UNIVERSIDAD

NACIONAL AUTNOMA DE MXICO

FACULTAD DE MSICA

Mquinas Sonoras:
Aplicaciones de las ciencias de la complejidad a la
creacin musical y sonora


Tesis
Que para obtener el ttulo de
Licenciado en composicin

Presenta

Aarn Arturo Escobar Castaeda
Asesor: Dr. Felipe Lara Rosano



Ciudad de Mexico, Junio 2016

Agradecimientos




Primero quiero expresar mi ms profunda gratitud a mi familia: Pilar, Arturo,
Luanne, por el apoyo incondicional que desde el inico de mi carrera como
compositor me han brindado. Agradezco especialmente a mis padres por ser
increiblemente amorosos y alentadores, en los momentos ms dificiles, por
permitirme la libertad de ser yo mismo: por dejarme aprender,
desarrollarme y fortalecer mi vida a travs de la msica.
Quiero agradecer ampliamente a mi asesor de tesis, l Dr. Felipe Lara
Rosano, quien despert en mi el inters por los sistemas complejos y sin
cuyo apoyo, perspicacia, comentarios y meticulosa correccin, esta tesis no
habra sido realizable.
Esta tesis no hubiera sido posible sin la ayuda y la influencia de muchos
individuos, msicos, investigadores y teorcos, cuyos textos, ideas,
planteamientos y proyectos artsticos me permitieron articular esta tesis.
Quiero agradecer especialmente a los amigos y compaeros que han estado
conmigo, acompandome durante este largo proceso.
Finalmente agradezco a la vida que ha puesto en mi camino a una gran
persona que me acompa detrs de este arduo trabajo y que siempre ha
credo en m. Quiero darte las gracias por tu inigualable agudeza, comentario,
lectura, sugerencia y crtica que me ayudaron para concluir este trabajo.
Muchas gracias Rossana.

Contenidos

Introduccin

Captulo 1. Estado del arte

1.1 El arte generativo como base de sistemas de creacin 1

Captulo 2. Ciencias de la complejidad, msica y arte sonoro

2.1 Definicin y orgenes de las ciencias de la complejidad 16
2.2 Ciencias de la complejidad y arte generativo. Procesos
y proyectos actuales de creacin sonora y
musical 19
2.3 Tipologa de las mquinas sonoras 21
2.3.1 Mquinas teleolgicas


24
2.3.2 Mquinas autnomas

25

2.3.3 Mtodos/algoritmos evolutivos (sistemas

biolgicos emergentes)

30

2.3.4 Sistemas que aprenden

33

2.3.5 Estructura lingstica o gramtica 35

2.3.6 Sistemas interactivos/conductuales 37
2.3.7 Modelos basados en agentes
autnomos-inteligentes

44

2.3.8 Mquinas heternomas

51

2.3.9 Mquinas deterministas

52

2.3.10 Mquinas estocsticas/indeterministas

55

2.3.11 Sistemas basados en el conocimiento

55

ii

2.3.12 Composicin algortmica asistida por

computadora

58

2.3.13 Procesos de toma de decisin no-determinista 59

2.3.14 Sistemas Hbridos

63

Captulo 3. Mapeo de datos como tcnica de composicin

musical y sonora

65

3.1 Criterios estticos en las tcnicas del mapeo de datos 66
3.2 Crtica de las prcticas de creacin musical y sonora
vinculadas a las tcnicas de mapeo y la cientifizacin
del arte

75

Captulo 4. Mquinas Sonoras: sistema interactivo emergente

4.1 Antecedentes del proyecto



81
4.2 Sistema sonoro interactivo emergente basado en agentes 85
4.3 Caractersticas estructurales


89
4.4 Anlisis de las variables del sistema


93
4.5 Momentos sonoros diferenciables en las mquinas
sonoras





96
4.6 El papel del compositor/improvisador(es)/ingeniero
de audio dentro del sistema interactivo

98
4.7 Diagnstico del sistema



99

Conclusiones





103

Bibliografa

iii

107

Introduccin






La msica concebida en el mbito musical acadmico posee una
serie de procedimientos estructurales y organizacionales comunes que la
hacen reconocible a una escucha perteneciente a estas prcticas. Si dichos
procedimientos son manejados no desde un enfoque musical tradicional,
sino desde un enfoque de sistemas complejos (que concibe cualquier
organizacin como sistema y considera fenmenos como la emergencia de
propiedades cualitativas y cuantitativas a partir de la interaccin entre los
agentes de un sistema), qu tipo de msica, arte o expresin sonora
resultara?
En esta tesis se plantea que los diferentes enfoques de las ciencias
de la complejidad por su carcter interdisciplinario, son capaces de crear
propuestas artsticas y ms especficamente sonoras y musicales que pueden
ser muy innovadoras, desde el planteamiento conceptual, la exploracin y
complejidad tcnica hasta el resultado final de la obra. El inters de esta
tesis radica en investigar cmo las ciencias de la complejidad han permeado
en la msica y la exploracin del sonido en los ltimos cincuenta aos.
Asimismo, se propone investigar y teorizar cmo el arte generativo ha
estado presente a lo largo de la historia del arte y ms especficamente en la
msica, de modo que dicha aproximacin me permita plantear un trabajo
creativo y reflexionar cmo ste se posiciona histrica y estticamente

iv

frente a prcticas basadas en el enfoque de las ciencias de la complejidad y

arte generativo, partiendo de un mapeo general de stas.
La tesis plantea a grosso modo un recorrido histrico alrededor de
expresiones musicales de occidente que pueden entenderse desde los
conceptos de las ciencias de la complejidad, a los que se asocia el arte
generativo, y que han sido empleados de alguna manera para crear obras o
sistemas artsticos en el ltimo milenio. Comenzando con ejemplos de Guido
dArezzo hasta llegar a la dcada de los 90s y los 2000s donde ha habido un
fuerte nfasis en varias disciplinas artsticas por emplear los diferentes
enfoques de las ciencias de la complejidad sin necesariamente nombrarlo
as. Despus se analizan y discuten algunos proyectos sonoros relacionados
con las ciencias de la complejidad en los ltimos 60 aos. Se propone el
concepto de mquina sonora, as como una propuesta tipolgica de las
posibles subdivisiones de las mismas a partir de tres categoras primarias:
mquinas autnomas, mquinas heternomas y mquinas hbridas.
Adicionalmente la tesis presenta de manera amplia una discusin
ms terica sobre algunas tcnicas de mapeo que son usadas por los
artistas/ compositores/programadores para mostrar las dimensiones sonoras
de su sistema. El mapeo de datos es fundamental en este punto ya que de
esta prctica se desprende el resultado final de la obra quin y qu
determina la esttica y el mapeo de los datos producidos dentro de un
sistema complejo o generativo, qu tipo de datos son los que se toman en
cuenta y cules son los que quedan fuera, cmo se toman estas decisiones y
de qu forma afectan al resultado final? Estas preguntas sern contestadas a
partir del anlisis de un conjunto de obras vinculadas a la composicin
musical y el arte sonoro.
Adems de esto, se discuten las ideas de obra acabada y obra en
proceso, as como algunas posturas que hay alrededor de la cientifizacin

del arte. Se plantean preguntas sobre el estatus de la obra de arte dentro

de las prcticas estticas ligadas a la ciencia, donde se discute la idea de
justificar un trabajo creativo principalmente a travs del cdigo y procesos
de programacin o la conceptualizacin de la obra. En contraste con lo
anterior se defiende la prctica de un arte de carcter ms exploratorio,
perceptivo o sensitivo a la escucha y las problemticas artsticas actuales que
esto implica.
Finalmente, partiendo de una obra propia, derivada de esta
investigacin, la cual titul mquinas sonoras: sistema interactivo emergente,
se aplican algunos de los conceptos de las ciencias de la complejidad como la
emergencia, adaptacin, iteracin, realimentacin y autorganizacin a la
construccin de entidades sonoras autnomas (mquinas sonoras) capaces
de interrelacionarse, modificarse a s mismas y entre ellas, para finalmente
modificar el entorno acstico de un espacio que al mismo tiempo las est
modificando. El sistema es capaz de generar propiedades emergentes en el
medio donde interacciona, causando el surgimiento de patrones ntegros
relacionados que pueden resultar en algo muy interesante.

vi

Captulo 1
Estado del arte

1.1 El arte generativo como base de sistemas de creacin

S bien a lo largo de la historia la msica ha pasado por mltiples y

diversos sistemas de creacin, la mayor parte de la composicin tendra en

comn principios generativos que ayudan a dar forma y sentido a las ideas
que el compositor deposita en su msica, adems de agilizar sus procesos de
creacin. Sin embargo, esta introduccin sobre la msica generativa no
pretende describir todos estos sistemas, sino ms bien rastrear la historia y
los orgenes de la creacin musical basada en sistemas generativos dotados
de un cierto grado de autonoma y azar. Lo que intento realizar es vislumbrar
las formas en que la composicin occidental se ha visto permeada por varios
de los enfoques que las ciencias de la complejidad han retomado y que
1

pueden ser muy innovadores.

Comencemos por una definicin de sistema y arte generativo. La
palabra sistema proviene del griego systema que a su vez se deriva de
synistemi que significa: conjuntar, mezclar, organizar. Un sistema es un
conjunto de componentes donde cada elemento est relacionado al menos
con algn otro y la manera cmo un elemento afecta el todo depende de al
1

Galanter, P., What is Generative Art? Complexity Theory as a Context for Art Theory,
Generative Art Proceedings, Miln 2003, p. 4.

menos algn otro elemento. El arte generativo est basado en procesos

lgicos y algortmicos definidos por el artista-programador a partir de una
serie de reglas automatizadas y ejecutadas por una mquina o cualquier otra
invencin regida por un procedimiento determinado. Segn Philip Galanter,
se entiende por arte generativo a cualquier prctica artstica en la que el
artista usa un sistema, tal como las reglas de una lengua natural, un
programa informtico, una mquina o cualquier otra invencin regida por un
determinado procedimiento, que se inserta en un mecanismo dotado de
algn grado de autonoma que contribuye a la creacin de un trabajo
3

artstico completo.
Los procesos de arte generativo a travs de la historia del arte han
sido parte del imaginario creador para muchos artistas. Cabe destacar que
4

actualmente se entiende por msica algortmica o generativa a las prcticas

de creacin que parten del uso de la computadora y sistemas automatizados.
Galanter llega a la conclusin de que el arte generativo es tan antiguo como
el mismo arte. Por s misma la composicin musical es un proceso generativo,
si partimos de la idea de establecer un sistema determinado para ajustarse a
l lo mejor posible. La composicin musical siempre ha estado orientada
por el pensamiento computacional del compositor, algunas veces an ms
5

que por la relacin tradicional con la inspiracin.

Asimismo, el acto de la escucha parte por un lado, de la inmediata y
placentera experiencia sonora y por el otro, de la creacin de expectativas,
2
3
4

Edwards, M., Algorithmic Composition: Computational Thinking in Music,

Communications of the ACM, Vol. 54 No. 7, pp. 58-67
Galanter, P., What is Generative Art? Complexity Theory as a Context for Art Theory,
Generative Art Proceedings, Miln 2003, p. 4.
Aunque hay ms de un punto de vista sobre si la msica algortmica o generativa son
diferentes, en la tesis tomar a estos dos trminos como iguales partiendo de la
definicin de Galanter del arte generativo.
Edwards, M., Algorithmic Composition: Computational Thinking in Music,
Communications of the ACM, Vol. 54 No. 7, pp. 58-67

posibilidades y asociacin a travs de la cognicin musical (la memoria, la

retencin). En palabras del musiclogo Erik Christensen La retencin de la
memoria de corto plazo permite la experiencia coherente de entidades
musicales, que se comparan con otros eventos del flujo musical; la
comparacin consciente o inconsciente con la experiencia musical anterior
se almacena en la memoria a largo plazo, y la creacin continua de las
6

expectativas de los prximos eventos musicales. Las cualidades de la

7

cognicin musical y el pensamiento computacional del compositor , son las

que han posibilitado el desarrollo de la estructura formal y que por los
ltimos mil aos han sido parte, por lo menos, de la tradicin musical
occidental. Al respecto Ligeti seala:

Debido a que espontneamente comparamos cualquier
nueva caracterstica que aparece en la conciencia con las
caractersticas ya experimentadas, y desde esta comparacin
construimos conclusiones sobre las prximas caractersticas,
podemos pasear por la estructura musical como si su
construccin estuviera presente en su totalidad. La interaccin
de la asociacin, la abstraccin, la memoria y la prediccin son
el prerrequisito para la construccin de redes de relaciones
8

que hacen la concepcin de la forma musical posible.

6
7

Christensen, E., The Musical Timespace, a Theory of Music Listening. Aalborg University
Press, Aalborg, Denmark, 1996.
Por ejemplo, las diferentes estructuras clsicas en el mbito formal (ABA, ABACA,
ABCBA, ect); las tcnicas empleadas en el isorritmo; las estructuras armnicas
tradicionales; las tcnicas de la inversin, retrogrado, retrogrado invertido, transposicin,
etc.
Ligeti, G., ber form in der neuen musik, Darmstdter Beitrge zur neuen Musik 10
(1966), pp. 2335.

Guido d'Arezzo en la era medieval cre el innovador sistema de

teora musical micrologus de disciplina artis musicae, adems fue un
pionero en el campo de la composicin algortmica ya que cre un mtodo
para la conversin automtica de textos en frases meldicas, as como el
9

sistema de la mano guidoniana basado en el mtodo mnemotcnico para

ayudar a los cantantes en la lectura a primera vista y para recordar los
nombres de las notas musicales que son mapeadas en los dedos de las
10

manos.
Un ejemplo temprano de msica creada con un sistema
determinista basada en el propio clculo estructural del compositor es ma
fin est mon commencement (mi fin es mi principio) de Guillaume de Machaut
(c. 1300 1377). En esta obra encontramos un palndroma musical o un
canon retrgrado construido por tres voces, en donde el triplum y el cantus
(el primer contrapunto y el canto firme) comparten una misma meloda,
cantada en direcciones contrarias que se cruza a la mitad de la misma,
mientras una voz comienza con el principio la otra comienza con el final y
viceversa. La parte del tenor (segundo contrapunto o bajo) al doble de
tiempo la mayor parte de las veces, tiene su propia meloda en donde
Machaut utiliza una estrategia diferente ya que a la mitad de la pieza
invierte la direccin de la meloda, creando un espejo de s misma. Justo en
el comps veinte es donde las tres voces convergen en un unsono para
despus continuar de manera invertida. A pesar de haber analizado y tener
en mente la estructura de la obra resulta muy difcil percibir en una o varias
audiciones la estrategia composicional que Machaut emplea, sta slo se

9
10

Sistema de memorizacin que ayuda a recordar fragmentos largos de informacin,

especialmente en forma de listas, nmeros, letras, etc.
Nierhaus, Gerhard, Algorithmic Composition, Germany, SpringerWien NewYork, 2009, p.
1

aprecia al analizar la partitura o el texto que al mismo tiempo describe la

estructura de la obra.
11

Las fugas y los cnones de J.S. Bach pueden ser considerados

tambin como arte generativo, en el sentido de que existe un estricto
proceso formal en la organizacin del material musical y en las exposiciones
de los temas empleados por el compositor.
Otro ejemplo que podemos citar de msica generativa es el Wrfel-
12

Menuet (minueto de un dado) que Johan Philipp Kirnberger (1721 1783)

cre en 1757. En esta obra Kirnberger crea noventa y seis motivos musicales
de un comps que se distribuyen en cuatro voces, los motivos estn
colocados horizontalmente en una tabla de ocho filas que corresponden a
los ocho compases de la primera seccin, verticalmente se encuentra el
valor del dado (del uno al seis) que podra salir en la tirada, de modo que al
tirar el dado el resultado determina el nmero del comps a elegir en cada
una de las ocho tiradas. En la segunda seccin se repite el mismo
procedimiento. Sin escuchar ni analizar la forma en la que los compases
estn distribuidos en la tabla, podramos imaginar que la pieza caera en el
caos absoluto pero no es as, ya que al analizar el proceso que Kirnberger
propone, encontramos que cada una de las filas coresponde a una seccin
armnica de modo que al tirar el dado las opciones posibles sean
congruentes con el discurso armnico y meldico del minuet.
Posteriormente en 1787 Mozart retoma este principio compositivo y crea su
propia versin Musicalisches Wrfelspiel KV516 (juego de dados musical), las
diferencias de esta obra son que l usa el vals en vez del minuet, agrega el
uso de dos dados y compone 176 compases musicales distribuidos en dos
11
12

Por ejemplo, los canones BWV 1087.

