever os problemas resolvidos não é suficientemente fina para discriminar os enunciados de dois problemas distintos admitindo soluções distintas (omissão de informações); assim, o aprendiz os percebe como um mesmo problema (pois têm enunciados idênticos) admitindo duas soluções diferentes, donde o ruído. Acontece que, na maioria dos casos reais, existe sempre ruído, em particular do segundo tipo (não há nunca a certeza que uma linguagem de descrição seja suficiente para discriminar os enunciados de duas observações diferentes).
Na prática, esse ambiente mínimo de aprendizagem automática é assim concretizado: a máquina interpreta o papel de aprendiz e o especialista o de oráculo. No entanto, esse último papel não é o único associado ao especialista: este, fazendo as escolhas de representação, fixa o tipo de aprendiz que ele julga adaptado ao seu problema. Ora, fixar o tipo de um aprendiz é determinar o espaço de hipóteses no qual o aprendiz irá operar. Assim, todas as escolhas cruciais estão ao encargo do especialista: plano teórico subjacente para apreender um problema (tipo de aprendiz, portanto a forma das hipóteses, da amostra, dos problemas a serem resolvidos) e seleção de exemplos (oráculo). No seu papel de oráculo, o especialista dispõe de um primeiro meio de pressão sobre o aprendiz para lhe impor um conhecimento.
Após ter recebido uma primeira amostra e construído sua hipótese aprendida, o aprendiz está pronto para resolver problemas propostos pelo especialista. Ou seja, de um modo de aprendizagem do conhecimento, passa-se a um modo de exploração desse conhecimento. O simples exame de uma solução produzida pelo aprendiz (ou mesmo várias) não permite julgar a hipótese aprendida. No entanto, está-se em uma situação de descoberta. Portanto, o especialista não sabe caracterizar com certeza a boa hipótese a reter. Além disso, é raro que essa hipótese aprendida seja diretamente explorável pelo especialista, geralmente devido a sua demasiada complexidade ou a dificuldades de interpretação. É por isso que se introduziu no aprendiz um mecanismo de argumentação: à pedido do especialista, o aprendiz argumentará seus resultados. Uma vez que a argumentação é construída para ser explorada pelo especialista, este julgará indiretamente a justeza da hipótese aprendida confrontando o aprendiz com problemas, depois analisando as argumentações geradas por este último. Criticando uma argumentação, o especialista dispõe de um outro meio de pressão sobre o aprendiz para lhe fazer revisar sua hipótese aprendida. A importância dos mecanismos de argumentação é reconhecida em vários trabalhos [7,16].
Nessa apresentação informal do protocolo MOSCA4, destaca-se essencialmente cinco papéis distintos:
- o aprendiz, que dispões de uma hipótese aprendida tendo uma relação de adequação com uma amostra;
- o oráculo, que produz problemas resolvidos cuja solução não é refutável;
- o cliente, que submete ao aprendiz problemas e espera soluções;
- a sonda, que, como um oráculo, produz problemas resolvidos mas cujas soluções são refutáveis. Seu objetivo é simplesmente obrigar o aprendiz a argumentar;
- o mestre, que analisa a argumentação do aprendiz e o critica.O ambiente de aprendizagem é resumido no esquema da Fig. 2.
Fig. 2: Protocolo do ambiente de aprendizagem MOSCA num plano de resolução de problemasAs especificações informais do protocolo são as seguintes:
O aprendiz solicita ao oráculo um conjunto de problemas resolvidos. Esses problemas são memorizados pelo aprendiz, seguindo um modo a ser definido (com ou sem esquecimento) e formam a amostra de aprendizagem. Toda transformação da amostra conduz o aprendiz a rever sua hipótese aprendida. Essa hipótese é extraída de um espaço de hipóteses e satisfaz um critério dito de aprendizagem. Na prática, uma hipótese aprendida é capaz de encontrar as soluções dos problemas presentes na amostra.
