Library learning with e-graphs on jazz harmony
本文提出了一种计算模型，该模型利用 e 图上的库学习来发现爵士和声进行的简洁、生成性解释，旨在通过和声库与程序重构的联合优化，捕捉人类内化结构化音乐模式的过程。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在聆听一支爵士乐队。对普通听众而言，那只是一连串酷酷的和弦流。但对音乐家来说，这股流并非随机；它是由 handful 个熟悉的“乐句”或“licks"构建而成，这些乐句被重复、微调并以不同方式组合。
本文旨在教计算机像音乐家一样聆听爵士乐。研究人员曾仁、Maddy Bowers、Xinyi Guan 和 Martin Rohrmeier 构建了一个系统，该系统不仅记忆和弦，更能找出构成音乐的隐藏规则和可复用的构建模块。
以下是他们如何实现这一点的简明解释：
1. 问题：解释音乐的方式太多
想象你有一句话：“猫坐在垫子上。”你可以用多种方式解释它：
- “猫” + “坐” + “在垫子上”。
- “猫” + “坐在” + “垫子上”。
- “猫坐在” + “在” + “垫子上”。
在爵士乐中，一串和弦（例如 C 大调、A 小调、D 小调、G 七和弦）可以以成千上万种不同的方式分解为关系。如果计算机试图列出分解一首歌曲的每一种可能方式，它会瞬间不堪重负。这就像试图阅读字典中的每一个可能句子来理解一个故事。
2. 解决方案："E-Graph"（一个超级有条理的文件柜）
为了解决这个问题，团队使用了一种巧妙的数据结构，称为e-graph。将其想象为一个超级有条理的文件柜，它不仅仅存储文件的一个版本，而是同时存储文件的所有可能版本，且不浪费空间。
- 类比：想象你在建造一座房子。与其为每一座房子绘制新的蓝图，不如拥有一份主蓝图，展示墙壁、窗户和门可以排列的所有可能方式。E-graph 将这些可能性紧凑地保存在一个共享空间中。
3. “库学习”（寻找乐高套装）
一旦计算机拥有了分解歌曲的所有可能方式，它就会寻找模式。这就是“库学习”部分。
- 类比：想象你是一位厨师。你有一本包含 100 道食谱的巨著。你注意到其中 50 道食谱使用了完全相同的“秘制酱汁”（大蒜、柠檬、黄油）。
- 没有库：你在每一道食谱中都写下“大蒜、柠檬、黄油”。这既冗长又重复。
- 有了库：你创造了一种名为“秘制酱汁”的新食材。现在，你只需在食谱中写下“秘制酱汁”。你节省了空间，食谱也变得更清晰。
计算机对音乐也这样做。它发现重复出现的和弦模式（如"V-I"解决或"ii-V-I"进行），并给它们命名。然后，它“重构”歌曲，用这些新的命名模式替换冗长的和弦列表。
4. 他们如何测试
他们在三首著名的爵士标准曲上进行了测试：《Red Clay》、《Valse Hot》和《Sunny》。
- 结果：计算机成功压缩了这些歌曲。它将冗长杂乱的和弦列表转化为使用其新“模式库”的简短、清晰的指令。
- 效率：通过在三首歌曲之间共享这些模式，计算机描述音乐所需的“内存”远少于试图从头解释每首歌曲所需的情况。
5. 计算机“学到”了什么
该系统发现的不仅仅是随机模式；它发现了人类音乐理论家所寻找的东西。
- 它发现了标准的爵士乐手法，例如“属音到主音”（一种张力与释放的模式）。
- 它发现了更复杂的结构，例如“后门属和弦”（一种特定类型的惊喜和弦）。
- 一个惊人的转折：在一首歌曲（《Red Clay》）中，计算机对开头和弦提出了一个独特的解释，这与标准的人类分析不同。它认为这种奇怪的解释实际上是使用其库来解释音乐最高效的方式。这表明，有时，数学上最高效的解释对人类耳朵来说可能看起来很奇怪，或者它可能揭示出聆听音乐的新方式。
大局观
这篇论文认为，学习音乐不仅仅是记忆音符。它是建立一个可复用模块的心理库。当我们聆听爵士乐时，我们的大脑本质上在进行“库学习”：我们识别出特定的和弦组只是我们以前听过的“熟悉乐句”，这有助于我们更快、更省力地理解歌曲。
这个计算机模型证明，我们可以教机器做同样的事情：接收原始数据流，找出隐藏的、可复用的构建模块，并利用它们高效地解释整体图景。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。