Kirnberger, Johann Philipp, Wrfel-Menuet (score), Extrado de
http://conquest.imslp.info/files/imglnks/usimg/e/e2/IMSLP121713-WIMA.2ba3menuet.pdf

voces. Todo este sistema genera de acuerdo a datos obtenidos por el IIMAS
13

de la UNAM 45,949 billones de posibles valses, lo que equivale a 728

14

millones aos de ejecucin continua si cada vals durara treinta segundos.

En estos dos ejemplos podemos encontrar sistemas de composicin que
parten de la organizacin y la desorganizacin coexistiendo al mismo tiempo.
Por un lado estn los compases musicales definidos por un sistema
altamente riguroso (la tonalidad) y por el otro, un sistema aleatorio al usar
los dados.
Un sistema importante de composicin que surge a principios del
siglo XX que rompe por completo el sistema tonal en la msica acadmica es
el serialismo (o dodecafonismo) de Arnold Schoenberg. Este sistema
altamente riguroso propone el uso indiscriminado de los doce sonidos de la
escala cromtica haciendo a un lado el sistema jerrquico tonal en donde
siete sonidos gravitan alrededor de uno. Schoenberg prohbe con este
sistema usar una nota ms que otra, de manera que todas participan en
igual medida como en un sistema democrtico. Esto lo lleva a estructurar
series de doce sonidos en cualquier orden elegido, generando as una
secuencia original que despus poda ser modificada a travs de las
operaciones de retrogrado, inversin, retrogrado invertido y transponerse a
cualquier intervalo, por lo que se pueden obtener hasta 48 versiones
15 16

diferentes de la serie original. Posteriormente Schoenberg y sus alumnos,

entre ellos Berg y Webern extendieron las reglas del sistema serial
13

14
15
16

Facundo, Mirtha, Juego musical de dados de Mozart, Extrado de http://www.jmusic.es/FileUpload/articulos/gen014-ARTICULOJuego_Musical_de_dados_de_Amadeus_Mozart_j-m.pdf

Un programa basado en [[LilyPond]] que genera Valses y Contracadencias
https://rbnrpi.wordpress.com/2013/08/29/mozart-kv516-f-musical-dice-game
Los doce sonidos de la escala cromtica multiplicados por la secuencia original, el
retrogrado, la inversin y el retrogrado invertido.
En las variaciones para orquesta op. 31 (1928) Schoenberg emplea de manera amplia
esta tcnica.

abandonando las reglas clsicas que prohiban alterar la serie original. Fue
as que Oliver Messiaen radicaliz el sistema serial en su tratado Technique
de mon langage musical donde integra la serializacin de ms elementos
17

musicales como alturas, ritmo, dinmica, registro y ataques. Ms adelante

compositores como Stockhausen, Nono, Boulez y Babbitt popularizaron la
tcnica del serialismo. El serialismo fue cuestionado ampliamente por
crticos y compositores por sobrepasar las capacidades comunes de la
percepcin. El serialismo para Lvi-Strauss no puede operar como un
lenguaje comunicativo porque carece de un nivel de articulacin primario
(que es proporcionado en la msica tonal, por ejemplo, por las relaciones
jerrquicas entre las clases de altura en la escala diatnica) necesario para
18

establecer y definir las expectativas del escucha. Nicolas Ruwet desde la

lingstica estructural ha sealado las dificultades que obstaculizan percibir
las relaciones de la msica serial. La serializacin de todos los elementos
musicales que muchas veces carecen de redundancia reta al oyente a ir
ms all de sus concepciones tradicionales para sumergirse en un mundo
sonoro donde la percepcin, lejos de poder comprender principios
sintcticos inherentes a la obra, tiene que cooperar activamente en la
19

construccin de una coherencia musical.

Alternativamente mientras el serialismo estaba en apogeo, John
Cage por su cuenta trabajaba con su amigo, el pianista y compositor David
Tudor la obra de Music of Changes en 1951, basada en sistemas
completamente indeterminados. El proceso de composicin estaba regido
por decisiones tomadas con base en el I Ching (un antiguo texto chino de
17
18

19

Un ejemplo interesante de serialismo integral es Mode de valeurs et d'intensits de

Messiaen
Griffiths, Paul, "Serialism." Grove Music Online. Oxford Music Online. Oxford University
Press, accedido 13 de Febrero, 2015,
http://www.oxfordmusiconline.com/subscriber/article/grove/music/25459.
Ibid

adivinacin). El proceso de composicin seguido por Cage consiste en usar

un sistema de tablas con diferentes elementos musicales de ocho por ocho
celdas, para coincidir con los 64 hexagramas del I Ching. El I Ching es
consultado para definir el evento sonoro o el silencio, la duracin, la
dinmica y la densidad polifnica de la pieza, de acuerdo con las tablas de
los respectivos materiales musicales. Adicionalmente para incluir nuevos
materiales Cage recurre a tablas que pueden alternar entre estados mviles
e inmviles, de manera tal que cuando una clula particular es usada su
20

contenido es inmediatamente remplazado por algo nuevo.

Cage define la cualidad de la indeterminacin en la msica como un
elemento que puede hacer que una misma pieza sea necesariamente nica
en cada interpretacin, el papel del interprete es determinante para darle a
21

la pieza la continuidad morfolgica y el contenido expresivo.

En el arte de la fuga, la estructura, la cual es la divisin
del todo en partes; el mtodo, el cual es el
procedimiento de nota-a-nota; y la forma, el cual es el
contenido expresivo, la morfologa de la continuidad,
estn todas determinadas. Las caractersticas de la
frecuencia y la duracin del material tambin estn
determinadas. Las caractersticas del timbre y la amplitud
del material al no estar dadas, son indeterminados. Esta
indeterminacin, trae consigo la posibilidad de una
autentica estructura armnica y rango de decibelios para
22

cada interpretacin del Arte de la fuga.

20
21
22

Pritchett, James, The Music of John Cage. Cambridge University Press, 1993, pp. 79-83
Cage, John, Silence, Middletoen Wesleyan University Press, 1973, pp 35
Ibid

Tanto Cage como Xenakis buscan abordar el sonido basndose en

sistemas que no parten del determinismo musical tradicional. Los dos parten
de un proceso generativo, cuestionan los mtodos convencionales de la
organizacin sonora y buscan un cambio de paradigma, pero ambos se
aproximan mediante diferentes mtodos para resolver el problema. Por un
lado, Cage busca romper y liberarse de sus referentes composicionales y
crear algo realmente innovador. Al Deconstruir las lgicas estructurales de la
msica usando un mtodo anti-racional o al alejarse completamente del
mbito cientfico, es que logra valerse de reglas que el mismo elige de
manera aleatoria para crear una msica sin precedentes, una msica
completamente creada partiendo del azar. A pesar de las crticas, Cage lo
arriesga todo para encontrar el procedimiento adecuado y resolver el
problema de cmo organizar el sonido sin partir de sistemas musicales
conocidos y finalmente lo logra creando ms de un centenar de obras
producidas bajo este esquema. A su vez, Xenakis en su pensamiento racional
busca disgregarse de la linealidad del pensamiento musical. Xenakis en
comparacin con Cage parte de las ciencias, ...estaba guiado por una
concepcin estadstica de sonoridades complejas, generando lo que
23

eventualmente llamara msica estocstica . A travs de su formacin

como arquitecto, matemtico y compositor, es que propone que el
desarrollo temporal de un sistema estocstico puede ser analizable en
trminos de probabilidad. La estocstica puede concebir macro-estructuras
tales como gases, nubes o galaxias en su totalidad, pero la cantidad de
elementos que comprende es tan grande que su conducta interna no puede
ser determinada. Paralelamente, la masificacin de las vas de comunicacin
dio lugar a que la tecnologa desarrollara una base terica que permitiera

23

Harley, J., Xenakis, his life in music, New York and London, Routledge, 2004, p. 11.

analizar el flujo de datos de forma sistemtica. Claude Shannon y Warren

Weaver desarrollan la teora de la informacin o la teora matemtica de la
comunicacin, que propone realizar anlisis y procesamientos de
informacin a travs de canales de comunicacin determinados para
cuantificar y optimizar la transmisin de los mensajes. Esta teora signific
un cambio de paradigma para muchas disciplinas a lo largo de 1950, y
permite en el campo de las artes comprender el complejo mundo de la
transmisin de informacin e incorporarlo en su pensamiento. Para Xenakis
la percepcin humana solo puede comprender los contornos globales de
sonoridades complejas, e intenta aplicar procesos de la teora de la
informacin (como los de Claude Shannon) para describir pasajes de
24

informacin a travs de los canales de comunicacin.

...gracias a la complejidad, la estricta causalidad
determinista que los neo-surrealistas postularon se perdi,
entonces era necesario reemplazarla por una causalidad ms
general, por una lgica probabilstica que contendra la
causalidad serial estricta como un caso particular Esta es la
funcin de la ciencia estocstica [los] estudios
'Estocsticos' las leyes de los nmeros largos las leyes de
eventos extraos, los diferentes procedimientos aleatorios,
etc... son las leyes de un pasaje que va del completo orden al
25

desorden total en un continuo o de manera explosiva.

Notablemente los procesos compositivos se ven permeados por la
creciente complejidad del enfoque ciberntico que tiene como objetivo el
24
25

Idem. pp. 12-13.

Xenakis, Iannis Formalized music, NewYork, Pendragon Press, 1992 pp 8-9.

10

control y la comunicacin del ser humano, los animales y las mquinas que
son sistemas abiertos que se autorregulan frente a la realidad cambiante
adecuando su comportamiento para lograr sus objetivos. Es desde esta
creciente complejidad que la tecnologa y ms especficamente la creacin de
software generan nuevos mtodos de composicin que son asistidos
directamente por la computadora. Lajaren Hiller fue un pionero en el uso de
sistemas de composicin asistida por computadora. En 1956 Hiller y Leonar
26

Isaacson con la ayuda de la computadora ILLIAC generan composiciones en

diferentes estilos musicales. En sus experimentos emplean la programacin
de reglas tales como lo que est permitido, lo que est prohibido, lo que es
requerido, reglas de polifona, estructuras, tcnicas seriales, cadenas de
Markov y secuencias de parmetros aleatorios dependientes para
posteriormente organizar los eventos con procedimientos de azar. El trabajo
con procesos algortmicos les permiti componer Iliac Suite para cuarteto de
cuerdas, que es considerada como la primer obra compuesta completamente
27

con la asistencia de una computadora. Un pionero en la msica creada por

computadora, Gottfried Michael Koening, elabora en 1963 Projekt 1 un
software de composicin basado en el pensamiento serial de Shoenberg y en
generadores de procedimientos aleatorios, con la idea de ayudar resolver
problemas de anlisis musical y composicin. Inspirado en los sistemas
musicales de Hiller, John Cage crea junto con l en 1969 la obra HPSCHD,
para siete clavecines amplificados y 208 pistas generadas por
28

computadora para una y hasta 52 mquinas monoaurales amplificadas.

Los clavecinistas interpretan aleatoriamente la msica de compositores como
26
27
28

Computadora automtica de Illinois. Fue una serie de cinco supercomputadoras

construidas a lo largo de los 50s y 70s en varias universidades de Estados Unidos.
Supper, Martin. A few remarks on algorithmic composition. Computer Music Journal 25,
1 (2001), 4853.
Cage, Hiller, Program for the premiere performance of HPSCHD at University of Illinois,
1969.

11

29

Mozart , Beethoven, Chopin, Schumann, Gottschalk, Busoni, Schoenberg,

Cage y Hiller. Las particellas fueron creadas con el lenguaje de programacin
Fortran (Formula Translating System) empleando los hexagramas del I Ching
a partir de los cuales recombinan los materiales musicales. La premiere de la
obra que dur cerca de cinco horas fue concebida como una
experiencia multimedia altamente inmersiva; ya que cada clavecn estaba
amplificado, haba 52 canales monoaurales dispersos en el campus de la
universidad de Illinois, acompaados por una serie de 6400 diapositivas y 40
pelculas tomadas de la NASA, proyectadas en 64 proyectores.
Posteriormente la atencin de muchos artistas se vio enfocada en el
uso del bio-feedback; que es una tcnica que permite monitorear y regular
en tiempo-real los mecanismos biolgicos de un ser orgnico mediante
sistemas de realimentacin. Los datos recogidos del monitoreo son
trasladados a manifestaciones visibles o audibles a partir de las cuales se
detectan funciones biolgicas en el individuo analizado. En el campo del arte
sonoro y la msica, Alvin Lucier es pionero en el uso del bio-feedback con su
obra Music for Solo Performer (1965). A travs de un estado de meditacin
profundo Lucier es capaz de emitir ondas alfa a un electroencefalograma,
unos amplificadores se encargan de enviar las seales a varias bocinas que
estn pegadas boca abajo a las membranas de diferentes instrumentos de
percusin produciendo golpes y vibraciones constantes. Eaton plantea que a
travs del monitoreo de seales elctricas emitidas por el cerebro,
podemos acumular una gran cantidad de informacin acerca del estado de
la consciencia la actividad mental, la percepcin [de estmulos] de audio y
video, y el estado emocional del sujeto. A travs de la estimulacin sensorial

29

El juego de dados musical de Mozart fue por cierto una de las obras interpretadas en
HPSCHD.

12

y elctrica en ciclos de realimentacin en tiempo-real, podemos llegar a

30

controlar estos estados.

Los estudios sobre gramtica generativa de Noam Chomsky los
cuales proponen la formalizacin del lenguaje para generar oraciones sirven
como base para que el botnico Aristrid Lindenmayer desarrolle en 1968 sus
L-systems (sistemas de Lindenmayer) para modelar el crecimiento de algas.
Los L-systems son generados por medio de la iteracin recursiva de reglas
relativamente sencillas que generan resultados emergentes altamente
complejos, estas caractersticas son capaces de generar estructuras
autopoiticas o auto-similares. A partir de los aos 80s los artistas comienzan
a mostrar inters por estas formas sistmicas para crear proyectos noveles
generados por macro-estructuras autopoiticas. En msica se han utilizado
los L-systems no solo para generar estructuras sino tambin para la
parametrizacin de los componentes musicales.