O aprendiz pode solicitar o oráculo para receber um (ou vários) problemas resolvidos. Esse pedido se reduz a um simples sinal quando a escolha do problema a ser apresentado é deixado ao livre arbítrio do oráculo (aleatório, tiragem segundo um plano predeterminado de ensino, ...) ou compreende o enunciado de um problema ao qual o aprendiz deseja a solução. É claro, é desejável que essa última forma de consulta seja de uso restrito (senão o aprendiz se contenta em interrogar o oráculo e não aprende nada).
Um mínimo de funcionalidades esperadas do aprendiz já aparecem:
- juntar um problema resolvido em sua amostra;
- procurar uma hipótese adequada em relação à amostra;
- explorar sua hipótese para resolver problemas.Da mesma forma, o aprendiz recebe problemas resolvidos de um outro ator, a sonda. No entanto, as soluções que ela propõe podem ser errôneas. O aprendiz compara sua solução com a solução proposta e argumenta sua resolução ao mestre. Distinguem-se duas formas de argumentação: a explicação, caso as soluções coincidam, e a objeção, no caso de soluções diferentes. Será chamada argumentadora a função do aprendiz que constroi um argumento. Essa função é dependente da hipótese aprendida. Assim, toda transformação dessa hipótese pode conduzir a uma revisão da argumentadora.
Para cada argumentação produzida, o aprendiz recebe em resposta uma crítica do mestre. As argumentações criticadas são memorizadas e formam o argumentário do aprendiz. Toda crítica negativa obriga o aprendiz a apresentar uma outra argumentação, quando isso é possível. Quando nenhuma argumentação é possível ou o aprendiz enfraquece a hipótese aprendida excluindo o problema não argumentável, ou ele formula uma consulta ao oráculo, donde uma revisão de sua hipótese aprendida, por conseguinte de seu modo de argumentação. Esses mecanismos serão retomados na próxima seção.
Procurou-se exprimir o problema da determinação de uma função argumentadora na mesma forma que um problema de aprendizagem de uma hipótese aprendida: a função argumentadora resulta de uma procura num espaço de funções argumentadoras restringida por um critério que define a adequação de uma função argumentadora com um argumentário e uma hipótese aprendida. Ou seja, um argumentário é para o mestre aquilo que a amostra é para o oráculo, e a função argumentadora é para o argumentário aquilo que a hipótese aprendida é para a amostra.
O mestre controla a produção dos problemas resolvidos da sonda através de consultas; como antes, esta consulta toma a forma de um simples sinal ou contém o enunciado do problema a ser submetido.
Assim que o aprendiz enfraquece sua hipótese aprendida, isto é se calar sobre certos problemas, o mestre dispõe de um meio para forçar o aprendiz a reconsiderar sua hipótese aprendida: o envio ao oráculo de um pedido de produção de problemas resolvidos (sempre com as mesmas formas de pedido: sinal ou problema a ser resolvido).
Um cliente submete um problema ao aprendiz e espera dele uma solução. A argumentação da resolução é deixada por conta do aprendiz (função do tipo de aprendiz: justificar toda solução produzida, só justificar certas soluções a definir, etc).
5. Harmonia: uma visão contextual
O estudo da teoria musical, é similar ao estudo de qualquer linguagem, pois analogamente nos debatemos com aspectos de vocabulário, gramaticais, sintaxe e de retórica de gramática. Para tal, é necessário termos uma visão histórica que contempla os principais problemas da música em determinada época [18].
Fica bem claro que, um aluno de Harmonia que estude utilizando somente baixos e melodias dadas, com raras exceções, terminará se tornando apenas um hábil condutor de vozes, conseqüentemente, incapaz de compor uma obra musical que possua uma estrutura harmônica lógica e coerente [33]. É evidente que este tipo de abordagem nada esclarece com relação à Estruturação Tonal, real objetivo do estudo harmônico, bem como nas suas relações dinâmicas entre os acordes.
