Learning to Predict Performance-induced Emotion Differences in Classical Piano Music

تخيل الموسيقى كلغة غير مرئية وعملاقة تتحدث مباشرة إلى مشاعرنا. لعقود من الزمن، حاول العلماء الذين يدرسون كيفية فهم الحواسيب للموسيقى (وهو مجال يسمى استرجاع المعلومات الموسيقية) تعليم الآلات كيف "تشعر" بما تدور حوله الأغنية. عادةً، ينظرون إلى النوتة الموسيقية نفسها — النغمات، والسرعة، وما إذا كانت الأغنية في مقام "ماجور" سعيد أو "ماينور" حزين. الأمر يشبه محاولة تخمين مزاج شخص ما بمجرد قراءة نص مسرحية، دون رؤية الممثلين أبداً. لكننا نعلم جميعاً أن نفس النص يمكن أداؤه بمئات الطرق المختلفة: قد يهمس ممثل ما بجملة بحزن مفجع، بينما يصرخ آخر بها بطاقة غاضبة. الورقة البحثية التي أنت على وشك قراءتها تغوص في هذا اللغز تحديداً: هل يمكن للكمبيوتر أن يتعلم رصد الاختلافات الصغيرة وغير المرئية في كيفية عزف الموسيقي، واستخدام هذه الاختلافات للتنبؤ بكيفية تأثير الموسيقى علينا؟

قرر الباحثون وراء هذه الدراسة التوقف عن النظر إلى "النص" (التأليف) والتركيز تماماً على "الممثلين" (العازفين). لقد جمعوا ستة تسجيلات شهيرة لمقطوعات بيانو كلاسيكية لنفس المؤلف "يوهان سباستيان باخ"، عزفها ستة من عازفي البيانو العالميين المتميزين. وبما أن النوتة الموسيقية متطابقة لجميع العازفين، فإن أي اختلاف في كيفية شعورك بالموسيقى يجب أن يأتي من لمسة العازف الفريدة — سرعته، وقوة صوته، وكيفية ربطه للنغمات. قام الفريق ببناء "مفكك شفرة للمشاعر" خاص يتجاهل النغمات نفسها ويركز فقط على حيل الأداء هذه. واكتشفوا أنه بينما يصعب على الكمبيوتر تخمين الشعور الدقيق للمقطوعة بمجرد الاستماع إلى الأداء، إلا أنه جيد بشكل مدهش في التنبؤ بكيفية اختلاف أداء عن آخر. بعبارة أخرى، قد لا يعرف الكمبيوتر ما إذا كانت الأغنية "حزينة"، لكن يمكنه أن يخبرك بثقة أن نسخة العازف (أ) هي "أكثر حيوية وأقل كآبة" من نسخة العازف (ب).

قصة "مفكك شفرة المشاعر"

تخيل مقطوعة بيانو كلاسيكية مثل وصفة لصنع كعكة. الوصفة (النوتة الموسيقية) تخبرك بالضبط كمية الدقيق والسكر والبيض التي يجب استخدامها. ولكن تخيل خبازين مختلفين يصنعان نفس الكعكة تماماً. قد يخبز أحد الخبازين الكعكة لفترة أطول قليلاً، مما يجعلها أكثر جفافاً وقرمشة. والآخر قد يخلط العجين بقوة أكبر، مما يجعلها أكثر هشاشة. على الرغم من أن المكونات هي نفسها، إلا أن الطعم النهائي مختلف. في عالم الموسيقى، تسمى هذه "حيل الخبز" بـ فروقات الأداء (performance nuances). وهي تشمل أشياء مثل عزف النوتة مبكراً أو متأخراً قليلاً (التوقيت)، أو الضغط على المفاتيح بقوة أكبر أو أقل (الديناميكية)، أو إطالة النوتة أو تقصيرها عما هو مكتوب (التحليل النغمي/الارتباط).