3132

En 1981 encontramos los EMI (Experiments in musical intelligence),

experimentos basados en sistemas de inteligencia artificial musical de David
Cope; l desarrolla un programa basado en estrategias complejas de
recombinacin capaz de realizar anlisis complejos de un corpus musical
para abstraer el estilo de varios compositores y crear nuevas
composiciones a partir del mismo estilo analizado. Por medio de la
transformacin parcial y la recombinacin del corpus analizado logra realizar
composiciones en el estilo de Vivaldi, Bach, Mozart, Beethoven, Messiaen,
entre otros. Ms adelante crea una interfaz interactiva llamada Emily Howel
basada en EMI, la cual es capaz de generar sus propias composiciones en su

30
31

Eaton, L. Manford, Bio-Music, Something Else Press, 1973. pp. 7-8.

Supper, Martin. A few remarks on algorithmic composition. Computer Music Journal 25,
1 (2001) p. 50.
32 Nierhaus, Gerhard, Algorithmic Composition, Germany, SpringerWien NewYork, 2009, p.
138.

13

propio estilo musical, a travs del aprendizaje y la retroalimentacin que

recibe de su creador. En 2010 Emily Howel logr sacar su primer disco
33

integrado de composiciones para orquesta de cmara y mltiples pianos.

Otras prcticas en los aos 80s y 90s de msica generativa creada
con plataformas basada en sntesis de audio en tiempo-real y lenguajes de
programacin dinmicos como SuperCollider, Pure Data, Processing, IxiLang,
OpenFrameworks, Max/MSP etc, han sido parte de una nueva era en la
creacin musical, la investigacin acstica, la msica algortmica y la
34

programacin interactiva. La facilidad de acceso y adquisicin a estos

lenguajes de programacin han significado un cambio de paradigma
grandsimo respecto a las formas antiguas en los aos 60s de
procesamiento y generacin sonora, en donde los compositores tenan que
recurrir a un laboratorio de sonido en alguna universidad y esperar das
enteros para poder escuchar los resultados del procesamiento sonoro.
Courtis Roads se pregunta si actualmente nos encontramos en la poca
dorada de la creacin musical por computadora, y al respecto piensa que
solo el tiempo lo podr decir y que nos falta un gran camino por recorrer. Lo
que s es un hecho es que el tiempo requerido para el de procesamiento de
informacin y datos sonoros se ha acortado impresionantemente en los
ltimos 10 aos con los avances de la nano-tecnolga implementada en los
microchips de las computadoras.
Prcticas que priorizan la creacin de msica generativa en tiempo
real como el live-coding se enfocan en la construccin de sistemas
interactivos que puedan ser manipulados y reprogramados en vivo on-the-
fly. En este tipo de prcticas con sistemas interactivos el gesto de la
intervencin humana est casi siempre presente en el proceso haciendo uso
33 Idem. p. 123.
34 Wilson, Scott; Cottle, David; Collins, Nick, The SuperCollider Book. The MIT Press, 2011.

14

de interfaces de comunicacin entre el mundo real y la mquina. Por lo

tanto, carece de un carcter puramente automatizado, que permite
intervenir en tiempo-real al sistema generativo con el que se est trabajando.
Finalmente en la dcada de los 90s y los 2000s ha habido un
tremendo boom en el campo de las artes visuales y la msica por el uso de
los diferentes enfoques de las ciencias de la complejidad; la teora general de
sistemas, la ciberntica, la teora de los sistemas adaptativos complejos, la
teora de los sistemas no lineales, la teora de los sistemas auto-organizados,
la teora de redes, la teora del caos, la geometra fractlica, entre otros, y las
caractersticas de un sistema; las propiedades emergentes, la auto-
organizacin, la segregacin, la realimentacin, la homeostasis, el
aprendizaje, la adaptacin, la evolucin, la resiliencia, etc.
Como hemos visto a lo largo de este breve repaso histrico, el arte
de la complejidad en la msica ha estado presente por lo menos en el ltimo
milenio de la tradicin musical occidental en mayor o menor medida. Lo que
procede a continuacin en esta tesis es analizar, cuestionar y criticar obras
contemporneas basadas en el enfoque de las ciencias de la complejidad
para vislumbrar cmo es que dicho enfoque es entendido actualmente y
cules son las implicaciones y las nuevas aportaciones que se han realizado
teniendo el marco histrico anterior como principal referencia.

15

Captulo 2
Ciencias de la complejidad, msica o arte sonoro

2.1 Definicin y orgenes de las ciencias de la complejidad: Contexto
histrico

Qu son las ciencias de la complejidad? Cientficos de todo el
mundo han trabajado ms o menos desde hace 50 aos con temas
relacionados con las ciencias de la complejidad (aunque no lo llamen as, ya
35

que no hay un consenso sobre cmo definir un sistema complejo). En 1948

el cientfico americano Weaver W. escribi un texto de divulgacin cientfica
llamado Ciencia y complejidad en el que dice que antes del siglo XX la ciencia
estaba bsicamente preocupada en problemas relativamente simples de dos
variables como la temperatura y la presin; la poblacin y el tiempo; la
36

produccin y el comercio, etc. A partir del siglo XX la ciencia desarroll

herramientas estadsticas y de probabilidad que permitieron modelar
problemas con un gran nmero de variables. Despus se comenz a notar
que los problemas sociales y naturales no son solo simples ni de promedios
estadsticos, sino que son sistemas que exhiben una complejidad altamente
organizada y no cumplen con los supuestos bsicos de los modelos
35
36

Seth Lloyd. Measures of complexity: a nonexhaustive list. IEEE Control Systems. Aug; 21
(4): 78
CEPAL Charlas Sobre Sistemas Complejos Sociales (CCSSCS): serie de 9 videos en lnea
sobre la ciencia de los sistemas complejos sociales;
http://www.martinhilbert.net/CCSSCS.html

16

anteriores ...tratando simultneamente con un nmero considerable de

factores los cuales estn interrelacionados en un todo orgnico... no pueden
ser trabajados con tcnicas estadsticas tan efectivas para describir un
comportamiento promedio...

37

. Lorenz Edward, por ejemplo, al estar

trabajando con la relacin no lineal de la velocidad del viento, la presin

atmosfrica y la temperatura, se dio cuenta no solo de la precariedad de los
modelos estadsticos tradicionales, sino descubri que al introducir ligeros
cambios al modelo, se producan resultados completamente diferentes. Esto
lo llev a plantear la teora del caos, la cual sintetiza con la pregunta: El
aleteo de una mariposa en Brasil puede originar un tornado en Texas? La
teora del caos dice que los sistemas dinmicos son altamente sensibles a las
condiciones iniciales, por lo tanto, aunque se conozcan todos y cada uno de
los estados por los que un sistema catico transita, sera imposible predecir
su trayectoria ya que el ms mnimo cambio en las condiciones iniciales
pueden alterar gravemente el comportamiento de un sistema produciendo
38

cambios completamente impredecibles .

En 1984 surge formalmente en el instituto Santa Fe el enfoque de
los sistemas complejos, permeado de mltiples teoras y enfoques que a
travs de una colaboracin transdisiplinaria permiten generar profundos
anlisis de sistemas de complejidad organizada. Algunos ejemplos de las
teoras y enfoques que retoman las ciencias de la complejidad son: la teora
general de sistemas, la ciberntica, la teora de los sistemas adaptativos
complejos, la teora de los sistemas no lineales, la teora de los sistemas
auto-organizados, la teora de redes, la teora del caos, la geometra
fractlica, entre otros.

37
38

Wever W. Sience and Complexity. American Scientist. 1948, 36:536-544.

Sergio, Morales, qu son las ciencias de la complejidad?, The University of Warwick,
Estrasburgo, Francia, 2012

17

Las ciencias de la complejidad se enfocan en estudiar fenmenos

sistmicos de carcter indeterminista e impredecible y parten de la idea anti
reduccionista de que el todo es ms que la suma de sus partes individuales.
Si descompusiramos un sistema complejo en muchos elementos,
obtendramos varios niveles de organizacin y un gran nmero de
componentes

relativamente

simples

interdependientes,

sin

necesariamente cobrar consciencia del sistema mayor al que pertenecen.

Estos componentes al interactuar e intercambiar informacin son capaces
de producir resultados completamente inesperados e impredecibles
causados por la diversificacin y la realimentacin que el sistema recibe del
ambiente o entorno contextual, tales como: las propiedades emergentes
(surgimiento, aparicin), la auto-organizacin, la segregacin, la
retroalimentacin, el aprendizaje, la adaptacin, la evolucin, la resiliencia,
etc. Algunos ejemplos de sistemas complejos son: la organizacin de
diferentes tomos que en condiciones adecuadas son capaces de generar
molculas, el sistema esqueltico humano, los sistemas de rganos del
cuerpo, los sistemas naturales de nuestro planeta, la organizacin social, los
sistemas polticos y econmicos de un pas, las redes sociales, Internet, el
sistema solar, etc.

Propiedades de los sistemas complejos:

Los integrantes (agentes) de los sistemas complejos comparten
caractersticas comunes tales como:

Conexiones

Interdependencia

Diversidad

18

Adaptacin

Dependencia a su historia

Emergencia

Por otro lado, Yaneer Bar-Yam

39

define a las ciencias de la

complejidad como el estudio de sistemas con mltiples componentes

interdependientes. Melanie Mitchell propone que un sistema complejo es
un sistema en el que extensas redes de componentes carentes de un control
centralizado y con reglas de operacin relativamente simples, son capaces
de generar comportamientos colectivos complejos, que a travs de
instrumentos perceptuales pueden procesar la informacin del entorno para
adaptarse y/o evolucionar mediante el aprendizaje adquirido.

2.2 Ciencias de la complejidad y arte generativo. Procesos y

proyectos actuales de creacin sonora y musical

La complejidad se encuentra en el mbito del orden desordenado
en donde agentes autosuficientes y autorregulados interaccionan en un
medio catico, generando el surgimiento de pautas sistmicas globales
coherentes. Por un lado, los sistemas ordenados se caracterizan por poseer
procesos de razonamiento lgico y estructurado que son de alguna manera
predictibles, como son las series, secuencias, proporciones numricas, las
permutaciones o la combinatoria, la estadstica, etc. Por otro lado, los
sistemas desordenados se caracterizan por estar dotados de estructuras que

39 Cientfico estadounidense fundador y presidente del Instituto de Sistemas Complejos de

Nueva Inglaterra

19

tienden a lo impredecible y la desorganizacin, como la estocasticidad, la

40

aleatoriedad y aspectos relacionados con la teora de caos.

Los sistemas generativos, tienen tres tipos de propiedades; pueden
ser ordenados, desordenados o complejos. Como ya mencionamos, Los
sistemas complejos seran aquellos compuestos por la suma de varias
caractersticas (orden y desorden), esta composicin estructural resulta en
algo mucho ms grande que la suma de sus partes individuales, y la
interaccin de los elementos del sistema pueden producir fenmenos como
la emergencia, la autorregulacin, la homeostasis, etc. Son estas
propiedades las que entretejen el puente que encuentro entre el arte
generativo y las ciencias de la complejidad. Sin mencionar que en la
actualidad son muchos los proyectos, obras e iniciativas que sugeriran tener
una relacin estrecha con el enfoque de las ciencias de la complejidad, ya
sea en el modo de construir sus plataformas de trabajo, presentar sus
resultados, construir sus conclusiones o anlisis. No obstante, estos no
suelen enmarcase todava bajo este enfoque, con el cual sera posible definir,
desde mltiples ngulos, sus caractersticas y aspectos formales e incluso
construir conclusiones ms interesantes.
Por otro lado, en el campo del arte generativo es donde
mayormente se han realizado anlisis en los que podemos encontrar rasgos
comunes entre diferentes obras que han permitido de alguna forma
sistematizar las variantes ms generales que engloban dichas prcticas.
Partiendo de proyectos recientes que considero relevantes y que de
una u otra forma son de mi particular inters, en esta investigacin retomo
las categoras propuestas por los anlisis que diferentes autores del campo
del arte generativo han propuesto. Adems de integrar una tipologa ms
40

Un ejemplo sera el pndulo doble compuesto, constituido por un pndulo enganchando a

otro pndulo cuya interaccin genera un comportamiento completamente aleatorio.

20

amplia usando algunos conceptos de las ciencias de la complejidad que

permitirn contemplar la genealoga de los proyectos. Algunos de stos
podran clasificarse entre dos o ms de las categoras planteadas, sin
embargo, en los proyectos hay alguna caracterstica ms presente que otra(s)
y que considerar perteneciente slo a una categora especfica. Otros
proyectos que tienden ms a la evidente mezcla de categoras estarn en la
seccin de sistemas hbridos.