Um exemplo bem simples, é a questão de consonância e dissonância. Estas definições, não são pura e simplesmente, uma rotulação "abstrata" para definir sons agradáveis ou desagradáveis; não possuem unicamente relações físico-matemática intrínsecas. Mesmo as correntes que defendem a relação desses conceitos com a distância entres os graus na sucessão dos harmônicos, concordam que, na realidade, o ouvido é quem amplia ou não, as fronteiras de tais rótulos. O que em uma determinada época era ouvido como um intervalo dissonante, na época seguinte passa a ser assimilado pelo ouvido, tornando "suave" o que era, até então considerado "áspero" [17].
Isto torna bem claro que estes conceitos são relativos e que o correto é buscar saber como tal intervalo era considerado em um determinado período. Na Fig. 1 podemos visualizar as maneiras com as quais os compositores iam acostumando o ouvido às "dissonâncias".
Inicialmente a nota dissonante aparecia no acorde anterior como consonante, era mantida na mesma altura e voz no acorde posterior, seguindo e resolvendo em um acorde consonante (Fig. 3a) .
Com o uso seguido o ouvido já começa a se acostumar com o novo acorde, permitindo o uso do mesmo sem preparação (Fig. 3b), pois já não existe um desconforto auditivo com a mesma intensidade anterior. O passo seguinte é a não necessidade de preparação e nem de uma resolução consonante (Fig. 3c).
Este tipo de estudo permite ao aluno não só conduzir as vozes mas, dentro de um contexto histórico, determinar, não apenas qual a época, como também classificar as dissonâncias como tais ou como dissonâncias em transição [17].
Fig. 3: Exemplo de tratamento para as dissonânciasUm outro ponto que deve ser levado em consideração, além da parte formal (regras), diz respeito às questões Estéticas e de Percepção de forma a capacitar o aprendiz (máquina) para o reconhecimento, análise e construção de exemplos. A Estética leva em consideração a construção de uma estrutura harmônica lógica e coerente [33,15]. Evidentemente tal questão é formalizada através das regras, ficando as exceções por conta das quebras de estilo e forma próprias da criação. A Percepção, como já foi comentado acima, contribui de maneira muito sutil na aceitação de determinadas sonoridades.
Quando falamos em aprendizagem, consideramos a existência de dois agentes: um aprendiz e um professor. Nesse processo de aprendizagem consideramos o papel do aprendiz como sendo desempenhado ora por uma máquina, ora por um humano, devendo os dois agentes interagirem e cooperarem no sentido de: (i) captar e processar informações; (ii) organizar dados; (iii) apreender e relacionar conceitos; (iv) perceber e resolver problemas; (v) criar conceitos e soluções [21]. Esta visão privilegia o aspecto cognitivo do ser humano e esta abordagem será considerada como ideal para o ambiente de aprendizagem que propomos.
No ambiente aqui proposto, o papel de professor será desempenhado por um humano (especialista) e o aprendiz será representado pela máquina. O processo possui duas partes distintas: (i) a fase de aquisição de conhecimento da máquina, com a presença de especialistas no domínio de conhecimento e em pedagogia, e (ii) a fase de transmissão de conhecimentos. Neste trabalho, vamos nos limitar à primeira fase. A segunda fase depende fortemente da primeira, e será o momento em que a máquina passa a desempenhar o papel de professor (ambiente tutorial).
Em nosso domínio de conhecimento, a Harmonia, propomos uma abordagem que tem por objetivo não o tratamento apriorístico (mais comumente apresentada nas salas de aula), como se a mesma fosse uma linguagem universal, mas uma concepção da Harmonia como fenômeno cultural [17], onde cada período da história da música ocidental é determinado por uma prática harmônica própria com suas características específicas. Nesta abordagem, incluímos as regras propriamente ditas da Harmonia e, posteriormente, os conceitos estéticos intimamente relacionado com a ampliação do campo auditivo percebido pelo ser humano [15].
Para tanto, faz-se necessário que a máquina possua um mínimo de conhecimento (estruturado e bem representado), que evolua a partir de novas informações ou através de críticas e que seja adequado para o reconhecimento de diversos contextos do domínio. A aprendizagem da máquina ocorre através do fornecimento de exemplos e de explanações, dentro de um processo dialógico.