لفترة طويلة، كانت الحواسيب التي تحاول فهم عاطفة الموسيقى مثل نقاد الطعام الذين ينظرون فقط إلى قائمة المكونات. كانوا يعرفون أن الوصفة التي تحتوي على الكثير من السكر تكون حلوة عادةً، لكنهم لم يستطيعوا تفسير لماذا تبدو كعكة خباز ما "غاضبة" وأخرى "مبهجة" رغم استخدامهما لنفس السكر. هذه الدراسة، التي قادتها جوان تشينغ وجيرهارد ويدمر، طرحت سؤالاً جريئاً: ماذا لو تجاهلنا المكونات تماماً ودرسنا أيدي الخبازين فقط؟

للقيام بذلك، استخدم الباحثون مجموعة بيانات تسمى CP-WTC، والتي تحتوي على تسجيلات لـ "الكلافيتر المعدل جيداً" (الكتاب الأول) لباخ. هذه المجموعة هي منجم ذهب لهذا النوع من الدراسات لأن باخ لم يكتب تعليمات محددة كثيرة حول كيفية عزف الموسيقى. لقد ترك "تعليمات الخبز" مفتوحة على مصراعيها، مما سمح لستة من عازفي البيانو المشهورين — غلين غولد، فريدريش غولدا، أنجيلا هيويت، سفياتوسلاف ريشت، أندراس شيف، وروسالين توريك — بوضع لمستهم الفريدة على الـ 48 مقطوعة نفسها.

أنشأ الفريق أداة خاصة تسمى ترميز الأداء (Performance Codec). تخيل هذا كـ مترجم عالي التقنية يستمع إلى التسجيل الصوتي ويحول أفعال العازف الجسدية إلى أربعة أرقام بسيطة لكل نوتة:

1. فترة الإيقاع (Beat Period): مدى سرعة أو بطء العازف مقارنة بالنوتة المكتوبة.
2. السرعة (Velocity): مدى قوة ضربهم للمفاتيح (والذي يتحكم في درجة العلو).
3. التوقيت (Timing): ما إذا كان يعزف النوتة مبكراً أو متأخراً بجزء ضئيل.
4. التحليل النغمي (Articulation): كم يستمر في إبقاء النوتة مقارنة بالمدة المكتوبة.

الأمر الحاسم هو أن هذه الأداة ترمي بعيداً كل المعلومات المتعلقة بـ ما هي النغمات التي يتم عزفها. هي تهتم فقط بـ كيفية عزفها. وهذا يضمن أن الكمبيوتر لا يعتمد على "حزن" المقام الصغير؛ بل يجب عليه استنتاج العاطفة من أسلوب الأداء فقط.

التحدي: مشكلة "المتوسط"

حاول الباحثون أولاً تعليم الكمبيوتر تخمين العاطفة الدقيقة للأداء باستخدام هذه الأرقام الأربعة. سألوا الكمبيوتر: "هل هذا الأداء سعيد أم حزين؟ هل هو هادئ أم مثير؟" وقاسوا ذلك باستخدام مقياسين: التكافؤ (Valence) (مدى إيجابية أو سلبية الشعور) والاستثارة (Arousal) (مدى الهدوء أو الطاقة).

كانت النتائج مخيبة للآمال نوعاً ما. عانى الكمبيوتر لتخمين الشعور الدقيق. كان الأمر يشبه محاولة تخمين درجة حرارة غرفة بمجرد النظر إلى معطف شخص واحد؛ قد تحصل على فكرة عامة، لكنك ستخطئ كثيراً. مال الكمبيوتر إلى التقليل من قدر التعبير في الأداءات. بدا الأمر وكأنه بدون معرفة النغمات الفعلية (الـ "وصفة")، لا يستطيع الكمبيوتر تثبيت العاطفة بشكل صحيح.

ومع ذلك، كان لدى الباحثين "خطة ب" عبقرية. بدلاً من سؤال "ما هي العاطفة الدقيقة؟"، سألوا: "كيف يختلف هذا الأداء عن المتوسط؟"

ابتكروا إطار عمل جديداً يسمى Delta-VA. تخيل أداءً "متوسطاً" افتراضياً لمقطوعة ما، مثل نسخة مسطحة ومملة تُعزف بواسطة روبوت. نموذج Delta-VA لا يحاول تخمين أين يقع الأداء الحقيقي على خريطة العاطفة. بدلاً من ذلك، يحسب المتجه (vector) (الاتجاه والمسافة) من ذلك المتوسط الروبوتي إلى الأداء البشري الحقيقي.

فكر في الأمر مثل إعطاء الاتجاهات. بدلاً من قول "الكنز موجود عند الإحداثيات 45، 90"، وهو أمر يصعب تخمينه إذا كنت لا تعرف من أين يبدأ الخريطة، يقول النموذج "سر 5 خطوات شمالاً و3 خطوات شرقاً من المركز". حتى لو لم يكن الكمبيوتر مثالياً في تخمين نقطة البداية، فإنه يصبح جيداً جداً في وصف الاتجاه الذي تحتاج للسير فيه لتجد الكنز.