2.3 Tipologa de las mquinas sonoras

Las mquinas sonoras son entidades acsticas dotadas de algn
mecanismo lgico y estructurado que les permite realizar una operacin
predeterminada para producir un resultado emergente ms o menos
controlado (msica o sonido) de acuerdo con los objetivos de su creador. Las
mquinas sonoras pueden estar constituidas por elementos puramente
mecnicos o ser programadas electrnicamente. En el siguiente apartado se
propone realizar una tipologa que permita observar de manera ms amplia
las caractersticas principales de los distintos tipos de mquinas sonoras que
hasta ahora he encontrado para realizar esta tesis. En esta tipologa solo nos
concentraremos en estudiar el segundo tipo de mquinas sonoras (las
programadas electrnicamente).
Los criterios de clasificacin empleados en el siguiente apartado
parten de dos grandes vertientes, en un primer nivel se encuentran las
mquinas causales o algortmicas y las mquinas teleolgicas. Las mquinas
causales o algortmicas, tienen un comportamiento basado en la ejecucin
de tareas simples sin la necesidad de plantearse un objetivo o tarea
determinada por ellas mismas. Las mquinas teleolgicas por otro lado,
21

estn dotadas de caractersticas ligadas a la Inteligencia artificial, son

capaces de fijarse sus propios objetivos o sus propias metas a partir de cierta
programacin que les permite explorar estas capacidades. De estas dos
grandes vertientes se despliegan las siguientes categoras:

22

Tipologa de las mquinas sonoras

23

2.3.1 Mquinas teleolgicas

Sera difcil pensar en una mquina que posea cualidades
completamente teleolgicas o sea que puede tomar decisiones y fijarse sus
propias metas y objetivos. Sin embargo, hay algunas mquinas que son
capaces de definir sus propios objetivos mediante la programacin que les
ha sido asignada. Pudiendo de esta forma tomar sus propias decisiones, tales
como modificar o regular sus estados internos a travs de procesos
homeostticos o modificar por ellas mismas su estructura y su programacin.
Actualmente existen mquinas que poseen sistemas de agentes
autnomos e inteligentes dotados de mecanismos homeostticos que les
permiten recibir, procesar, analizar y reaccionar ante los estmulos de la
realidad fsica mediante la modificacin y la regulacin de sus estados
internos para adaptarse de forma ptima y cumplir con sus objetivos.
Estaramos hablando entonces de inteligencia artificial. ste es un
trmino acuado en 1956 por John McCarthy, el cual lo define como la
ciencia y la ingeniera de hacer mquinas. Las caractersticas estructurales
de estas mquinas son muy diversas, parten de la programacin de sistemas
de razonamiento lgico, redes neuronales artificiales, algoritmos genticos,
reconocimiento de formas, figuras, lugares, sonidos, temperatura, lenguajes,
escritura, etc. Los usos que actualmente se le dan a este tipo de mquinas
son tan variados como los podamos imaginar; han sido empleadas en la
creacin de armas letales, robots exploradores del espacio, en la solucin de
problemas especficos, como la planeacin, la automatizacin, el control de
procesos biolgicos, qumicos, estadsticos, fsicos, econmicos etc. Otras
aplicaciones se centran en el uso de herramientas concretas, el
perfeccionamiento de sistemas complejos y en el cumplimiento de

24

aplicaciones particulares como por ejemplo diagnosticar a un paciente

enfermo o hacer msica.
La prueba de Alan Turing dice que cuando verdaderamente exista
inteligencia artificial no seremos capaces de distinguir si estamos hablando
con una computadora o con un ser humano al tener una conversacin a
ciegas. En el ao 1964 Joseph Weizenbaum a travs de este principio cre
ELIZA un sistema experto orientado a simular conversaciones
psicoteraputicas y una de las primeras mquinas capaces de procesar
lenguaje natural. sta almacena las respuestas que el usuario o el
programador le dan y usa patrones de comparacin simple, palabras clave o
frases en sus entradas para crear respuestas pudiendo generar una especie
de entendimiento virtual. De esta forma ELIZA es capaz de conducir una
conversacin de maneras nunca antes vistas por un programa de
computadora. ELIZA usa las siguientes estrategias para simular las
conversaciones psicoteraputicas:

Identificacin de palabras clave en el texto introducido por el
usuario.
Descubrimiento de un contexto mnimo de palabras clave
particulares.
La decisin de reglas apropiadas para transformar el contexto de la
entrada en el contexto correspondiente de la salida.
Generacin de respuestas generales e incontrovertibles ante la
41

ausencia de palabras clave apropiadas.

41

Nierhaus, Gerard, Algorithmic Composition, Paradigms of Automated Music Generation,

SpringerWien NewYork, Mrlenbach, Germany, 2009, p. 226

25

Algunos usuarios realmente han llegado a creer que estn hablando

con un humano debido al entendimiento que parecera tener el programa..
Este tipo de programas se han catalogado como chatterbots y actualmente
hay bastantes en la red e incluso en aplicaciones adroid o iOS a los cuales se
42

puede acceder y entablar una muy extraa conversacin.

Nierhaus comenta en su libro Composicin algortmica que el
ejemplo de ELIZA muestra un comportamiento inteligente a pesar de que el
programa no necesariamente est construido con algoritmos basados en
inteligencia artificial, y que en un sentido tautolgico todos los programas
usados para resolver tareas determinadas relacionados con inteligencia
artificial deberan ser considerados como tal.

Si los procesos de generacin de estructuras musicales coherentes
son entendidos como inteligencia composicional, entonces algunos
de los procedimientos ya empleados de la composicin algortmica
deberan de ser clasificados tambin como mtodos de inteligencia
43

artificial.

Esta afirmacin solo podra ser vlida si definimos especficamente a
qu tipo de mquina e inteligencia nos referimos y qu es lo que se define al
hablar de inteligencia. Adems, revisar las diferentes posturas e intereses
que existen tanto para las ciencias de la inteligencia artificial, las ciencias
cognitivas, las ciencias sociales, la filosofa la biotecnologa e incluso el arte y
la msica.

42 Mauldin, Michael (1994), "ChatterBots, TinyMuds, and the Turing Test: Entering the
Loebner Prize Competition", Proceedings of the Eleventh National Conference on Artificial
Intelligence, AAAI Press, retrieved 2008-03-05 (abstract)
40 Nierhaus, Gerard, Algorithmic Composition, Paradigms of automated music generation,
SpringerWien NewYork, Mrlenbach, Germany, 2009, p. 227

26

Podramos decir que una mquina inteligente sera capaz de

actuar siguiendo un propsito y que piensa racionalmente para interactuar
de manera efectiva y generar un equilibrio homeosttico con su ambiente.
Avron Barr y Edward Feigenbaum consideran que la inteligencia artificial es
un campo de las ciencias de la computacin con el propsito de disear
sistemas computacionales inteligentes, capaces de exteriorizar las
particularidades de la inteligencia humana y su comportamiento en el
ambiente natural. La cuestin aqu es si realmente las mquinas pueden
pensar de manera que acten de forma autnoma y ajustarse a los nuevos
44

retos y condiciones que la vida plantea.

Pero entonces la programacin basada en inteligencia artificial
podra ser un sinnimo de teleologa? puede una mquina pensar como
pensamos los humanos? realmente pueden existir mquinas que a travs
de su sentir del mundo fsico puedan llegar a definir sus propias metas y
objetivos? puede una mquina tener mente, cambiar sus estados mentales
o tener conciencia al igual que nosotros? o ser ms bien que no dejan de
ser mquinas deterministas con algunos rasgos de autonoma o de toma de
decisiones dentro su programacin que les permite optar por realizar ciertas
rutinas previamente fijadas?
Considero importante dejar sobre la mesa esta discusin a manera
de reflexin ya que hablar actualmente de mquinas teleolgicas entra en el
campo de la ciencia ficcin, en donde inicialmente los cyborgs emergen de la
fusin y la interrelacin humano/mquina, para posteriormente crear seres
autnomos y consientes alimentados por las redes energticas de millones
de bits de informacin. La mquina teleolgica sera una categora ideal

44

Nierhaus, G. Algorithmic Composition, Paradigms of Automated Music Generation,

SpringerWien NewYork, Mrlenbach, Germany, 2009, pp. 229-228.

27

dentro de esta clasificacin de mquinas sonoras y que va mucho ms all

de los paradigmas y capacidades tecnolgicas actuales.

2.3.2 Mquinas autnomas

En teora seran aquellas que podran ejecutar de manera

autnoma, metas u objetivos seleccionndolos de acuerdo con ciertos

criterios de programacin, basados en la inteligencia artificial.
El concepto de autonoma proviene del griego auto que significa
uno mismo y nomos ley, es la capacidad de un individuo para darse sus
propias reglas. Es un concepto fundado en la poltica, la moral, la tica y la
filosofa. puede tener muchos significados de acuerdo al contexto en el que
este enmarcado; en el marxismo corresponde al conjunto de teoras, de
movimientos sociales y polticos de izquierda y anti-autoritarios existentes
dentro de un rgimen autoritario. En filosofa contempla el problema de la
responsabilidad o la libertad como un valor de la conciencia que le permite
al ser humano reflexionar sobre la consecuencia de sus actos, vinculndolo
a si mismo con la sociedad. En los mbitos computacionales la autonoma
es entendida como el tiempo que un dispositivo puede funcionar
independientemente, sin una fuente de alimentacin directa, funcionando
directamente con bateras. Sus caractersticas desde el punto de vista de la
robtica son:

Obtener informacin sobre el medio ambiente
Actuar o trabajar por periodos extensos sin la intervencin
humana

28

 Moverse por s mismas en el ambiente operativo sin la

intervencin humana
Evitar situaciones que pueden ser peligrosas para s mismas, para
las personas o propiedades, a menos que estn diseadas para
cumplir ese propsito

Hasta el momento no he encontrado los proyectos adecuados de
mquinas autnomas con las mismas caractersticas arriba citadas que
puedan crear msica o sonido y que se ajusten totalmente a este
paradigma. Lo que s he encontrado son las formas de aproximarse al
concepto de inteligencia y de cmo ste puede ser emulado para la
solucin de problemas especficos, como es el caso de ELVIRA o EMI de
David Cope. Estaramos hablando de composicin basada en redes
neuronales artificiales, autmatas celulares, aprendizaje, modelos basados
en agentes, y razonamiento, estas tcnicas son utilizadas en lo que
tambin podemos nombrar como composicin algortmica.
Las mquinas autnomas considerando aquellas que presentan
ciertos rasgos de inteligencia artificial se subdividen en:

a)

Mtodos/algoritmos evolutivos (sistemas biolgicos emergentes)

b) Sistemas que aprenden

c)

Sistemas con estructuras lingsticas o gramticas

d) Sistemas interactivos conductuales/funcionales (interaccin con el

ambiente)
e)

Modelos

basados

en

agentes/denominacin

estructural

(interaccin sin ambiente externo)

29

2.3.3

Mtodos/algoritmos

evolutivos

(sistemas

biolgicos

emergentes)

Estos mtodos evolutivos aplicados en la composicin musical,
parten de la idea de generar msica no-determinista o que solo puede
ocurrir de formas diferentes cada vez que es interpretada. Esta perspectiva
toma forma a partir del arte generativo. La composicin se construye a partir
de una bsqueda heurstica

45

que trata de imitar procesos naturales

evolutivos que pueden incluir la mutacin, la seleccin natural, la

recombinacin y la reproduccin. Los procesos y algoritmos utilizados son
capaces de producir de manera autnoma e interminable diferentes
variaciones. Finalmente, el resultado del proceso es criticado o evaluado por
el artista/programador/ usuario generalmente a travs de procesos
interactivos con el propsito de controlar la calidad, la esttica y la forma de
las composiciones.
Los algoritmos evolutivos son una rama de la computacin evolutiva
basada en algoritmos meta-heursticos aplicados en la optimizacin y el
perfeccionamiento de un sistema. A travs de una poblacin basada en
agentes se busca la solucin a diferentes problemas usando tcnicas capaces
de determinar la calidad de los resultados generados (nivel de aptitud). Cada
agente puede ser programado usando la heurstica, aleatoriamente o bien
estar basado en una solucin anterior. La representacin gentica o del
genotipo es descodificada y aplicada a la solucin de un problema que es el
fenotipo. De manera que puedan ser posteriormente evaluados para medir
su nivel de aptitud. La evolucin de los agentes es creada por medio de la
45

Heurstica: tcnica de los campos de las ciencias de la computacin, inteligencia artificial,

optimizacin, que sirve para resolver un problema o aproximarse a una solucin cuando los
mtodos clsicos fallan.

30

heurstica que es iterada de manera rutinaria hasta generar individuos

altamente adaptados al medio y de esta forma encontrar las soluciones ms
tiles para un determinado problema. Dentro de los procesos de iteracin se
emplean criterios aleatorios o estocsticos que son decisivos para que este
mtodo tenga xito. De esta manera surge tambin la rama de la evolucin
46

artificial basada en algoritmos evolutivos individuales. Alan Turing advirti

que la evolucin artificial hara posible el surgimiento de una metodologa
para el desarrollo de mquinas adaptativas, capaces de heredar su
aprendizaje y su estructura a otras mquinas, descendientes de las
mutaciones que formaron a travs de los genes artificiales. Los mecanismos
de seleccin natural seran los encargados de favorecer el surgimiento de
mquinas nuevas y mejor adaptadas al entorno.

47

La mayora de los

algoritmos evolutivos estn basados en los mismos elementos que

componen la evolucin natural: poblacin, diversidad dentro de la poblacin,
48

mecanismos de seleccin del ms apto y herencia gentica.

46

47
48

Husbands, P. et al. An Introduction to evolutionary computing musicians, en Reck Miranda

E. Et al. Evolutionary computer music, NY: Springer, 2007, p. 4.
Turing, A.M. (1950). Computing machinery and intelligence. Mind LIX (236): 433460.
Hoydahl, J. Evolutionary music composition: a quantitative approach. Trondheim:
Norwegian university of science and technology, 2011, p 19.

31

Inicializacin

Poblacin

Aptitud

Seleccin

Diversidad

Diagrama de evolucin artificial/mtodo evolutivo
Un ejemplo sera el proyecto de computacin evolutiva aplicada a la
sntesis sonora, de James McDermott et al. que podra definirse como la
optimizacin esttica del timbre de un sintetizador. Ellos emplean los
nmeros de punto flotante al genotipo que podra ser la entrada de los
parmetros de control del sintetizador, y posteriormente generar un
fenotipo que consiste en el timbre de salida. La aptitud es incorporada a
travs de la apariencia esttica del sonido y evaluada de manera interactiva
por el usuario, tambin se pueden ajustar los resultados a las medidas

32

estticas programadas. Los mejores timbres sern seleccionados y

recombinados para generar nuevos genotipos, que pueden ser
transformados a travs de pequeas alteraciones aleatorias. De manera que
los genotipos funcionan como parmetros de control en el sintetizador y los
fenotipos como los nuevos timbres que tienden a ser ms atractivos
49

estticamente.
Otro ejemplo de composicin basada en mtodos evolutivos es la
Sinfona Viral de Joseph Nechvatal, es un trabajo colaborativo de msica
noise programado en el software C++ que explora formas de inteligencia
50

artificial a travs de un modelo que simula fenmenos virales.

2.3.4 Sistemas que aprenden

Una mquina que aprende sera aquella que no tiene un criterio o
preferencia especfica sobre la base de datos almacenada y de esta forma
puede recolectar informacin por s misma a travs de un ejemplo o
material otorgado por el usuario/ programador/compositor. El material
procesado puede ser depositado en una pieza musical o ser ejecutado en
tiempo-real, manteniendo cualidades similares al material del ejemplo
captado por la(s) mquina(s). Este mtodo de composicin algortmica est
ligado a prcticas como la improvisacin automtica, la composicin
algortmica de un estilo especifico a partir de las tcnicas mencionadas en
el prrafo anterior.
Marchini and Purwins presentan el proyecto de generacin sin
supervisin de secuencias sonoras de percusin a partir de un ejemplo. Es un
49

McDermott J. Et al. Creative Transformations: How Generative and Evolutionary Music can
Inform Music HCI
50
Extrado de https://en.wikipedia.org/wiki/Viral_symphOny 21 de oct. de 2015.

33

sistema capaz de aprender patrones rtmicos de grabaciones de bateras y

sintetizar variaciones musicales a partir de la secuencia escuchada. El
procedimiento es ejecutado de manera completamente autnoma y sin
supervisin humana. Bsicamente el procedimiento consiste en la
fragmentacin, la simbolizacin (extraccin de caractersticas, clustering,
anlisis estructural de secuencia, alineacin temporal) y la sntesis. Un
procedimiento de estimacin de tempo es utilizado para conservar la unidad
mtrica, la asignacin del tempo est basada en los clusters ms regulares
obtenidos de la grabacin. El sistema es capaz de generar secuencias
rtmicas respecto a la estructura original que van desde ritmos bsicos hasta
patrones rtmicos muy complejos. Finalmente, empleando cadenas de
Markov de longitud variable, se incorpora la transcripcin de una secuencia
en una representacin difusa. El resultado final es interpretado a travs de la
recombinacin del material de audio derivado de las muestras de audio.
Para obtener una amplia variedad de estilos musicales las caractersticas
iniciales del fragmento musical son preservadas, aplicando variaciones
considerables para generar la nueva secuencia. Las crticas que tuvo el
proyecto directamente de percusionistas profesionales fue que el sistema
carece de la habilidad de interpretar niveles dinmicos, aggicos y de fraseo,
caractersticas que no fueron desarrolladas en el proyecto, pero que son
caractersticas que piensan seguir desarrollando a travs de un anlisis
51

mtrico no-binario.