Após apresentar brevemente o domínio de conhecimento, mostraremos como a proposta de construção de conhecimento de acordo com um diálogo entre os agentes envolvidos no processo de ensino/aprendizagem é adequada ao domínio da Harmonia. Esse diálogo é estruturado dentro do protocolo de aprendizagem denominado MOSCA [27], o qual considera um esquema de negociação no diálogo. [3,5,6]
Como vimos, é necessário uma especificação precisa para cada agente do MOSCA e os papeis que eles desempenham. O núcleo de tudo está no Aprendiz, aqui representado pela máquina que nos fornecerá respostas baseadas no seu conhecimento atual. Estas respostas, em nosso domínio, podem ser tanto uma análise como uma construção harmônica. Ilustraremos agora um diálogo típico entre a máquina e o especialista.
Ao se defrontar com um problema enviado pelo Cliente, o Aprendiz buscará encontrar uma solução. Nessa busca, o Aprendiz negociará com o Mestre uma solução aceitável. Essa negociação envolve um processo de diálogo envolvendo argumentações partidas do Aprendiz para o Mestre e as críticas no sentido contrário. Os papéis de Oráculo e de Sonda representam o conhecimento de apoio ao Mestre no desempenho da sua interação com o Aprendiz. Como resultado teremos uma solução válida em relação ao Oráculo e relevante em relação ao Mestre. Essa solução é então encaminhada ao Cliente.
Partindo agora do pressuposto que o domínio de conhecimento do Aprendiz é a Harmonia Tradicional, apresentaremos um problema que, embora simples, é representativo deste domínio: um encadeamento para ser identificado. Partimos do pressuposto que nosso Aprendiz dispõe de conhecimento preliminar sobre escalas, tonalidades, progressão por quintas, alterações, valores das notas e das pausas, sinais de indicações de compasso, clave de sol e de fá e, principalmente, intervalos em todas as suas formas.
Problema apresentado (C maior):
Neste momento, como o nosso diálogo acontece através do confronto de argumentos e críticas, o Aprendiz envia ao Cliente a sua solução, ao mesmo tempo em que justifica ao Mestre a sua resposta.Solução do Aprendiz:
Encadeamento I - IV - ? - I.
Argumentação do Aprendiz para o Mestre:Eu aprendi que
é um acorde de C (tônica);
Eu aprendi queé um acorde de F (subdominante).
Por sua vez, o Mestre aceita esta justificativa como relevante como argumentação de sua solução. Como a resposta apresentada está incompleta, nessa situação, o Mestre apresenta, via Sonda, um questionamento referente à parte problemática.
Comando do Mestre para a Sonda:
Selecione um acorde do tipo V7 e apresente ao Aprendiz.Objeto apresentado pela Sonda ao Aprendiz:
é um acorde de dominante.
Frente a esse objeto, o Aprendiz, que não reconhece tal acorde, justifica sua resposta ao Mestre.Argumentação do Aprendiz para o Mestre:
Eu aprendi queé um acorde de V.
Como resposta, o mestre envia uma crítica sobre essa justificativa. :
Crítica:
Justificativa falsa.A partir de agora o nosso diálogo muda para o nível de aprendizagem, uma vez que foi detectada a limitação do conhecimento do Aprendiz em reconhecer esta variação de um acorde de dominante. Nesse caso, o Mestre instrui o Oráculo a explanar o conceito de acorde dominante com sétima:
Comando do Mestre ao Oráculo:
apresente ao Aprendiz o conceito V7 e um conjunto de variações como exemplo.
Oráculo para o Aprendiz:
V7 é um acorde de V ao qual se acrescenta
a sétima de sua fundamental.
...
Nestes exemplos oferecidos pelo Oráculo, pode-se, ou incluir o restante das possíveis variações, como omissão da tônica ou ir paulatinamente alimentando a base de conhecimento do Aprendiz. Agora, quando o primeiro problema é reapresentado, o Aprendiz terá condições de dar a resposta completa e correta:
Problema apresentado:
Solução do Aprendiz:
Encadeamento I - IV - V7 - I.
