Instrumento Audiovisual Inteligente

Intelligent Grafikton

Agenda• Introducción

• Objetivos

• Planteamiento del Problema

• Pianographique

• Aprendizaje por reforzamiento

• Algoritmos utilizados

• Conceptos Musicales

• Metodología

• Desarrollo– Espiral 1– Espiral 2– Espiral 3

• Resultados

• Conclusiones

• Recomendaciones

• Dudas y Preguntas

Introducción

• Masificación del uso de las computadoras

+Crecimiento

de la IA =

• La inteligencia Artificial

Robótica, sistemas expertos,

procesamiento de lenguaje y video juegos

• ¿Inteligencia Artificial y Música ?

Sistemas autónomos de Composición musical

Intelligent Grafikton

Objetivos

• Objetivo General

Diseñar e implementar un sistema inteligente y visualmente agradable que utilice el teclado y el mouse como dispositivos de entrada para proveer gráficos y sonidos de diversos instrumentos musicales y samples cortos de piezas según las preferencias del usuario.

Objetivos

• Objetivos Específicos

– Identificar y utilizar algoritmos que permitan la continua generación de usuario según sus preferencias.

– Identificar el algoritmo de aprendizaje que mejor se comporte ante las preferencias del usuario.

– Identificar y utilizar herramientas para la grabación de sonidos en formato de alta calidad.

– Grabar y clasificar sonidos según conceptos de teoría musical para la implementación del sistema.

– Identificar técnicas de síntesis de sonido que permitan la grabación digital del mismo.

– Identificar y utilizar herramientas y librerías para el desarrollo multimedia que permitan la implementación del sistema.

Planteamiento del Problema

• IA: robótica, sistemas de navegación autónoma y video juegos

• Pianographique: arte (música) e informática.

• IA y Música: sistemas algorítmicos para la composición musical como la Suite Illiac.

• Un estilo de Pianographique de conducta no determinística basada en las preferencias del usuario para generar nuevas formas musicales, compositores: usuario y maquina

• Esquematización del problema planteado

Pianographique• Autor: Jean Luque Lamarque, artista programador de

origen francés.

• Provee sonidos y gráficos de manera determinística haciendo uso del teclado y el mouse

Aprendizaje por reforzamiento

• Utilizado en casos donde es difícil determinar lo que debe hacer un programa para solucionar un problema: conjunto de entrenamiento.

• Interactúa un agente con su ambiente:

• Agente: el ente que realizará acciones y aprenderá una tarea determinada.

• Ambiente: conforma los estados donde puede encontrarse el agente en un tiempo t.

• Función de reforzamiento: retroalimentación con recompensas o castigos.

• Función Valor: “Cuán bien” es estar en un estado, o “cuán bien” es realizar una acción en un estado.

• Si un agente no es informado de sus recompensas y llega a un estado catastrófico ¿Cuál de todas la acciones que realizó lo llevo a este estado final?

– Programación dinámica:

• Si realizar una acción en un estado causa inmediatamente resultados inadecuados, la misma debe evitarse.

• Si toda acción en un estado causa resultados inadecuados, entonces debe evitarse dicho estado

• Iteración de valores

Algoritmos utilizados

1,max ttut xVuxrxV

: Factor que reduce la importancia de reforzamientos futuros para la actualización.

- Valor de estar en un estado x. Notación V(x)

- Matriz de Valores del algoritmo Iteración de Valores

Estar en el estado x1 vale

0,2

Encontrarse en el estado x2 vale 0,12. ¡ Estaba mejor en el estado x1 !

• Aprendizaje Q

Valor Q: Valor de realizar una acción u, encontrándose en un estado x. Notación: Q(x,u).

11,max,,

1

ttuttttuxQuxruxQ

t

- Matriz de Valores del algoritmo Iteración de Valores

Cuán bien es realizar la acción u7 en el estado x1

Cuán bien es realizar la acción u7 en el estado X2. ¡ Castigado !