51

Marchini, M., Purwins, H. Unsupervised generation of percussion sound sequences from a

sound example, 2010, Universitat Pompeu Fabra.

34





Arquitectura general del sistema de generacin de secuencias sonoras

2.3.5 Estructura lingstica o gramtica

A travs del estudio del lenguaje, Noam Chomsky propone su teora de
gramtica generativa, donde plantea detectar patrones coherentes que
permitan entender de una forma lgica la manera en la que est articulada
una oracin, y as poder construir una misma idea con diferentes palabras y
varias ideas con una multitud de combinaciones de palabras. Chomsky
tambin considera necesario para el procesamiento, la transformacin y el
reordenamiento de los elementos de un sistema gramatical, tener un
52

conocimiento profundo de la informacin y de su estructura constitutiva.

La teora generativa de msica tonal de Lerdahl y Jackendoff ha sido
tambin una base importante ya que parte del estudio de las bases
psicolgicas de las estructuras jerrquicas concebidas en la teora y la
prctica de la msica tonal, y cmo han influenciado significativamente a la
53

formalizacin de la msica en general .

La msica basada en estos mtodos de creacin se remonta como ya
habamos mencionado anteriormente al uso del lenguaje tonal en su
52
53

Chomsky, N, Three models for the description of language. Masachusetts, MIT, 1956, pp.
113-124.
Wooller, R, et al. A framework for comparison of process in algorithmic music systems,
Sydney, Generative Arts Practice, Creativity and Cognition Studios Press, pp. 109-124.

35

forma ms estructural, en donde podemos encontrar un alto grado de

coherencia meldica y armnica debido a las antiqusimas formas de
organizacin jerrquica de los grados de la escala, grabadas en la memoria
musical occidental. La caracterstica central en los modelos musicales
basados en un sistema lingstico es la creacin de constructos tericos y
analticos que sean lo suficientemente explcitos para generar patrones o
estructuras reconocibles y as crear msica. Por lo general usan reglas de
composicin capaces de concebir macro-niveles en vez de pensar en
unidades individuales, por ejemplo, optan por una estructura armnica en
vez de alturas individuales, o prefieren trabajar con clulas rtmicas en vez
de trabajar con las divisiones rtmicas individuales.
Basado en este principio de organizacin y recombinacin gramatical,
David Cope desarrolla EMI en 1981 con el objetivo de recrear composiciones
en diversos estilos musicales. Cope tiene dos formas de integrar la
informacin a su sistema EMI; una de forma manual que integra la
estructura global de la msica analizada por el sistema y otra usando redes
de transiciones aumentadas, (ATN, augmented transition network). Estas
son capaces de representar dentro de un esquema grfico la estructura de
enunciados a travs de la sustitucin de un objeto por otro objeto
54

perteneciente a un nivel jerrquico ms alto del sistema, adems de tener

la posibilidad de extender el modelo permitindole incluir instrucciones
55

especficas, saltos condicionales y subprogramas asignados a los objetos.

A partir de las redes de transiciones aumentadas, Cope organiza el nivel de
las frases y de los compases musicales, y el nivel de las alturas es organizado
por redes de transiciones micro-aumentadas (MANTs, Micro-Augmented

54
55

Nierhaus, G, Algorithmic Composition, Paradigms of automated music generation,

SpringerWien New York, Mrlenbach, Germany, 2009, pp. 121
Ibid. 122

36

Transition Networks). Estas caractersticas del sistema proveen las reglas de

control necesarias para permitir a los objetos seguir o saltar a otros objetos y
de esta forma generar una gramtica musical coherente. Adicionalmente
Cope usa un sistema de codificacin manual que le permite determinar las
reglas principales de EMI, mientras sta decide la combinatoria especfica de
56

cada objeto a travs del anlisis de la base de datos musical.

ATN simple, para la produccin de fragmentos musicales


2.3.6 Sistemas interactivos/conductuales

Un sistema musical interactivo est basado en la programacin de
una mquina (ya sea software o hardware) capaz de responder a los
estmulos (entradas) de los agentes interactuantes que pueden ser personas
56

Wooller, R, et al. A framework for comparison of process in algorithmic music systems,

Sydney, Generative Arts Practice, Creativity and Cognition Studios Press, pp. 109-124.

37

que estimulan a la mquina, mecanismos conductuales que de si misma o de

otras mquinas puede recibir produciendo procesos de retroalimentacin
dentro de su sistema interno, o simplemente el entorno que la envuelve.
Estos mecanismos conductuales le permiten establecer una forma de
comunicacin y respuesta en tiempo-real, generalmente enfocada en
desempear tareas musicales o sonoras. Aunque generalmente el trmino
se refiere ms a la composicin o la improvisacin en donde la mquina
interpreta un performance en vivo, existen ms extensiones y aplicaciones
en las que se han implementado los sistemas interactivos musicales como el
57

anlisis, educacin, evaluacin, terapia, investigacin, sntesis, etc.

De la misma forma en que los humanos tenemos los cinco sentidos
para percibir e interactuar con la realidad, los sistemas musicales
interactivos comnmente estn dotados de mecanismos captadores e
interactuantes, que le permiten interrelacionarse con su entorno o con el
usuario/pblico. Los mecanismos integrados en estos sistemas pueden ser
un conjunto de controladores implementados ya sea en forma de software o
hardware, tales como disparadores, teclas, botones, sensores, pedales,
cmaras, micrfonos, bocinas, etc. Estos son capaces de establecer la
comunicacin requerida por la mquina para que el agente interactuante
genere las entradas necesarias y finalmente la mquina entregue las salidas
pertinentes de acuerdo con la programacin asignada. En este punto
cualquier componente de entrada puede ser mapeado (asignado a algn
componente sonoro, por ejemplo, altura, timbre, ritmo, dinmica, harmona,
etc.) e interpretado por la mquina de una forma muy especfica
determinada por el compositor/programador. Cabe sealar que el concepto

57

Manzo, V. J. Max/Msp/Jitter for music A practical guide to developing interactive music

systems for education and more. New York, Oxford University Press, 2011, p. 13.

38

de emergencia toma un papel importante dentro de los sistemas

interactivos/conductuales ya que puede ser un componente medular dentro
del desarrollo de la composicin.
Audible ecosystemics (ecosistemas audibles) de Agostino Di Scipio
es un sistema de audio que interacta con el ambiente de un cuarto
creando procesos sonoros complejos basados en la retroalimentacin
generada por el ruido de fondo, sonidos indeseados o por la interaccin
deliberada de algn intrprete. Es un sistema catico y dinmico capaz de
autorregularse dinmicamente en tiempo-real. Diferentes procesos
emergentes surgen a partir de las interacciones que el mismo espacio
acstico puede generar mientras es escuchado (a travs de micrfonos) por
el propio sistema de audio. La pieza est construida en principio por una
serie de causas y efectos en una red de interacciones generadas en un bajo-
58

nivel de programacin (concebido como la composicin) que generan

propiedades emergentes de alto-nivel, resultando en la msica o el sonido
59

escuchado.
En cualquier momento del performance el resultado sonoro surge
de las interacciones ocurridas en el pasado dentro del contexto. Esta forma
de interaccin es considerada por Di Scipio como el desarrollo filogentico
del propio sistema. Las interacciones del pasado en el ecosistema se
convierten en la historia del mismo sistema y forman parte del ambiente
escuchado, que proveen el contexto adecuado para que las operaciones
actuales ocurran, afectando las interacciones presentes y su desarrollo
fututo.

58

Un nivel de programacin experto basado en abstracciones mnimas o inexistentes entre

el lenguaje humano y el lenguaje de la mquina.
59
Di Scipio, A. Audible Ecosystemics n.1 (feedback study) solo live-electronics (partitura)

39

Las caractersticas tcnicas bsicas del sistema son:

Dos micrfonos (condensador, con diagrama polar omnidireccional

o cardioide)

Un procesador de seal digital (DSP) en tiempo-real

Mezcladora y bocinas (6 u 8, ms 1 o 2 subwoofers)

El ruido tiene un papel fundamental en este ecosistema audible ya

que es el detonador substancial del propio proceso. A travs de este impulso

inicial es que se genera la retroalimentacin, producida adems por la
resonancia y en su caso la reverberacin acstica del cuarto en donde est
situada la obra. Adicionalmente Las bocinas son colocadas de frente a las
paredes de manera que el pblico asistente no absorba directamente el
sonido de las bocinas, sino que lo que escuche sean los rebotes sonoros de
todo el proceso dentro de la habitacin. Cabe sealar que Di Scipio realiz
distintos estudios basados en la configuracin del ecosistema audible con
ligeras variaciones; estudio de respuestas de impulsos, estudio de
retroalimentacin de resonancias vocales, estudio de retroalimentacin y
estudio de ruido de fondo en el tracto vocal.
Al respecto del uso y significado del ruido como principal generador sonoro
Di Scipio comenta en las instrucciones de ejecucin de la obra Audible
Ecosystemics n. 2:

El ruido es el generador principal del proceso, no lo corrompe, as
como la dinmica de las interacciones compuestas son capaces de
convertirse en una seal, en un recurso, una fuente de auto-
organizacin. El ruido es de hecho el capital existencial: el propio
bucle de retroalimentacin de audio (el mnimo dispositivo productor

40

de sonido) no es sino una acumulacin de ruido de fondo (o

turbulencia trmica). Eventos accidentales (sonidos inesperados en el
ambiente, interacciones muy violentas o dems) forman parte de los
recursos disponibles en el cuarto, afectando el proceso ecosistmico,
y dejando que cambie en extremo, a regiones raras en el complejo de
60

todos los posibles estados del sistema.

Diagrama de conexiones Audible Ecosystemics, Agostino Di Scipio

Sera interesante mencionar como es que Di Scipio se aproxima al
proceso compositivo a partir de una programacin de bajo-nivel y adems
no solo desde la idea de concebirlo como la conformacin del resultado
sonoro ya que ste se manifiesta a partir de los procesos de interaccin y
emergencia del propio sistema sino ms bien desde la premisa de
60

Di Scipio, A. Audible Ecosystemics n.2 (feedback study) solo live-electronics (partitura)

41

componer las interacciones del sistema. Es decir, generar los tipos de

interacciones adecuadas que puedan ser propensas a ocurrir y generar
resultados audibles interesantes tanto dentro como fuera del sistema.
La seal final del proceso llevar a la seal de entrada haca la fase
de extraccin de caractersticas en el patch (del DSP) generando seales de
control. Aqu se transformar el proceso de seal general en uno ms o
menos activo con respecto a su entorno. Es decir, que una salida muy
variada y activa generarn un proceso de respuesta ms rpido dentro de la
configuracin del patch, capaz de ajustar su configuracin a situaciones con
variedad excesiva de eventos sonoros. De igual manera, una salida con
menor actividad y variedad conducir al sistema a un estado de mayor
inactividad.
Di Scipio se plantea una pregunta interesante: De qu forma sera
posible crear un sistema o un proceso basado en pequeas partculas
pensadas como el micro-nivel, que interaccionen, emerjan y se
desenvuelvan en el tiempo para crear una estructura Gestltica en un nivel
superior? Di Scipio se aparta completamente de concebir una macroforma
lineal, y en cambio usa el caos, la dinmica y la emergencia de los sistemas
complejos para aproximarse a la composicin a travs del uso de pequeas
partculas snicas que en un alto-nivel manifiesten la sonoridad del proceso,
convirtindose en el timbre, en la forma del sonido generado a partir del
61

conjunto de las propiedades emergentes.

61

Anderson, C. Dynamical Networks of Sonic Interactions. An Interview with Agostino Di

Scipio. Computer Music Journal, 2005 No. 29 (3), 12.

42


Diseo general del Ecosistema Audible, Agostino Di Scipio

A partir de esta aproximacin, Di Scipio reconoce el enorme
potencial compositivo que podran tener los modelos de dinmica de
sistemas aplicados a la generacin de la sntesis granular, obteniendo una
amplia paleta de distribucin de granos sonoros, que van desde
comportamientos ms aleatorios hacia texturas basadas en patrones,
62

adems de otros comportamientos.

Di Scipio busca la emergencia de estructuras sonoras capaces de
auto-organizarse a travs del uso de la causalidad circular como un

62

Ibidem.

43

63

principio ciberntico ms amplio, en donde las interacciones ocurren

entre dos o ms conjuntos de sistemas de nivel inferior, capaces de
reconocer los puntos de vista y las acciones propias a travs de las de los
otros. el inters principal sera crear un sistema que exhiba un
comportamiento adaptativo a las condiciones externas del ambiente, y
capaz de interferir las mismas condiciones externas []. Un tipo de auto-
organizacin es as conseguida []. Aqu la interaccin es un elemento
estructural para que algo como un sistema emerja []. Es aqu donde reside
la principal aportacin al implementar caractersticas como interaccin e
interdependencia al modelado de un (eco)sistema sonoro, ya que puede
trasladar la composicin musical interactiva hacia la composicin musical de
las interacciones. En este caso comenzando desde el sistema sonoro hacia
los distintos agentes humanos, as como a las condiciones del mismo
ambiente y viceversa. Como un cambio que parte de la generacin sonora
deseada a travs de medios interactivos, hacia la creacin de las
64 65

interacciones deseadas obteniendo trazos audibles.

2.3.7 Modelos basados en agentes autnomos-inteligentes

Un modelo sera una representacin simplificada de un sistema real,
generalmente son usados para la experimentacin, observacin y anlisis,
as como para resolver problemas, responder preguntas, explicar patrones

64

Di Scipio, A. Sound is the interface: from interactive to ecosystemic signal processing

Organized Sound, 2003 8(3), pp. 269-277.
65
Solomos, M. y Meric, R. Audible ecosystems and emergent sound structures in Di Scipios
Music. Music Philosophy helps musical analysis. Journal of interdisciplinary music studies,
2009 8 (1&2) pp. 57-76.

44

de conducta y predecir comportamientos de acuerdo con ciertos cambios en

el sistema.
Los modelos basados en agentes estn constituidos por grupos de
agentes complejos autnomos e inteligentes con procesos internos
complejos o sencillos. Dotados de sensores perceptivos y actuadores
interactan localmente sobre el entorno en busca de objetivos individuales a
travs del aprendizaje, la representacin, conocimiento y razonamiento. Los
agentes inteligentes son capaces de interactuar, modificarse, modificar a
otros agentes y a su entorno, generando resultados emergentes que pueden
ser impredecibles. Dependiendo el tipo de modelo en ocasiones pueden
autorregularse ante las situaciones adversas del entorno, por medio de la
retroalimentacin entre lo que percibe y lo que hace generando as
mecanismos homeostticos que les permiten adaptarse mejor con su
entorno inmediato. Los agentes tambin pueden ser organismos, humanos,
corporaciones, instituciones o cualquier otra entidad que persigue cierto
objetivo.
Los sistemas autnomos inteligentes deberan de presentar las
siguientes caractersticas para serlo: adaptar nuevas reglas para resolver
problemas progresivamente, adaptarse en red y en tiempo real, contar con
la capacidad de auto-analizar su comportamiento para regularse ante el
ambiente, aprender y perfeccionarse a travs de la interaccin con el
ambiente, aprender rpidamente de una gran cantidad de datos, tener la
capacidad de almacenar y recuperar datos de ejemplares (sistemas basados
en memoria), poseer parmetros que les permitan representar una memoria
a corto y largo plazo, peso, edad, raza, tamao, etc.

