YQX+: Benchmarking Probabilistic Modeling of Piano Performance Expression

الموسيقى على الورق هي مجموعة من التعليمات، خريطة من النوتات تخبر عازف البيانو أي المفاتيح يضغط ومتى ينتهي من الضغط. لكن الخريطة ليست هي التضاريس؛ إذ يمكن لعازفي بيانو اثنين أن يعزفا نفس النوتة الموسيقية تماماً وينتجا أصواتاً تبدو مختلفة تماماً. قد يعزف أحدهما بإيقاع هادئ ومتموج ولمسات ناعمة، بينما يعزف آخر بطاقة حادة ودافعة. هذا الاختلاف ليس خطأً، بل هو جوهر التعبير الموسيقي. إنه القدرة البشرية على تحويل التعليمات الجامدة إلى أداء حي يتنفس، ينقل العاطفة والأسلوب والبنية. لعقود من الزمن، حاول العلماء والمهندسون تعليم الحواسيب القيام بالشيء نفسه: النظر إلى النوتة وتوليد أداء يبدو بشرياً وطبيعياً ومليئاً بالإحساس. التحدي يكمن في أنه لا توجد طريقة واحدة "صحيحة" لعزف مقطوعة ما. فالحاسوب الذي يكتفي ببساطة بحساب متوسط كل الأداءات الممكنة غالباً ما ينتج شيئاً مسطحاً وبلا حياة. لكي يلتقط الحاسوب حقاً فن عزف البيانو، يجب أن يفهم أن النوتة الواحدة يمكن أن تسمح بالعديد من التفسيرات التعبيرية الصحيحة.

لقد عالج فريق من الباحثين من جامعة كوين ماري في لندن وجامعة نيويورك هذه المشكلة بإطار عمل جديد يسمى YQX+. فبدلاً من بناء نظام واحد فقط لتوليد الموسيقى، أنشأوا ساحة اختبار معيارية لمعرفة كيف تتعامل أنواع مختلفة من النماذج الحاسوبية مع مهمة التنبؤ بالتعبير البشري. تخيل سباقاً حيث يبدأ كل العدائين من نفس الخط، ويركضون في نفس المضمار، ويُحكم عليهم بنفس القواعد. قبل هذا العمل، كانت مجموعات بحثية مختلفة تبني مضاميرها الفريدة الخاصة وتستخدم طرقاً مختلفة لقياس السرعة، مما جعل من المستحيل القول أي عداء كان الأسرع حقاً. لقد قام الباحثون خلف YQX+ بإصلاح المضمار؛ حيث حددوا مجموعة محددة من السمات الموسيقية التي يجب على كل نموذج النظر إليها، مثل طبقة النوتة، وموقعها داخل الجملة الموسيقية، والعلامات الموجودة على النوتة مثل "عالي" أو "منخفض". كما حددوا مجموعة محددة من المخرجات التي يجب على كل نموذج التنبؤ بها: مدى سرعة الإيقاع، وقوة ضرب المفتاح، ومدى تذبذب التوقيت، ومدة استمرار النوتة. ومن خلال إجبار كل نموذج على اللعب وفق نفس القواعد، تمكن الفريق أخيراً من مقارنتهم بشكل عادل.

اختبر الفريق مجموعة متنوعة من النماذج الحاسوبية، بدءاً من الأساليب الإحصائية القديمة وصولاً إلى الشبكات العصبية الحديثة والمعقدة. وقد قاموا بتدريب هذه النماذج على آلاف القطع من الموسيقى الكلاسيكية، حيث استطاع الحاسوب رؤية كل من النوتة المكتوبة وتسجيل لعزف بشري لها. كان الهدف هو معرفة أي نموذج يمكنه تخمين الخيارات التعبيرية التي سيتخذها الإنسان. وأظهرت النتائج أن النماذج الأكبر والأقوى، وتحديداً نوع من أنظمة التعلم القائمة على الأشجار ونوع من الشبكات العصبية المصممة لتعلم الأنماط الخفية، كانت الأفضل أداءً. تمكنت هذه النماذج العليا من التنبؤ بتوقيت وديناميكيات الأداء بدقة أكبر من الأنظمة السابقة. لم يكتفوا بتخمين النوتات فحسب، بل التقطوا التجاذب والتدفق الدقيق للإيقاع الذي يجعل الموسيقى تشعر بالحياة.

ومع ذلك، فإن قياس مدى جودة عزف الحاسوب للموسيقى أمر صعب. فقد يكون الحاسوب قريباً جداً من الأداء البشري من حيث الأرقام الخام، ومع ذلك يبدو آلياً للأذن البشرية. ولحل هذه المشكلة، قدم الباحثون أداة جديدة تسمى PerformanceMOS. وهي عبارة عن مقدّر قائم على البيانات، وهو نوع من القضاة الرقميين المدربين للتنبؤ بمدى استمتاع المستمع البشري بالأداء. لقد تم تدريب هذا المقدر على مجموعة ضخمة من عروض البيانو التي تم تقييمها من قبل خبراء بشريين بناءً على مهارتهم، وسلاستهم، وتعبيرهم. استخدم الباحثون هذه الأداة لتسجيل مخرجات نماذجهم. وكانت النتائج دالة: حققت أفضل النماذج من إطار عملهم الجديد درجات تنافسية، وفي بعض الحالات أفضل، من الأنظمة الأكثر تقدماً المتاحة حالياً.

وللتأكد، أجرى الفريق أيضاً اختبار استماع مع أربعين مشاركاً بشرياً. هؤلاء المستمعون، وهم مزيج من محبي الموسيقى العاديين والعازفين ذوي الخبرة، قيموا العروض المولدة حاسوبياً على مقياس من صفر إلى مئة. وقد حكموا عليها من حيث مدى طبيعية صوتها، ومدى حرية إيقاعها، ومدى تعبيرها. أكدت النتائج ما اقترحته الدرجات الحاسوبية؛ حيث تم تقييم النماذج التي استخدمت الإطار الجديد، وخاصة مناهج الأشجار والشبكات العصبية، بأنها تضاهي أفضل الأنظمة الحالية. لقد بدت طبيعية ومقنعة موسيقياً. ومن المثير للاهتمام أن الدراسة وجدت أن مجرد جعل النماذج أكثر تعقيداً لا يضمن دائماً صوتاً أفضل؛ إذ إن الطريقة التي تُدرب بها النماذج والسمات المحددة التي تُعطى لها كانت لا تقل أهمية.

اكتشف الباحثون أيضاً أنه بينما تبرع هذه النماذج في التنبؤ بتفاصيل نوتة واحدة، فإنها تواجه صعوبة أحياناً في التقاط التغيرات الكبرى والشاملة في السرعة والعاطفة التي تحدث على مدار قطعة موسيقية كاملة. وهذا يشير إلى أنه بينما أصبح الحواسيب بارعة جداً في التفاصيل المحلية للتعبير، فإن السرد الموسيقي الأوسع لا يزال يمثل تحدياً. وتخلص الدراسة إلى أن YQX+ يوفر أساساً متيناً للعمل المستقبلي؛ فهو يقدم طريقة واضحة وعادلة لاختبار الأفكار الجديدة، وأداة موثوقة، PerformanceMOS، لتقدير كيفية تفاعل البشر مع الموسيقى المولدة حاسوبياً. لا يدعي هذا العمل أنه حل لغز التعبير الموسيقي، ولكنه بنى مجهراً أفضل لرؤية كيف يعمل، مما يقربنا خطوة أخرى من آلات يمكنها حقاً فهم روح الأداء.