Así quiere que las máquinas puedan ‘leer’ música este investigador informático español

Qué riqueza la de la escritura musical. Sobre un lienzo de cinco líneas bailan las notas con sus figuras, puntillos, pausas… Las claves marcan el arranque de un vaivén de acordes, compases, alteraciones… Qué distinta al lenguaje escrito, con su evidente estructura secuencial. Y cuando la música escrita viene del pasado, las diferencias se vuelven más patentes. Incluso existen tesoros que hoy nadie es capaz de descifrar. Piezas centenarias con una notación obsoleta e inescrutable; pero tan valiosa… Ese es el reto del investigador español Jorge Calvo, que está ‘enseñando’ a la inteligencia artificial a ‘leer’ música, del siglo que sea.

Llegó al reconocimiento óptico de música casi por casualidad, un campo que cuenta con solo un par de decenas de expertos a nivel mundial y, a pesar de su juventud, pronto se convirtió en un referente global en la materia.

El galardonado con el Premio Joven Investigador Informático de 2018, otorgado por la Sociedad Científica Informática de España (SCIE) y la Fundación BBVA, a sus 30 años puede enorgullecerse de una carrera prolífica en publicaciones (unos 30 artículos en revistas y 40 en congresos) y de contar con una plaza propia en la Universidad de Alicante. Allí es donde empezó su andadura, estudiando Informática. Pronto la investigación le despertó el ‘gusanillo’ y decidió hacer su doctorado.

Entró en un grupo de investigación especializado en música por ordenador. “Yo no sé de música”, reconoce a INNOVADORES. Tampoco las máquinas. Este campo, prácticamente inexistente en todo el mundo, le permitía trabajar en un aspecto de la música que no estaba estrechamente relacionado con la música. ¿Cómo? Utilizando ‘machine learning’ (aprendizaje automático, una rama de la inteligencia artificial) para desentrañar las partituras como si fueran imágenes. Como ahora todo es digital, parece lógico que Calvo se especializase en patrimonio antiguo, que añadía un grado mayor de dificultad a sus estudios.

“Hay mucha gente que trabaja en el tratamiento de imágenes de texto”, comenta. “El concepto es parecido, pero el lenguaje escrito no tiene nada que ver con la notación musical, mucho más compleja porque todos los conceptos se relacionan entre sí”, explica. Concluye: “En música tienes que estar atento a 40 cosas a la vez”.

Una visión diferente

Pronto, el joven español se hizo notar por su particular enfoque. Se dio cuenta de que sus colegas buscaban soluciones concretas a cada partitura. “El problema en los archivos musicales es que cada librito tiene su propia particularidad”, señala. Por tanto, los resultados de cada experto no podían reutilizarse por el resto. “Pensé que no se estaba haciendo ciencia en el sentido de construir algo en base al trabajo de otros”.

Encontró en el ‘machine learning’ la perfecta solución al problema. Corría el 2013, por aquel entonces la inteligencia artificial no era tan popular como hoy. Así estableció una nueva forma de ‘leer’ música, aunque al principio reconoce que le costó convencer a la pequeña comunidad científica que existía en torno al reconocimiento óptico de música. “La idea era rompedora en este campo y los revisores no la entendían”.

Hasta el momento, para reconocer una partitura, se dividía en etapas donde primero se buscaban los símbolos para después tratar de relacionarlos. Calvo se salta estas fases y las unifica en una única, “aún más general”. De esta forma, se puede replicar, aunque cambie la notación musical. “Intento que directamente el algoritmo me diga qué pone”, dice. Además, el sistema de aprendizaje automático aprende también las vinculaciones sin ser programado explícitamente para ello.

Y todo esto, ¿para qué? Calvo tiene en marcha un proyecto basado en su investigación que consiste en transcribir de imagen a formato digital patrimonio hispánico a partir del Renacimiento. “La notación musical que usamos ahora no tiene nada que ver con la del pasado”, puntualiza. En España, la música se hacía de una manera determinada, tan peculiar que hoy “tenemos mucho patrimonio que la comunidad no ha estudiado en profundidad porque es diferente”. Es decir, que no hay expertos y, por tanto, esas partituras hoy no dicen nada.

“Con inteligencia artificial podemos desenterrar un montón de patrimonio en España y América”. Para, por ejemplo, conocer el origen de los cancioneros populares. Para conseguirlo, se estudiará un archivo concreto en Valencia. “Si es exitoso, lo replicaremos a otros lugares”.