45

Agente

Sensores

Condicionales

(if-then)

AMBIENTE

Actuadores



Agente simple

En 1966 Iannis Xenakis construye una instalacin medial de cables y
luces en el pabelln francs de Montreal. Esta pieza fue su primera
aproximacin a la realizacin de un polytope, que viene del griego polys
(mucho, numeroso) y topos (lugar, espacio, territorio). Aunque esta pieza no
guarda una relacin directa con los modelos basados en agentes considero
necesario analizarla brevemente para introducir el antecedente a la obra
encarnada por Chris Salter (N-Polytope) con una perspectiva semejante a la
de Xenakis pero 43 aos despus.
Xenakis quera representar sonora y visualmente fenmenos
caticos de la naturaleza como las tormentas con truenos, lluvia y viento.
Xenakis pensaba el poltopo como una pieza en la cual todos los elementos
que constituyen la obra pudieran conjugarse y articular una forma indivisible.
Xenakis construye cinco redes de cables de acero encontrados que delinean

46

formas geomtricas, en ellos mil doscientos flashes de luz (ochocientos

blancos, cuatrocientos de colores), los cuales podan ser activados por un
sistema de control de cinta perforada y celdas fotosensibles. El propsito de
los flashes de luz era simular estrellas, caudales de ros, espirales, galaxias,
explosiones, nebulosas y cascadas. Para simular los comportamientos de los
fluidos naturales se requirieron de al menos veinticinco flashes por segundo
por cada luz. La msica compuesta fue para 4 ensambles idnticos que
incluan flauta piccolo, clarinete en Eb, clarinete contrabajo, contrafagot,
trompeta, trombn, percusiones, violines y chelos. Los ensambles estaban
dispuestos en los cuatro puntos cardinales de manera que se pudiera emular
el movimiento sonoro. Xenakis us crescendos y decrescendos dinmicos y
tmbricos para lograr que el foco de atencin sonoro oscilar de manera
continua de un ensamble al otro. La forma de la pieza est dividida en tres
secciones de materiales tmbricos muy contrastantes, espacializados de
acuerdo con ciertos patrones y ciertos criterios de proporcin. Por otro lado,
a pesar de que la msica del politopo logra ser bastante agresiva debido a el
registro extremo agudo de los alientos, los ataques obligados de los metales
y la dinmica fuertsima, Xenakis logra finalmente integrar y generar un
balance entre lo visual y lo sonoro. La parte visual con sus agresivos
despliegues de luz en forma de sucesos sublimes de la naturaleza se conjuga
de forma esplendida con el violento movimiento sonoro. Politope de
Montreal es una pieza pionera dentro de la esttica artstica
transdisciplinaria que emplea la innovacin tecnolgica como parte su
66

discurso esttico.
En 2012 encontramos N-polytope, comportamientos de luz y sonido
despus de Xenakis (behaviors in light and sound after Xenakis) de Chris
66

Harley, James, Xenakis, his life in music, New York and London, Routledge, 2004, pp. 50
52

47

Salter. Este proyecto dentro del mbito de los modelos basados en agentes
es uno de los que ms me ha impactado, ya que la complejidad de la red de
interaccin es tal que los agentes consiguen generar una composicin
completamente auto-organizada adems de que se adaptan al ambiente
para formar patrones rtmicos, caticos o indeterminados de luz y sonido. El
sistema es controlado a travs de redes de sensores inalmbricos que
utilizan tcnicas de aprendizaje de mquinas en el cual los agentes
interactan entre s y con el ambiente para perseguir objetivos definidos por
el programador, una vez que han logrado un objetivo son recompensados o
sancionados. Los agentes tienen caractersticas censo-actuadoras ya que
reciben informacin que es censada y procesada para inmediatamente
actuar en relacin con sus reglas de programacin. Los agentes son capaces
de distinguir y actuar sobre la brillantez de los LEDs, la frecuencia y la
amplitud sonora, incluso pueden apagar o prender los LEDs, por lo cual
reciben una recompensa. Al igual que en la pieza anteriormente analizada de
Agostino Di Scipio, las acciones de los agentes no solo repercuten
directamente en el estado presente del sistema sino tambin y de manera
indirecta en el estado del sistema en el futuro. Al tratarse de un sistema
basado en agentes que interaccionan en un ambiente dinmico, resulta
particularmente difcil generar los mismos resultados en cada ocasin al
igual que llegar a momentos en donde la resultante sonora emergente sea lo
suficientemente interesante o llegue a generar afectos estticos. Para lograr
lo anterior el equipo tuvo que modelar el comportamiento y las acciones de
los agentes de manera tal que pudieran generarse ciertos resultados
67

sonoros y visuales con una respuesta ms rpida y una mejor exactitud.

67

Extrado de http://we-make-money-not-art.com/npolytope/#.UI7eJGl25FQ el 5 de
noviembre de 2015

48

El performance combina luces, lasers y sonido en un sistema capaz

de autorregularse a travs del aprendizaje que obtiene del ambiente. Todo
es montado en un ambiente arquitectnico inmersivo que puede simular
comportamientos de fenmenos naturales a travs de la dinmica de las
luces y la espacialidad dinmica del sonido. N-Polytope busca crear una
experiencia estocstica/probabilstica (al igual que Xenakis) que pueda
extrapolar su complejidad catica al sistema social tan complejo en el que
vivimos actualmente.
N-Polytope cuenta con 150 LEDs de 10 watts con sensores
fotoelctricos y 50 bocinas colocadas en cables de acero y aluminio de
alrededor de 24 metros que forman una red compleja suspendida en el aire.
Tanto las bocinas y los LEDs son controlados por un software en red basado
en mdulos y sensores inalmbricos (Xbee http://sensestage.eu). Mientras
los LEDs crean un espacio dinmico de destellos luminosos, lasers de colores
rojo y verde rebotan en superficies de espejos en movimiento y fijos, stos
forman lneas y figuras que desaparecen y reaparecen en el espacio, creando
una arquitectura completamente inestable y efmera.
Por otro lado la red de bocinas produce comportamientos de masas
compuestas por granos sonoros, que se asemejan a los sonidos producidos
por masas de pequeos organismos vivos, similar al enfoque de Xenakis al
68

evolucionar granos dentro de la masa estocstica sonora. Los agentes

reciben y procesan informacin del ambiente la cual es reinterpretada para
producir diversos cambios en su funcionamiento tales como el apagado o
encendido de las bocinas y los leds y el cambio de brillo o volumen. Al
tratarse de una interrelacin en un ambiente dinmico en constante cambio,
resulta difcil determinar los momentos por los que transita cada agente, en
68

Extraido de http://chrissalter.com/projects/n-polytope-behaviors-in-light-and-soundafter- iannis-xenakis/ el 10 de noviembre 2015.

49

N-Polytope - Vitra versin (2014)

este sentido el performance es evolucionario en cada paso de tiempo los
69

agentes toman sus propias rutas para diferenciarse de los dems.

Finalmente, N-Polytope es presentado con una duracin de 15 a 25
minutos, presenta secciones completamente indeterminadas y otras ms
determinadas o guiadas, de este modo el performance se mueve entre el
orden y el desorden, entre un caos desbordante y una tranquilidad apacible.
La audiencia siente estos algoritmos como dos formas de vida los
comportamientos de luz y sonido y la vida de experimentar un sistema
70

presente evolucionando en el presente.

69
70

Idem
Idem

50

2.3.8 Mquinas heternomas

El concepto de heteronoma proviene del griego heternomos que
significa dependiente de otro, es decir que la conducta de un individuo no
est auto-determinada por ste sino por agentes ajenos a ella que son
capaces de prescribirla. El termino de heteronoma es introducido por Kant
en el mbito de la tica y la moral contraponindolo al concepto de
autonoma. Kant define la heteronoma como un acto que no se encuentra
determinado por la razn del individuo y que ms bien responde a
patrones ajenos a ste, por ejemplo; las voluntades del sistema social,
familiar, la voluntad divina, los designios a los que estamos
inherentemente sujetos tal como los personajes mticos griegos. Para Kant
esta autodeterminacin es sumamente importante ya que de ella se
desprende el verdadero valor moral de las acciones.
De este modo las mquinas heternomas o funcionales pierden el
sentido de la autodeterminacin de su conducta y se limitan a ejecutar los
objetivos impuestos por el programador o compositor, pudiendo obtener
resultados completamente determinados o indeterminados. Estas
mquinas tratan de cumplir los objetivos impuestos buscando por s
mismas comportamientos adecuados (estrategias) para hacerlo. Sin dar por
hecho necesariamente que son capaces de tomar decisiones en tiempo
real para construir un evento sonoro o musical. Las mquinas heternomas
se pueden subdividir en:

a)

Mquinas deterministas

b) Mquinas estocsticas/indeterministas


51

2.3.9 Mquinas deterministas

Una mquina determinista se caracteriza por estar basada en un
conjunto de instrucciones lgicas indicadas por el programador. stas
tienden a ejecutar comportamientos no intencionados; no tratan de realizar
un propsito ni un objetivo determinado por ellas mismas, no entienden
ms all de su lenguaje de programacin establecido y no reconocen nada
ms all de sus instrucciones asignadas, no actan con el fin de alcanzar un
propsito. Ni las entradas ni los mecanismos que se encargan de procesarlas
se enteran de que existen las salidas, ni mucho menos cuales son estas.
Tienden a ejecutar siempre un procedimiento asignado en su
programacin de la misma forma. Como en la grabacin de algn evento
sonoro o una obra musical, que al darle play siempre y cada una de las
veces dicha grabacin sonar exactamente igual que las anteriores. De esta
forma las mquinas deterministas tambin sonarn igual al ejecutar el
procedimiento asignado una y otra vez.
Z-Machines y Compressorhead son dos ejemplos de mquinas
musicales

deterministas.

Desarrollados

en

Japn

Alemania

respectivamente en aos recientes, estos dos grupos de rock integrados por

robots buscan crear sus propias canciones, aunque actualmente solo pueden
interpretar canciones previamente programadas por sus creadores.
Los robots de Z-machines fueron creados en 2013 por un equipo de
expertos en robtica de la universidad de Tokio. El reto principal fue crear un
sistema de interpretacin que estuviera por encima de las capacidades
tcnicas humanas y de esta forma producir msica nunca antes escuchada.
El grupo est conformado por tres robots cada uno con diferentes
capacidades; el guitarrista cuenta con 78 relevadores electromecnicos
anclados a una superficie mvil que le permite posicionarse en el diapasn
52

de la guitarra, estos relevadores son accionados al mandar mensajes MIDI a

un controlador, adicionalmente en la mano derecha cuenta con 6
extremidades con una plumilla para accionar las cuerdas. El baterista cuenta
con 22 extremidades que le permiten tocar diferentes tipos de percusiones y
el tecladista activa con lasers las teclas de su instrumento.
Una vez concluido el proceso de ensamblaje y las pruebas, Kenjiro
Matsuo el productor musical del proyecto, invit a distintos artistas y
compositores para crear msica especficamente para las Z-machines.
Algunos de estos artistas han creado EPs completos con msica interpretada
por estas mquinas, llevando al lmite sus capacidades tcnicas. Los estilos
en los que han tocado van desde el noise y la msica experimental, el pop, el
rock y hasta complejas estructuras musicales que pueden sonar a msica de
los tiempos del Atari. A pesar de contar con estas cualidades los robots no
son capaces de controlar la amplitud, el timbre, el fraseo, ni una flexibilidad
aggica, lo cual es una gran desventaja ya que son estos elementos los que
le dan mayor expresividad y calidad a la msica. Al recibir la informacin
MIDI e interpretarla de la misma forma que lo hara cualquier reproductor
de mensajes MIDI, los robots no dejan de sonar de una forma cruda y
mecanizada pese a que los instrumentos que tocan son acsticos y elctricos.
Por otro lado, Compressorhead es una banda de rock dedicada a tocar
covers de bandas como Motorhead, Metallica, Nirvana, Iron Maiden, The
Ramones, etc. La banda est constituida por cuatro robots; un guitarrista
que funciona de manera muy similar al guitarrista de las Z-machines, un
bajista que en lugar de usar plectros para accionar las cuerdas usa sus cuatro
dedos mecnicos, un baterista con 5 extremidades y un robot ayudante que
acciona el hi-hat de la batera. Teniendo en cuenta que Compressorhead
toca covers que en su mayora llevan voz, este elemento no est presente en
la banda limitndose a tocar covers instrumentales omitiendo las partes
53

meldicas de las canciones. Al igual que las Z-machines no cuentan con la

flexibilidad interpretativa de un humano, para hacer msica y llevarla ms
all de sus limitaciones mecnicas y computacionales. A pesar de estas
limitaciones interpretativas, cabe destacar que ambas bandas se han
presentado en mltiples foros de concierto donde miles de fans han asistido
71

abarrotando las taquillas por escuchar a estos fabulosos robots tocar.

Compressorhead

71

Extrado de http://www.gibson.com/news-lifestyle/features/en-us/meetcompressorhead-the-worlds-most-metal-band.aspx. el 31 de octubre 2015

54

2.3.10 Mquinas estocsticas/indeterministas

Pese a tener una programacin determinada, stas tienden a ejecutar
funciones completamente caticas o procedimientos con cierto grado de
predictibilidad (estocasticidad) cada vez que son accionadas. Sus
procedimientos de ejecucin van desde el uso de elementos de probabilidad
y azar hasta la utilizacin de variables estocsticas. En la estocasticidad se
tiene una nocin aproximada sobre el resultado o lugar de llegada general
del sistema, sin conocer a detalle cmo es que sus partes individuales llegan
a dicho lugar. Contrarias a las mquinas deterministas, tienen la posibilidad
de ejecutar el mismo procedimiento de forma diferente cada ocasin que
son activadas, esto les permite anlogamente a un intrprete musical
tocar un mismo procedimiento y siempre con alguna caracterstica distinta
a la ejecucin anterior. Las mquinas estocsticas podran dividirse en:

a)

Sistemas basados en el conocimiento

b) Composicin/Partitura algortmica asistida por computadora

c)

Procesos de toma de decisin no-determinista (msica

generativa)

2.3.11 Sistemas basados en el conocimiento

Son sistemas que a travs de la identificacin de elementos (rasgos)
musicales asilados son capaces de entender estructuras globales y generar
otras an ms complejas. En algunos proyectos como en EMI (Experiments
in musical intelligence), la programacin es capaz de aislar el cdigo esttico

55

de ciertos compositores y usar este aprendizaje para crear nuevas

composiciones en el mismo estilo o en otro diferente. Para que estos
sistemas de programacin puedan realizar la seleccin de los diferentes
materiales o elementos musicales, se programan reglas como IF-THEN (SI-
ENTONCES) para discernir entre un determinado conjunto de variables de
entrada que est recibiendo el sistema y las instrucciones que le fueron
asignadas, finalmente toma la decisin que ms le convenga. Por lo general,
estos sistemas tienen principios de realimentacin en uno o varios mdulos
intermedios (antes de la salida definitiva) que le permiten una vez
recogida y rechazada la variable de entrada regresar al primer mdulo (de
anlisis e identificacin de los materiales musicales) y repetir el
procedimiento hasta obtener los resultados requeridos por las reglas
principales para completar la composicin.