Justificativa do Aprendiz para o Mestre:
Eu aprendi que
Eu aprendi que
Eu aprendi que
Se entendermos que as regras formais armazenadas inicialmente na base de conhecimento do Aprendiz correspondem aproximadamente ao três primeiros capítulos do livro de Paul Hindemith5, veremos que o nosso Aprendiz teve um bom desempenho. No entanto, o Mestre preferiu ampliar o conhecimento atual do Aprendiz, devolvendo-lhe uma crítica que, na realidade, funcionou como partida para o nível de aprendizagem de novos conhecimentos.
Optamos por um exemplo relativamente simples para evidenciarmos a forma do diálogo entre os vários agentes do protocolo MOSCA e como o Mestre pode continuar este processo de ampliação do conhecimento do Aprendiz, não só tratando das regras harmônicas, mas incursionando através dos domínios de Estética, Percepção e História da Música [15], como descrito no início deste artigo. De posse de um conhecimento razoável em Teoria, o Aprendiz ficaria apto a absorver estes conceitos inerentes à criação musical. Sua atuação não se resumiria apenas a um comportamento racional ao nível de análise, mas também a nível de construções harmônicas baseadas em estilos, formas, etc.
7. A descoberta em análise musical
O pensamento musical, quando gerador de uma determinada obra, abrange aspectos pertinentes a um ramo do conhecimento de difícil abordagem levando-nos a conceituações geradoras de termos como "dom" e "inspiração", que têm sido usados para encerrar qualquer discussão onde a tônica seja a criação musical. Hoje esta explicação já não satisfaz o artista nem tão pouco o cientista, já que, sabedores do efeito que o fenômeno sonoro pode provocar no ser humano, vem estudando a organização deste som a partir de sua forma tônica até sua manifestação final - a composição.
Esta estruturação, dentro da composição e obedecendo a formas claramente definidas e leis regulamentadoras do processo de criação, indica a existência de uma sistematização dentro do pensamento musical, comum a todo compositor dentro de um determinado contexto (o estilo, a época, etc...) e tem como base um banco de conhecimentos sobre o qual existe uma atuação constante do músico que trará como resultado o "enriquecimento deste banco" e a geração ou substituição de regras.
O pensamento musical não obedece a um comportamento linear como ocorre com as ciências exatas pois, sobre o mesmo, diversos fatores podem agir: a criatividade, a emoção, a intuição ou a própria natureza vibratória de cada nota [11]. Mesmo assim, no decorrer do processo de criação, o pensamento musical mantém sua ligação com a forma, estruturação e harmonia, determinantes de uma lógica musical que permite a classificação da obra dentro de um determinado estilo. Estas características associam-se àquelas particulares a determinados compositores relacionando-se fortemente entre si.
Segundo H. J. Koellreutter [36], o processo de composição acontece em quatro estágios: a conscientização da idéia, a concepção formal, a escolha dos signos musical e a sua estruturação, conforme a Fig. 4.
Fig. 4: Processo de composição segundo H. J. Koellreutter.
Assim sendo, o raciocínio dentro da música é algo capaz de ser simulado por um sistema baseado em conhecimento que tenha como foco não a obra musical em si, mas o processo utilizado pelo compositor para geração desta mesma obra [19,28,34]. Além dos aspectos computacionais envolvidos na análise de uma obra musical em termos de processamento da informação, esse sistema deve manipular conhecimentos dos domínios que influenciam a concepção músical, ou seja,
- a Estética, envolvendo conceitos (i) de Física, estudando a natureza vibratória do som; (ii) de Psicologia, abordando o som como fenômeno psíquico; (iii) de Sociologia, estudando aspectos da ideologia do criador e (iv) de Estatística;
- a Música, com suas regras de harmonia, fraseado, rítmo e etc. Todos estas áreas de conhecimento participam como forma de permitir a análise da obra de um compositor e também de compreender o próprio processo de raciocínio humano.
