想象音乐是一张巨大而无形的网。在这张网中，每一个音符都是一座“城市”，而音乐从一个音符移动到下一个音符的每一次转换，都是连接这些城市的“道路”。一条道路被 traversed 的次数越多，它就变得越宽阔、越明亮。
这篇论文就像一支城市规划团队，决定利用这套“城市与道路”系统来绘制整个音乐史。他们不仅仅是聆听歌曲，而是将大约 20,000 首歌曲（从古典乐到嘻哈）转化为这些数字地图，以观察“城市”之间是如何连接的。
以下是他们发现的简要说明：
1. “古典大师”与“新晋热单”
当他们审视古典和爵士音乐的地图时，发现那里是 sprawling（ sprawling 意为 sprawling 的，此处指 sprawling 的、 sprawling 的）的复杂城市，拥有许多蜿蜒的道路和多样化的连接。这就像一座拥有迷宫般街道的繁华大都市。
相比之下，流行、摇滚和电子等现代流派的地图则更像小型、整洁的城镇。道路更短，连接也更简单。
- 类比：将古典音乐想象成拥有众多出口和环线的复杂多层高速公路系统；将现代流行音乐想象成一个简单的网格，你大多只是沿着几条主干道直行。
2. “简化”的趋势
最惊人的发现是观察这些城市随时间的变化。
- 过去：较老的古典和爵士作品最为复杂，拥有最错综复杂的道路网络。
- 现在：即使是这些“古典大师”的作品，在几十年间也开始变得简单。它们的地图正变得越来越不像迷宫，而更像现代流行音乐的简单网格。
- 结论：仿佛整个音乐世界正在缓慢地收缩其道路网络。无论是 19 世纪的交响乐还是 2020 年代的流行热单，音乐在结构上正变得更加精简，多样性减少。
3. 为什么会发生这种情况？
作者认为，我们如今消费音乐的方式是罪魁祸首。
- “广播”效应：过去，音乐通常是一种集体的、现场的经历。如今，我们通过流媒体应用（如 Spotify）和社交媒体来聆听。这些平台使用算法来推荐歌曲。
- “钩子”因素：论文指出，在这个快节奏、算法驱动的世界里，更容易被消化（道路更简单、循环更短）的音乐能获得更多的关注。这就像朗朗上口、简短的口号比长篇复杂的故事传播得更快一样。这种压力甚至可能迫使像爵士乐这样复杂的流派简化其“道路地图”，以适应现代听众的耳朵。
4. 他们如何测量“复杂性”
他们并非凭空猜测，而是运用数学来测量两件事：
- 效率：你从一个音符到达另一个音符的速度有多快？在复杂的音乐（如老式爵士乐）中，路径更长且不那么直接，意味着音乐带你踏上一段更长、更有趣的旅程。在简单的音乐中，你从 A 到 B 非常迅速且直接。
- 互惠性：这衡量音乐是否在相同的两个音符之间来回往复（像乒乓球一样）。流行和摇滚音乐经常在这些相同的音符之间来回跳动（创造出朗朗上口的“钩子”）。而古典和爵士乐则倾向于向新的方向前进，而不会立即折返。
5. “悲伤”与“快乐”的地图
他们还观察了音符之间的“距离”（音程）。
- 稳定音程：听起来 resolved（resolved 意为 resolved 的，此处指 resolved 的、resolved 的）且平静的音符（如纯五度）。
- 不稳定音程：听起来紧张且想要移动的音符（如三全音）。
- 他们发现，较老的音乐和复杂流派混合使用了这些音程，从而创造出张力与释放。而现代流派则倾向于坚持使用“稳定”且“简单”的音符，使音乐感觉更加一致，但缺乏动态变化。
总结
该论文认为，虽然技术让音乐创作对每个人来说都变得触手可及，但它也创造了一个“简化过滤器”。就像一座城市可能会为了处理更多交通流量，而用一条笔直高效的高速公路取代一个复杂蜿蜒的历史街区一样，我们的音乐景观正转向更简单、更重复的结构。即使是那些曾经最复杂的流派，现在也遵循着这一趋势，变得与其他流派更加相似。
以下是 Di Marco 等人所著论文《通过网络科学解码音乐演变》的详细技术总结。
1. 问题陈述
本研究旨在解决缺乏精确、定量方法来衡量音乐复杂性并追踪其随时间演变的问题。尽管先前的研究表明，现代数字环境（流媒体平台、算法）可能会推动内容的简化（在歌词和社交媒体中已观察到），但尚不清楚这一趋势是否适用于音乐创作本身。作者旨在确定：
- 音乐复杂性在不同流派（古典、爵士、流行、摇滚、电子、嘻哈）之间如何变化。
- 当代音乐中是否存在随时间推移而简化的趋势。
- 音乐创作的民主化和算法策展如何影响结构多样性。
2. 方法论
作者采用网络科学将音乐作品建模为加权有向图。
数据集构建
- 来源： MetaMIDI 数据集（MMD），包含约 400,000 个 MIDI 文件。
- 筛选： 作者从六个宏观流派（古典、爵士、摇滚、流行、电子、嘻哈）中选取了约 20,000 首曲目。