56

Un ejemplo temprano de composicin basada en este tipo de sistemas

es la Illiac Suite para cuarteto de cuerdas de Lejaren Hiller y Leonar Isaacson
72

que fue mencionada en el primer captulo.

Expert Novice Picker es un proyecto del ao 1989 desarrollado por
Peter Langston que retoma los sistemas basados en el conocimiento. Aplica a
un programa los conocimientos y las tcnicas para tocar el banjo al estilo de
Earl Scruggs. Posteriormente el programa es capaz de componer pasajes
instrumentales que responden a ciertas tcnicas tanto de la mano izquierda
como de la derecha. Los criterios de seleccin para las posiciones de la mano
izquierda los toma al hacer pequeos desplazamientos respecto de las
posiciones contiguas y usando determinadas progresiones armnicas.
Terminado este proceso, hace una evaluacin y un balance de la secuencia de
las notas escogidas; compara entre las notas que corresponden al acorde
contra notas que no son del acorde, movimiento nota a nota de la meloda
resultante, repeticin de los dedos, cuerdas, posiciones, etc. Una gran
cantidad de patrones son evaluados para concluir al seleccionar el patrn que
obtuvo la puntuacin ms alta y compilar una tablatura que tiene todas y
cada una de las instrucciones para interpretar de manera precisa el pasaje. A
travs de este proyecto el autor considera que adems de crear pasajes
meldicos interesantes, Expert Novice Picker puede ser un precedente para
expandir las tcnicas de ejecucin del banjo o cualquier otro instrumento y
de esta manera generar otros resultados an no explorados por los
73

instrumentistas.

72 Hiller, Jr. L., Computer Music, Scientific American Journal, 201 Issue 6, Dec 1 1959.
73 Langston, P., Six techniques for algorithmic music composition, tomado de
http://peterlangston.com/Papers/amc.pdf

57

2.3.12 Composicin algortmica asistida por computadora

La composicin/partitura algortmica asistida por computadora consiste
en generar o escoger una serie de algoritmos que son empleados en la
composicin de una obra acstica o electroacstica. Estos algoritmos son
evaluados por el artista/compositor para generar un discurso musical
coherente. Por lo general se busca crear una composicin en donde el
proceso algortmico no sea visible o demasiado importante, aunque existen
algunos compositores que le dan mayor o igual peso al proceso de
construccin del algoritmo para significar su obra.
Clarence Barlow por ejemplo crea algoritmos diferentes en cada una de
sus piezas lo que le permite generar un lenguaje particular en cada uno de
ellos. Aqu los algoritmos no solo son sencillamente herramientas
composicionales, sino que son por si mismos en un nivel abstracto un
74

aspecto concreto de la manifestacin musical

La teora de la composicin algortmica distingue entre los trminos de
partitura asistida por computadora (score systhesis) y composicin asistida
por computadora (sound synthesis) para discernir entre la primera que es
usada para crear una partitura que normalmente es interpretada por
msicos con instrumentos acsticos y la segunda que est ms enfocada en
la interpretacin de obras electroacsticas tocadas con bocinas.
La composicin algortmica no siempre tiende a usar una computadora
como herramienta para construir msica, Stockhausen por ejemplo, usaba
los trminos de composicin semi-automtica y composicin automtica
para referirse a la composicin basada en el uso de herramientas
electroacsticas analgicas (osciladores, LFOs, por ejemplo).
74

Supper, Martin. A few remarks on algorithmic composition. Computer Music Journal 25,
1 (2001), 4853.

58

Un rasgo particularmente interesante en la composicin algortmica ha

sido la asimilacin de recursos extra-musicales empleados para la
generacin de materiales musicales. Las estructuras fractales son uno de
ellos y han estado presentes a lo largo de la historia de la msica. Sin
embargo, a mediados de los aos 60s se popularizaron en los circuitos de
75

artistas visuales y msicos electrnicos. Especialmente los L-systems

fueron ampliamente usados por compositores como Hanspeter Kyburz que
basado en este fenmeno crea su obra cells (1993-1994) para saxofn y
ensamble.
Kyburz cre pequeos motivos musicales que posteriormente fueron
almacenados en la computadora para ser usados como variables de entrada
en la aplicacin de los L-Systems.

2.4.1.3 Procesos de toma de decisin no-determinista

Estn basados en ecuaciones matemticas y procesos estocsticos no-
deterministas. Aqu los procedimientos de composicin pueden ser
parcialmente controlados por el compositor/programador quien determina
el porcentaje y la cantidad de los procesos aleatorios que ocurren. A partir
de la implementacin de procedimientos lgicos la mquina tiene la
capacidad de tomar ciertas decisiones las cuales normalmente no son
conocidas con exactitud debido a la naturaleza estocstica de su
programacin. Generalmente, los resultados obtenidos por la mquina
tampoco son previsibles, aunque pueden intuirse con cierto porcentaje de
incertidumbre. Esta cualidad puede ser muy atractiva para muchos
75 Sistemas Lindenmayer, mencionados ms ampliamente en el captulo 1.

59

compositores y artistas sonoros ya que les permite ir ms all de lo que su

percepcin podra llegar a imaginar o concebir, permitindoles acceder a
lenguajes poco explorados. A su vez, existen posturas que se oponen a esta
forma de creacin musical y cuestionan qu papel tiene el compositor frente
a una obra que se est generando por s misma, dando por hecho que el que
compone o crea la msica es realmente la mquina. Este podra ser un
debate interminable debido a la complejidad de todos los factores que
involucran el problema. Por un lado, el artista/programador es quien
muchas veces a partir de ensayos de prueba y error va discriminando
materiales (cdigo, programacin, muestras de audio, etc.) que no le sirven
y de alguna manera perfeccionando su mquina sonora hasta obtener
los resultados deseados. Ms all de si el resultado es o no producido por
una mquina el nfasis del trabajo creativo radica en la seleccin y la
discriminacin previa de los materiales y las variables que constituirn la
obra. Este mtodo de seleccin a partir de ensayos es una prueba del
carcter creativo/experimental que pueden tener estas expresiones
artsticas.
Al respecto Helmut Lachenmann menciona que un compositor que
sabe exactamente lo que quiere, slo quiere lo que sabe, y eso es de una u
76

otra forma demasiado poco . Sugiriendo la gran capacidad creativa que los
usos de sistemas computacionales pueden aportar al proceso creativo de un
compositor/artista.
Pero qu es realmente lo que hace que la msica generada mediante
procesos estocsticos no incurra fcilmente en una especie de caos de tal
magnitud y homogeneidad tal como el ruido blanco que anule todas las

76

Ryan, D. and Lachenmann, H. Composer in interview: Helmut Lachenmann. Tempo 210

(1999), 2024

60

posibilidades de escuchar algo atractivo para la percepcin y que pueda

extender el conocimiento sobre la msica o el sonido, creando una
propuesta innovadora? Stravinsky llama la gran tcnica de la seleccin a
los procedimientos que el compositor emplea al trabajar con mecanismos
aleatorios. Consiste en introducir ciertos patrones de redundancia entre los
materiales aleatorios para organizarlos y crear un patrn especfico que
pueda ser identificable a la percepcin. La msica a veces definida como una
combinacin entre caos y monotona, apunta para los tericos de la
informacin como un orden desordenado recayendo en alguna parte entre
la completa aleatoriedad y la completa redundancia. La esttica del
contenido musical puede ser vista a travs de las fluctuaciones que existen
entre estos dos extremos y como se relacionan entre s para generar una
especie de equilibrio homeosttico. Alternativamente para los tericos de la
informacin el estudio de las estructuras musicales a travs del enfoque de
la teora de la informacin podra ser el camino para un entendimiento
77

profundo de las bases estticas de la composicin .

Seyyo Koan fue un sistema para la creacin de msica generativa en
tiempo-real creado por Tim Cole y Pet Cole entre 1990 y 1994 el cual Brian
Eno populariz con su disco Generative Music 1. En 2007 el software cambi
su nombre por el de Noatikl el cual se distribuye a la fecha disponible para
varios sistemas operativos. El software permite al compositor o interesado
controlar ciento cincuenta parmetros musicales y sonoros, con los cuales la
computadora es capaz de improvisar. Al mismo tiempo Brian Eno populariz
tambin el termino de Msica generativa, definindola como msica creada
por un sistema que es siempre diferente y cambiante. Eno distribuy su

77

Lejaren A. Hiller, Jr. Computer music, Scientific American, volumen 201 tomo 6, 1959. p
110.

61

disco de Generative Music 1 bajo el formato de diskette (disco floppy) que

contiene el software SSEYO Koan Plus V1.2 y las respectivas piezas de
manera que la msica generativa que compuso pudiera escucharse
realmente cmo fue concebida, como msica sin fin que todo el tiempo se
construye a si misma a partir de los procesos de seleccin del compositor. En
palabras de Eno acerca de su obra:

Cada una de las doce piezas de Generative Music 1 tiene un carcter
distinto. Hay por supuesto, las obras ambientales que van desde la
obscuridad casi lgubre, Densities III (completada con campanas
distantes). stas son contrastadas con piezas en estilos
dramticamente diferentes, como Komarek con sus perfiles rgidos,
melodas angulares, con reminiscencias a experimentos seriales
tempranos de Schoenberg, y Klee 43 cuya polifona simple es similar
a la del renacimiento temprano. Pero por supuesto, la gran belleza de
la msica generativa es que esas piezas no sonarn de esa manera
78

otra vez

Para Eno este trabajo significa un cambio de paradigma en la historia de
la msica, ya que considera que por lo menos hace cien aos cada evento
musical era nico, temporal e irrepetible, incluso la msica clsica con sus
estrictas reglas y procesos deterministas de composicin no poda escapar
de estas cualidades. A partir del surgimiento del gramfono y el desarrollo
de las tecnologas de grabacin posteriores fue viable escuchar una msica
completamente determinista y poder capturar interpretaciones especficas,
en donde la reproduccin de una misma obra garantizara escucharla
exactamente igual en repetidas ocasiones. Actualmente hay tres alternativas

78

http://intermorphic.com/sseyo/koan/generativemusic1/#gm1

62

en la msica segn Eno; la msica en vivo, la msica grabada y la msica

generativa, quedando la msica generativa con cualidades de las otras dos.
De la msica en vivo sus diferencias en cada interpretacin y de la msica
grabada sus limitaciones de tiempo y espacio la puedes escuchar donde y
79

cuando quieras .

2.3.14 Sistemas hbridos

Los sistemas hbridos derivan del uso de ms un solo modelo
algortmico y la implementacin de diferentes tcnicas de generacin sonora
en funcin de obtener una mayor riqueza estilstica y esttica.
En principio los sistemas hbridos combinaron computadoras digitales con
sintetizadores analgicos de sonido. En 1977 se cre en la universidad de
San Diego, California el Hybrid IV system (sistema hbrido IV) basado en
lenguaje musical que era interpretado a travs de caracteres alfanumricos
introducidos con el teclado de la computadora, despus las seales eran
enviadas al sintetizador analgico.
Un ejemplo ms actual de este tipo de sistemas podra ser el
Continuator desarrollado en el laboratorio de ciencias de la computacin
Sony en Pars por Francois Pachet, combina sistemas interactivos musicales
(limitados en su capacidad para generar material estilsticamente
consistente) y sistemas de imitacin musical (que esencialmente no son
interactivos). El objetivo del proyecto es extender la tcnica del msico con
materiales aprendidos por la mquina que sean automtica y
estilsticamente consistentes. Para este proyecto fue necesario crear un
sistema capaz de representar y actuar frente a diferentes estilos musicales.

79

Idem

63

Basado en un modelo de Markov que responde a diferentes estilos

musicales cuenta con la posibilidad de reinterpretar patrones, conjuntos de
alturas, tonalidad, ritmo, pulso, armona e incluso las imprecisiones del
ejecutante al tocar. El sistema en su conjunto puede generar respuestas
similares (continuaciones) en el estilo introducido en tiempo-real mientras el
usuario sigue tocando, o incluso puede seguir tocando con base en los
impulsos musicales introducidos para crear solos o improvisaciones
colaborativas e interactivas.
Pachet detalla que el continuador es ms un sistema reflexivo que
flexible, busca sincronizarse en forma de eco con los materiales musicales
introducidos por el usuario, de manera tal que el continuador logra pasar la
prueba de Turing, siendo que para un escucha ordinario podra pasar
desapercibido el momento en el que la mquina o el usuario tocan. Esto es
debido a varias razones que tienen que ver con cmo el material
subsecuente es reinterpretado a travs de los procesos markovianos y que
parmetros como proporcin temporal, rtmica, dinmica, aggica, timbre y
particularmente el estilo musical son los mismos. En las audiciones de los
ejemplos de la pgina de Pachet pude notar que tratndose de
improvisaciones a partir de instrumentos MIDI, resulta particularmente
difcil saber en qu momento la mquina o el humano estn tocando. En
otro ejemplo en donde se implement un sistema mecnico para que el
continuador tocara directamente en un piano acstico mientras un
instrumentista improvisa, resulta ms sencillo identificar las diferencias ya
que el trabajo de fraseo, articulacin, dinmica, uso de pedal y flexibilidad
aggica son demasiado rigurosos en la interpretacin del piano mecnico. A
pesar de estas limitantes el continuador resulta ser un proyecto realmente
innovador en interesante, pudiendo acceder a los mbitos de la pedagoga
infantil e incluso a la prctica de la libre improvisacin.
64

Captulo 3
Mapeo de datos como tcnica de composicin musical y sonora






El mapeo de una idea sea o no musical o sonora, es una prctica
mucho ms antigua de lo que podemos imaginar, al inicio de esta tesis por
ejemplo comienzo hablando de la mano guidoniana que Guido dArezzo
utiliz para facilitar la lectura y la entonacin de las alturas. El mapeo de
datos se refiere a la forma en que un conjunto de informacin que entra a
un sistema determinado o que es parte de l es traducida en parmetros
sonoros. Podramos decir tambin que es el proceso de imaginar un gesto o
una estructura tal vez fsica o visual y despus aplicar un proceso de
asignacin para convertir a ese gesto en sonido el cual puede representar el
80

gesto original de alguna manera.

El mapeo de datos puede representarse de distintas formas
dependiendo el mbito en el que ste sea enmarcado, ya sea que se emplee
con fines de divulgacin cientfica, artstica o pedaggica. No obstante, la
forma en la que nos aproximamos a la expresin sonora es indudablemente
un fenmeno polifactico que puede ser comprendido desde la
individualidad y a partir de varios enfoques que coexisten generando una
red compleja de interrelaciones conceptuales y perceptibles, que incluyen

80

Doornbusch, P. Answers to questions of paul doornbusch about mapping en

http://eamusic.dartmouth.edu/~larry/misc_writings/talks/about.mapping.html

65

enfoques de tipo esttico, cultural, emocional, afectivo, fsico, tcnico,

coordinativo, informativo, etc.