O estudo em análise musical possui várias facetas e está intimamente ligado ao "estudo das condições e dos efeitos da atividade artística..." [36], ou seja, o estudo da Estética e de seus vários tipos e esta não pode estar dissociada do estudo da História das Artes. Pode-se dizer que, na realidade, a análise de uma obra musical é bem mais que um estudo para se decifrar uma linguagem ou que uma simples leitura das partes formais. Em nosso projeto, contempla-se a consideração de conhecimento em Estética e História das Artes para complementar e reforçar o conhecimento em Teoria Musical. Desta forma, define-se uma obra musical como sendo o resultado do conhecimento englobando os domínios de Estética, Música e História das Artes, conforme o quadro apresentado na Fig. 5.
Fig. 5: Fatores que influenciam a criação de uma obra musical.
Visa-se, então, conseguir da máquina um comportamento racional frente às quatro áreas técnicas da música que são: composição, execução, teoria e processamento de sons digitais [28]. Busca-se, assim, a concepção e o desenvolvimento de um sistema capaz de auxiliar uma análise musical desse universo.
Foi apresentado um ambiente de aprendizagem cujo protocolo é uma extensão do protocolo clássico e que permite a análise do processo de revisão do conhecimento adquirido pelo aprendiz máquina. Esse ambiente foi estudado num plano conceitual adaptado, as Teorias Semi-Empíricas, autorizando a análise do raciocínio e das estruturas do aprendiz. A integração de técnicas de argumentação no sistema de aprendizagem é uma necessidade, visto os resultados geralmente negativos produzidos pelos teóricos no domínio da aprendizagem pura [8]. De fato, é menos dispendiosa a produção de uma explicação da resolução de um dado problema que procurar um sistema de resolução capaz de encontrar as soluções numa amostra de problemas resolvidos.
Nossa experiência mostrou que o uso de diversas ferramentas de aprendizagem não contenta os especialistas. Mais do que sua capacidade de produzir resultados, é a capacidade de explicar o que estes sistemas aprenderam que mais interessa a estes especialistas, em particular porque as explicações são os indícios daquilo que é necessário corrigir para melhorar os resultados. Esta constatação é ainda mais clara quando os especialistas estão em situação de descoberta (modelagem de um fenômeno), assistida pela máquina.
Se o usuário quer ensinar um conhecimento ao sistema, ele deve, enquanto oráculo, selecionar os problemas pertinentes. Enquanto mestre, deve criticar o conhecimento do aprendiz a partir de seus conhecimentos profundos. De fato, ele deve identificar os lemas e autenticar as provas analógicas e empíricas. Enquanto sonda, deve produzir exemplos e contra-exemplos pertinentes. Enquanto aprendiz, ele deve escolher as heurísticas a serem utilizadas. Os protocolos de revisão estão aí para ajudá-lo.
As experimentações realizadas são ainda pontuais demais para justificar plenamente nosso enfoque [13,20,15,16]. A maneira de resolver problemas utilizando este enfoque constitui porém uma experimentação teórica pois ele elabora uma maneira de apresentar o problema numa forma compreensível tanto para o especialista do domínio quanto para os pesquisadores em Inteligência Artificial [9].
Para se obter este efeito, assegurou-se da possibilidade de refutar resultados. Para isso, é preciso poder reavaliar todas as heurísticas que intervêem na resolução do problema. De onde a natureza da decomposição do raciocínio em abdução, indução e dedução, uma classificação dos enunciados em fatos, hipóteses, heurísticas, lemas, provas, e uma organização da revisão pela fixação dos papeis aos agentes e dos protocolos de comunicação entre agentes.
Foi identificado o conjunto das comunicações necessárias para o controle de um agente.
A Análise Musical busca explicar uma determinada obra baseando-se em um conjunto de conhecimentos tais como Estética, Música e História das Artes. Cremos que o ambiente apresentado mostra-se uma ferramenta que pode ser satisfatória no auxílio ao processo de Análise Musical por contemplar esse conjunto de conhecimento, fundamental para a concepção da obra musical, e por possibilitar, através do diálogo com um agente humano especialista, a construção de uma teoria que permita a caracterização de da obra em questão.