- 预处理： 对曲目进行长度筛选（>60 秒），并使用
tuneR 库进行解析。
- 元数据丰富： 使用
spotifyr 包将 MIDI 文件与 Spotify 元数据（流行度、发行日期）进行匹配。
- 发行日期估算： 由于 Spotify 元数据关于再版专辑的信息存在不准确之处，作者使用大型语言模型（Gemini）估算 1980 年以前老曲目的原始发行日期，而较新的曲目则依赖 Spotify 数据。
网络表示
- 节点： 不同的音符（音高）。
- 边： 音符之间的定向转换（x→y）。
- 权重： 转换的频率（音符 y 跟随音符 x 的次数）。
- 图类型： 加权有向网络。移除了自环（x→x）以专注于不同音符之间的转换。和弦被视为连续和弦音符之间的完全二分图。
分析指标
本研究利用了几种拓扑和信息论度量：
- 全局效率： 衡量信息传播的效率（最短路径长度的倒数）。高效率意味着路径更短，旋律重复性更低。
- 加权互易性： 衡量转换倾向于双向（x→y 和 y→x）的程度。
- 平均节点熵： 量化节点转换概率的异质性。高熵表示转换分布均匀（高变异性）；低熵表示重复模式。
- 网络嵌入：
- 音程嵌入： 一个 12 维向量，代表歌曲中音乐音程（半音差异）的频率。
- UMAP： 用于降维并可视化流派聚类。
- 零模型： 使用两种随机化模型进行比较：一种重连边（保留度），另一种打乱权重（保留强度）。
3. 主要贡献
- 新颖框架： 提出了一种稳健的网络科学框架来量化音乐复杂性，超越了主观分析，转向结构指标。
- 大规模时间分析： 分析了近 20,000 首跨越四个世纪的作品，提供了音乐演变的纵向视角。
- 拓扑与音乐理论的整合： 结合图指标（效率、互易性）与音乐理论概念（音程、稳定性）来解释网络属性。
- 算法影响评估： 提供了实证证据，将流媒体平台的兴起和算法策展与音乐同质化和简化趋势联系起来。
4. 主要结果
流派特定的复杂性
- 高复杂性： 古典和爵士作品表现出最高的复杂性和旋律多样性。它们显示出：
- 更高的加权效率（表明重复性更少，转换更多样化）。
- 更低的加权互易性（较少的来回音符对，暗示更长、不重复的旋律）。
- 更高的熵（转换分布更均匀）。
- 较低复杂性： 流行、摇滚、电子和嘻哈显示出较低的复杂性，其特征为：
- 高互易性（重复的“钩子”和短乐句）。
- 较低效率（更多重复的结构）。
- 重尾权重分布（少数转换发生得非常频繁）。
时间演变（简化趋势）
- 古典/爵士的衰退： 即使是历史上复杂的流派如古典和爵士，也显示出随时间推移的复杂性下降趋势。现代古典和爵士作品的复杂性水平已达到与现代流行/摇滚相当的水平。
- 现代流派的停滞： 流行和摇滚等流派保持了相对平坦的复杂性水平，但其基线低于历史上的古典/爵士。
- “桥梁”时代： 1950–1979 年期间的音乐充当了过渡点，此后观察到了向简化转变的清晰迹象。
嵌入与聚类
- UMAP 分析： 古典音乐形成了一个与其他流派截然不同的聚类。爵士乐也独具特色，但更接近古典乐。现代流派（流行、摇滚、电子、嘻哈）显示出显著的重叠，表明同质化。
- 音程相关性：
- 第一个 UMAP 分量与稳定音程（同度、纯五度）和拓扑属性相关。
- 第二个分量与不稳定音程（二度、七度）和加权复杂性相关。
- 古典和爵士严重依赖不稳定音程（制造张力/解决），而现代流派更多地依赖稳定、重复的音程。
流行度与复杂性
- 歌曲流行度与音乐复杂性之间存在显著的负相关，特别是在古典和爵士乐中。
- 更受欢迎的歌曲往往具有更低的密度（更少的转换）和更低的熵，这表明算法策展倾向于更简单、更重复的结构。
5. 意义与启示
- 文化同质化： 该研究提供了定量证据，表明音乐创作的“民主化”和算法推荐系统的主导地位导致了音乐风格的同质化。
- 算法影响： 研究结果支持了数字平台充当“新广播”的假设，即它们过滤出简单性和可记忆性（高互易性、低复杂性），可能会扼杀结构创新。
- 方法学进步： 该论文建立了一个可重复的管道，用于使用网络科学分析文化演变，可应用于音乐以外的其他领域（如文学、视觉艺术）。
- 未来研究： 作者建议未来的工作应整合歌词分析、音色和制作技术，以创建音乐演变的整体模型，因为当前的研究仅限于结构（MIDI）数据。
结论
该论文得出结论，尽管出现了新的流派，但数字时代音乐演变的总体轨迹是简化。即使是传统上复杂的流派也在适应现代数字消费的约束和偏好，导致结构多样性减少，音乐复杂性收敛至较低的基线。
每周获取最佳 electrical engineering 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。