النتائج: إصابة الاتجاه الصحيح

عندما اختبروا نهج "Delta-VA" الجديد، كانت النتائج رائعة. أصبح النموذج أفضل بكثير في التنبؤ بـ الاختلافات بين الأداءات.

• الاتجاه: كان النموذج دقيقاً للغاية في ضبط الاتجاه الصحيح. إذا كانت نسخة العازف (أ) أكثر حيوية من نسخة العازف (ب)، فإن النموذج يشير في الاتجاه الصحيح. في الواقع، عندما قارنوا بين أزواج من الأداءات، كان تنبؤ النموذج بالاختلاف متوافقاً بشكل شبه مثالي مع الحقيقة، بمتوسط خطأ قدره حوالي 8.4 درجة فقط (حيث 0 درجة تعني المثالية).
• المقدار: ومع ذلك، كان النموذج "خجولاً" قليلاً بشأن حجم الاختلاف. فقد مال إلى القول: "نعم، هذا الأداء أكثر حيوية"، لكنه لم يقل بأي قدر هو أكثر حيوية. لقد ضغط الأرقام، مما جعل الاختلافات الكبيرة تبدو أصغر. كانت "نسبة المقدار" حوالي 0.48، مما يعني أن النموذج تنبأ بأن الاختلاف كان تقريباً نصف الحجم الحقيقي.

لتصور ذلك، تخيل عازفي بيانو يعزفان نفس المقطوعة. أحدهما يعزفها بأسلوب درامي ناري، والآخر يعزفها بلمسة لطيفة وناعمة. نجح نموذج Delta-VA في تحديد أن النسخة النارية كانت "أكثر إيجابية وأكثر طاقة" من النسخة الهادئة. لكن بينما كان الفرق الحقيقي فجوة هائلة، وصفها النموذج بأنها فجوة متوسطة الحجم. لقد أصاب اتجاه الشعور، لكنه قلل من تقدير الشدة.

لماذا يهم هذا؟

تشير هذه الدراسة إلى أنه بينما قد لا تكون الحواسيب جاهزة لاستبدال نقاد الموسيقى البشر الذين يحتاجون لوصف المزاج الدقيق لأغنية ما، إلا أنها أصبحت جيدة جداً في مقارنة الأداءات. وهذه خطوة كبيرة للأمام لأشياء مثل أنظمة توصية الموسيقى.

تخيل أنك تستمع إلى تسجيل لمقطوعة لباخ وتفكر: "أحب هذا، لكني أتمنى لو كان يبدو أقل حزناً وأكثر حيوية قليلاً". في الماضي، قد يوصي الكمبيوتر بأغنية مختلفة تماماً. ولكن مع نموذج مثل Delta-VA، يمكن للكمبيوتر أن ينظر إلى مكتبته من التسجيلات ويقول: "إليك تسجيل لنفس المقطوعة من قبل عازف آخر، وهو أكثر حيوية وأقل حزناً قليلاً".

أكد الباحثون أن ميزات الأداء هذه (التوقيت، العلو، إلخ) تختلف بالفعل بشكل ذي معنى بين الموسيقيين المختلفين. إنها ليست مجرد ضوضاء عشوائية؛ بل تحمل إشارة حقيقية حول كيفية شعور الموسيقى. ومن خلال التركيز على الاختلافات بدلاً من القيم المطلقة، وجد الفريق طريقة لتعليم الحواسيب تقدير الفن البشري الدقيق للتفسير الموسيقي.

في النهاية، لا تدعي هذه الورقة البحثية أنها حلت لغز العاطفة الموسيقية. بدلاً من ذلك، تقدم طريقة جديدة وأكثر عملية للنظر إليها. إنها تظهر أنه إذا أردنا من الحواسيب أن تفهم كيف يغير الأداء شعور الأغنية، فلا ينبغي أن نطلب منها تخمين الشعور من الصفر. بل يجب أن نطلب منها وصف كيف يزيح أداء معين الشعور عن المعيار المعتاد. إنه تحول صغير في المنظور، لكنه يسمح للكمبيوتر برؤية الموسيقى بطريقة أكثر إنسانية.