Foi aqui considerada uma situação em que a máquina se comporta como um aprendiz e onde o papel de professor é desempenhado por especialista humano.
Nosso objetivo, utilizando o protocolo MOSCA, foi mostrar como um diálogo pode ser feito entre o Mestre (humano) e o Aprendiz (máquina), tendo como resultado o crescimento da base de conhecimento do aprendiz de forma ativa e interativa. Enfatizando, neste caso, os elementos de Teoria, Estética e Percepção, conseguiríamos da máquina um comportamento racional na análise e construção em Harmonia.
Apresentamos a funcionalidade no processo de aprendizagem através de um problema envolvendo um encadeamento harmônico.
Atualmente estamos em fase de especificação do ambiente em questão. Uma vez essa primeira fase de aprendizado da máquina concluída, utilizaremos esse conhecimento aprendido pela máquina para um ambiente tutorial inteligente.
9. Referências bibliográficas
[1] T. R. Addis "Knowledge organisation for abduction", Interdisciplinary Information Technology Conference, Bradford University, 1988.
[2] N. Aussenac-Gilles, J.-P. Krivine, J. Sallantin "L'acquisition des connaissances pour les systèmes à base de connaissance", Revue d'intelligence artificielle, Editorial, Vol. 6, nº 1-2, Hermès, Paris, 1992.
[3] M. Baker "Le rôle de la collaboration dans la construction d’explications", Journées Explication du PRC-GDR-IA, Sophia-Antipolis, 1992.
[4] C. Barboux "Contrôle par objection d'une théorie incomplète", Tese de Doutorado, Université de Montpellier II, 1990.
[5] S. Billet-Coat, Ph. Reitz, D. Hérin-Aimé, D. Guin "Protocole comportamental de l’interaction didactique entre un agent artificiel et un agent humain", 3émes Journées EIAO, Cachan, 1993.
[6] S. Billet-Coat "Processus interactif d'acquisition de connaissances basé sur un apprentissage humain", RFIA'94 - Reconnaissance de Formes et Intelligence Artificielle, Paris, 1994.
[7] S. Boucheron "Apprentissage et Calculs", Tese de Doutorado, Université de Montpellier II, 1988.
[8] S. Boucheron "Théorie de l'apprentissage: de l'approche formelle aux enjeux cognitifs", Hermès, Paris, 1992.
[9] J. G. Carbonell Artificial Intelligence, Special volume on Machine Learning, Vol. 40, nº 1-3, 1989.
[10] E. de B. Costa, M. A. Lopes, E. Ferneda "MATHEMA: A Learning Environment based on a Multi-Agent Architecture", XII SBIA, Campinas, 1995.
[11] R. B. Dannenberg "Music representation issues, techniques, and systems", Computer Music Journal, Vol. 17, n° 3, pp. 20-30, MIT Press, 1993.
[12] J. Doyle "Some theories of reasoned assumptions: an assay in rational psychology", Department of Computer Science, Carnegie Mellon University, Pittsburg, 1983.
[13] E. Ferneda, M. Py, Ph. Reitz, J. Sallantin "L'Agent Rationnel SAID: une application en géométrie", Proceedings of the First European Colloquium on Cognitive Sciences, Orsay, 1992.
[14] E. Ferneda "Conception d'un Agent Rationnel et examen de son raisonnement en géométrie", Tese de Doutorado, Université de Montpellier II, 1992.
[15] E. Ferneda, C. A. Peres da Silva, L. de M Teixeira, H de M. Silva "A System for Ainding Discovery in Musical Analisys", I SBCM, Caxambu, 1994.
[16] G. Fisher, A. C. Lemke, T. Mastaglio, A. I. Morch "The role of critiquing in cooperative problem solving", ACM Transaction on Information System, Vol. 9, nº 3, pp. 123-151, 1991.
[17] J. A. Kaplan "Harmonia", Notas de aula, Departamento de Música, Universidade Federal da Paraíba, João Pessoa, 1991.
[18] J. Kerman "Musicologia", Martins Fontes, São Paulo, 1987.
[19] P. Kugel "Myhill's Thesis: There's more than computing in musical thinking", Computer Music Jornal, Vol. 14, n° 3, pp. 12-25, MIT Press, 1990.
[20] M. Liquière "Apprentissage à partir d'objets structurés. Conception et réalisation", Tese de doutorado, Université de Montpellier II, 1990.
[21] F. J. McDonald "Educationa psychology", Belmont, Califórnia, Wadsworth Publishing Company, 1965.
[22] J.-P. Müller "Contribution à l'étude d'un agent rationnel : spécification en logique intensionnelle et implantation", Tese de doutorado, Institut National Polytechnique de Grenoble, 1987.
[23] A. Newell "The knowledge level", Artificial Intelligence, n° 18, pp. 87-127, 1982.
[24] E. M. Nguifo "Improvement and control of simiratiry decision for knowledge acquisition", First African Conference on Research in Computer Science, Yaounde, 1992.
[25] E. M. Nguifo "Concevoir une abstraction à partir de ressemblances", Tese de doutorado, Université de Montpellier II, 1993.
[26] C. S. Pierce "Scientific method", in Collected Papers of Charles Saunders Pierce, P. Weiss (Ed), Havard University Press, 1934.
[27] Ph. Reitz "Contribution à l'étude des environnements d'apprentissage. Conceptualisation, Spécifications et Prototypage", Tese de Doutorado, Université de Montpellier II, 1992.
[28] C. Roads "Research in Music and Artificial Intelligence", ACM Computing Surveys, Vol. 17, n. 2, pp. 163-190, 1985.
[29] J. Sallantin, J.-J. Szczeciniarz, C. Barboux, M.-S. Lagrange, M. Renaud "Théories semi-empiriques : conceptualisation et illustrations", Revue d'Intelligence Artifielle, Vol. 5, n° 1, pp. 9-67, Hermès, Paris, 1991.
[30] J. Sallantin, J. Quinqueton, C. Barboux, J.-P. Aubert "Théories semiempiriques: éléments de formalisation", Revue d'Intelligence Artifielle, Vol. 5, n° 1, pp. 69-92, Hermès, Paris, 1991.
[31] J. Sallantin, J. Haiech "L'aide à la découverte scientifique: évaluation sur l'investigation des séquences génériques", Revue d'Intelligence Artificielle, Hermès, Paris, 1993.
[32] L. de M Teixeira, E. de B. Costa, C. A. Peres da Silva, E. Ferneda "Aquisição do conhecimento em harmonia: um ambiente de aprendizagem", II SBCM, Gramado, 1995.
[33] A. Schoenberg "Tratado de Armonía", Real Musical, Madrid, 1979.
[34] G. Widmer "Qualitative perception modeling and intelligent musical learning", Computer Music Journal, Vol. 16, n° 2, pp. 51-68, MIT Press, 1992.
[35] B. Wielinga, J. Boose, B. Gaines, G. Screiber, M. van Someren (Eds) "Current tends on knowledge acquisition", European Kowledge Acquisition Workshop, 1990.
[36] B. Zagonel, S. M. la Chiamulera (orgs) "Introdução à Estética e à Composição Musical contemporânea - H. J. Koellreutter", Editora Movimento, Porto Alegre, 1985.
NOTA
1 - Departamento de Artes (DART) / Laboratório de Informática Aplicada às Artes (LIAA) / Mestrando em Informática, UFPB, Campina Grande - PB volta
2 - =Departamento de Sistemas e Computação (DSC) volta
3 - Departamento de Artes (DART) / Laboratório de Informática Aplicada às Artes (LIAA) / Mestrando em Informática, UFPB, Campina Grande - PB volta
4 - MOSCA = Mestre + Oráculo + Sonda + Cliente + Aprendiz. volta