3.1 Criterios estticos en las tcnicas del mapeo de datos

Cmo se puede relacionar un conjunto de datos (generalmente
extra-musicales) con la creacin musical o sonora? El tipo de interaccin que
se establece entre el pblico/usuario y el sistema es algo fundamental aqu y
ms si hablamos de una forma de interaccin que incluye la gestualidad
corporal y la gestualidad musical. Qu tanto tienen en comn el violinista
que hace un glissando que va del registro ms grave de su instrumento hacia
el ms agudo respecto a la forma en la que un dj o algn otro intrprete de
msica electrnica mueven una perilla para generar el mismo glissando
electrnicamente? Este tipo de consideraciones son generalmente tomadas
en cuenta para la asignacin de analogas sonoras en la representacin de la
informacin. Sin embargo hay afianzamientos bsicos entre la interaccin, y
la respuesta sonora que son completamente determinados por leyes fsicas:
cuanta ms energa se pone en un sistema, ms fuerte es normalmente la
81

seal sonora o a mayor tensin, mayor altura , similar emplear octavas o

movimientos paralelos en la msica.
En muchos casos el mapeo de datos es entendido de una forma
meramente pragmtica y con la funcin de socializar al pblico la
informacin con la cual se est trabajando. El diseador necesita tomar
varias decisiones que influyen en la efectividad del sistema. Si por ejemplo,
la energa durante la interaccin es una variable crtica, puede parecer

81

Herrmann, T. et al. The sonification handbook, Berlin, Cost, 2011, p. 105.

66

razonable mapearla a la altura, una variable sonora donde tenemos una

sensibilidad mucho mayor para percibir los cambios en comparacin con la
82

amplitud.
Cul es el grado de equivalencia que busca generar un artista entre
la informacin que procesa y el resultado audible? y qu tan necesario es
para un compositor que la descodificacin de la informacin a sonido sea
percibida por el pblico?
Para algunos compositores/creadores el grado de equivalencia
sonora o musical que logra generar en un sistema interactivo con el
pblico/usuario, puede ser o no relevante y depende del caso concreto de la
obra, donde finalmente el gusto o placer esttico sern los que definan estos
factores. La significacin de la obra sera tambin una pieza clave para poder
abordar el tema de la traduccin. Para Chris Salter un sistema indeterminista
tiene la potencia necesaria para desatar una serie de consecuencias
emergentes a partir de reglas simples de programacin que pueden resultar
en algo verdaderamente innovador o sorpresivo a nivel auditivo.

La idea de que algo te sorprenda se encuentra en el corazn del
concepto de experimento. En la ciencia, por supuesto, uno quiere
de alguna manera estabilizar esto [el experimento] a travs del
tiempo y reducir las sorpresas de manera tal que las cosas puedan ser
ms consistentes y deterministas (y de esta forma otras personas
puedan repetir el experimento, obteniendo los mismos resultados y
entonces eventualmente llamar a esto un hecho cientfico). En el arte,
particularmente el arte que utiliza estos sistemas computacionales
inestables, uno espera crear las condiciones para propiciar que algo
pase sorpresivamente y entonces con fortuna sucede. Esta es una de
las razones por las cuales artistas como Cage con sus operaciones de
82

Idem

67

azar, Xenakis con su msica estocstica [] o nosotros con estos

procedimientos estadsticos de aprendizaje de la mquina, estamos
interesados en usar tcnicas que resultan en algo que puede ser
83

predicho parcialmente.

Hay casos en donde el compositor/artista aprovecha las cualidades

de la msica generativa como su indeterminacin para consolidar una idea
que le permita posteriormente generar un concepto para su obra, es el caso
de N-Polytopes de Chris Salter quien enfatiza que una de sus principales
bsquedas es la de no determinar lo que sucede para dejarse sorprender por
la cualidad emergente que el sistema propone. Al respecto Chris Salter
menciona:

El asunto de renunciar al control es realmente una pregunta
interesante y yo he encontrado despus de haber trabajado durante
muchos aos con ideas similares, que uno est siempre en un blanco
mvil entre algo que est fijo/determinado y, al mismo tiempo, te
permite cierto grado de improvisacin y auto-organizacin, de
manera que para mantener el sentido de vivacidad es decir, algo
que est teniendo lugar ante uno en ese mismo momento y en
tiempo real. Esta es la razn de explorar estas tcnicas ya que
finalmente uno quiere crear una experiencia que se renueve por s
misma y de esa forma mantenga su inmediatez su sentido del
presente. Pero al mismo tiempo, uno nunca tiene totalmente el
control porque es dependiente de muchos otros factores, materiales
84

y cosas que poseen sus propias tendencias y predilecciones.

83

Extrado de http://we-make-moneynotart.com/archives/2012/07/npolytope.php#.UI7eJG
l25FQ el 10 de noviembre de 2015.
84
Ibid.

68

85

Una visin interesante es la de Larry Polansky quien discute en la

entrevista con Paul Doornbusch su aproximacin experimental a las tcnicas
de asignacin de datos la cual me parece particularmente creativa. Polansky
comenta que al mapear no piensa en gestos sino ms bien en ideas y esas
ideas las trata de hacer lo ms resonantes posibles.

A veces esas ideas parten de una clara e intrincada
manifestacin sonora conectada intrnsecamente []
([sus] cuatro cnones de voz son un buen ejemplo), a
veces no (esto es porque [algunas veces] trabajo en
las ideas independientemente del sonido, tales como
las funciones mtricas y de mutacin, que provienen
de un profundo inters de tipo filosfico en la nocin
global de cambio).

Polansky busca alejarse de los enfoques consistentes y dogmticos
que hay sobre el mapeo (como ocurre en algunos proyectos de sonificacin).
Siguiendo su aproximacin y posicin experimental, Polansky no parte de un
enfoque consistente a travs del cual definir un solo camino para la toma de
decisiones en el proceso de asignacin sonora. ste es concebido ms bien
como un proceso de realizacin u orquestacin, donde la intuicin, el humor,
86

la expresin, las referencias culturales, etc. son el punto de inters.

Una variante en las tcnicas de mapeo se ve en las prcticas de la
sonificacin, su objetivo es convertir informacin o datos concretos en
representaciones sonoras que no estn basadas necesariamente en el
85

Larry Polansky es un compositor, guitarrista y mandolinista, maestro en la Universidad de

California, Santa cruz. Co-escribio el HMSL (Hierarchical Music Specification Language) con
David Rosenboom quien es compositor y pionero en el uso de neurofeedback).
86
Doornbusch, P. Answers to questions of paul doornbusch about mapping en
http://eamusic.dartmouth.edu/~larry/misc_writings/talks/about.mapping.html

69

lenguaje hablado. En la prctica de la sonificacin se requiere una

aproximacin sonora equivalente a la informacin que se est tratando de
87

representar y que permita descodificarla con fidelidad. Segn el texto

88

Diseo sonoro interactivo el artista debe encontrar un punto de equilibrio

entre los diferentes niveles de informacin y cmo los datos son asignados a
diferentes parmetros sonoros, de modo que exista un cierto grado de
equivalencia dato-sonido, que le permita optimizar el despliegue de la
informacin y generar una interpretacin clara de la misma. De manera tal
que la facilidad de aprendizaje en contraposicin con la eficacia de la
experiencia esttica, adquiera ms presencia y pueda existir una mayor
89

inteligibilidad del material snico respecto a los datos desplegados.

Siguiendo con este enfoque encontramos un procedimiento que puede ser
factible a la hora de enfrentarse con un trabajo de mapeo, aunque desde el
enfoque de la sonificacin:

(a) clasificar todos los factores en funcin de su
importancia para el contexto dado de la aplicacin (b)
optimizar la sonificacin teniendo en cuenta los
factores ms importantes (c) refinar el diseo sonoro
dentro de los lmites tomando en cuenta los factores
secundarios (d) iterar esto hasta que no pueda
hacerse ninguna mejora adicional.

87

Kramer, Gregory, ed. (1994). Auditory Display: Sonification, Audification, and Auditory
Interfaces.
Santa Fe Institute Studies in the Sciences of Complexity. Proceedings Volume XVIII. Reading,
Maddison-Wesley
88
Sarafin, S. Sonic interaction desing, The sonification handbook, Berlin, Cost, cap. 5 p.105
89
Idem

70

Dentro de los enfoques de la sonificacin de datos y el mapeo en la

msica algortmica y generativa, podemos encontrar distintas funciones y
sus aproximaciones y aplicaciones tienen en algunos casos propsitos
distintos a la bsqueda esttica, aunque ambos tienen algunos aspectos en
comn.
Pero entonces cul es la bsqueda o existe una bsqueda con fin
esttico en la prctica de la sonificacin y de no ser as, qu sentido
realmente tiene entrar en las lgicas del sonido para socializar un dato? A
travs de la historia podemos observar que las representaciones de la
informacin y de los datos se han hecho mayormente basndose en
representaciones visuales. Si estas interpretaciones, con el fin de socializar
un tema especfico, se hicieran a travs del sonido a qu tipo de fenmeno
nos estaramos aproximando? Las formas de representar y aproximarse a la
informacin han evolucionado y el sonido no se ha quedado atrs buscando
nuevas alternativas para insertarse en las mltiples formas en que
leemos/interpretamos escuchamos la informacin. Actualmente hay
varias discusiones sobre cmo representar sonoramente y de una manera
comprensible diferentes tipos de informacin. Algunos estudios han estado
interesados en encontrar las mejores tcnicas para representar diferentes
tipos y niveles de informacin, pero hasta ahora no se han postulado las
90

tcnicas ms acertadas para hacerlo.

El siguiente proceso de mapeo tomado directamente del captulo
sonificacin de mapeo de parmetros (PMSon) de Florian Grond y Jonathan
Berger, sugiere este tipo de enfoque en donde el sonido es el protagonista
para la socializacin de datos y describe directamente las propiedades del
sistema. Los autores consideran que la efectividad de la sonificacin est en
90

Sarafin, S. The Sonification handbook, Berlin, Cost.

71

el dominio perceptual donde el sonido es capaz de representar veraz y

eficazmente los datos que se quieren mostrar.
















Mapa del diseo general de proceso de sonificacin de datos

Investigaciones perceptuales sobre la sonificacin y la esttica de la
sonificacin, son las claves para abrir los enfoques ms sesgados de la misma
y que pueden ser extrapolados a los campos de las artes, la msica y el arte
algortmico o generativo. En el caso de la sonificacin por ejemplo, hay un
claro inters por desarrollar capacidades perceptuales que permitan
concentrarse en distintos parmetros de la representacin de datos, de
modo que pueda emplearse la vista y el odo para comprender ms niveles
de informacin de forma simultnea.
72


El arte de la composicin es importante para el diseo de las
visualizaciones auditivas, por ejemplo las aptitudes del compositor
pueden contribuir a hacer las visualizaciones auditivas ms
placenteras

sonoramente

integradas

as

contribuir

significativamente a la aceptacin de las visualizaciones. Existen

claros paralelismos entre el rol del compositor y el del artista grfico
en la visualizacin de datos [] Conclusiones similares pueden ser
alcanzadas por los beneficios de las habilidades del compositor para
hacer visualizaciones ms integradas, variadas, definidas y menos
91

propensas a generar ritmos o meldicas irritantes.

Adems, la sonificacin siendo uno de los casos ms alejados que encuentro
en relacin con las prcticas musicales, es un ejemplo importante que
evidencia como paulatinamente las prcticas y los usos del sonido se van
desbordando de las prcticas ms tradicionales en las que es empleado
ampliando as sus acotadas posibilidades. La sonificacin plantea el uso del
sonido como una herramienta que puede servir para aprender a desarrollar
la capacidad de la visualizacin auditiva en el ser humano. Siguiendo lo
anterior, qu sentido tiene enmarcar una obra basada en procesos de
sonificacin y decodificacin de datos en un contexto en el cual es entendida
como arte sonoro o msica, cuando realmente est abriendo otros
paradigmas y convirtindose en algo ms que msica, o arte sonoro?
Po otro lado, el compositor generalmente est ms preocupado por
la experiencia perceptual que por enfatizar el algoritmo o la informacin de
la cual est generada una composicin, aunque en algunos casos esto
resulta al contrario como es el caso de Brian Ferneyhough quien asegura en
91

Herrmann, T. et al. The sonification handbook, Berlin, Cost, 2011, p. 145.

73

una conversacin con Trevor Wishart citada en su libro On Sonic Art, que l
est ms preocupado por descubrir y analizar la estrategia composicional y
el plan formal que en el resultado sonoro. Sin embargo, cuando algn
aspecto de los datos o el fenmeno que se trata de representar tiene un
carcter explicito para la obra, uno por lo general tratara de encontrar la
equivalencia entre el mbito de la informacin, los datos o el fenmeno
descrito y el resultado audible. En estos casos la obra adquiere una doble
significacin y crea un intersticio entre la frontera de lo preceptual, sensible,
potico y el mbito ms de la racionalidad y la lgica. Aunque esto
generalmente no ocurre debido a la falta de colaboraciones
interdisciplinares en el arte, y a pesar de que en algunos casos s se busca
generar el intersticio y por el contario se genera una especie de Frankenstein
desafortunado, son pocas las piezas que logran crear este estado de
equilibrio que a travs de la suma de unidades individuales se crea un todo
ms interesante construido a partir de la suma de pequeas ideas integradas
en grupos transdisciplinares como sucede en la pieza ya mencionada N-
Polytope. Este tipo de perspectivas estn abriendo un nuevo camino en la
composicin y la creacin sonora individual. Donde el compositor/creador
trasciende su papel de autor por antonomasia y ahora busca la colaboracin
con otros artistas (como sucede en el cine, en el teatro, en el arte
transdiciplinario o en los videojuegos) para lograr los objetivos del proyecto,
de la obra y no solamente los objetivos personales del creador/compositor.
De alguna manera entiendo que el significado y las bsquedas de
muchos proyectos de sonificacin estn enfocados en la representacin de
datos (muchas veces cientficos) y no en perseguir fines estticos. Por otro
lado, no hay una sola respuesta que nos lleve a pensar en un enfoque sobre
cmo interpretar la informacin en las tcnicas de mapeo sonoro. Si bien
Larry Polansky menciona que podra considerar estas prcticas equivalentes
74

a la realizacin, la orquestacin o la instrumentacin, por otro lado por

ejemplo en la sonificacin el sonido podra ser considerado desde un
enfoque meramente pragmtico en donde la finalidad es la de comprender
de forma clara y sencilla un cmulo de informacin.
Podramos concluir que no hay un solo enfoque para abordar el
mapeo de datos, y que el enfoque y las decisiones que toman los artistas,
compositores, y programadores, dependen completamente de los intereses
personales y de la funcin especfica o esttica de la obra.

3.2 Crtica de las prcticas de creacin musical y sonora vinculadas a

las tcnicas de mapeo y la cientifizacin del arte

Ms all de las justificaciones conceptuales, cientficas o tericas

que un artista le pueda asignar a su obra, en muchos de los proyectos

actuales que he logrado rastrear, analizar y escuchar esto slo en algunos
casos encuentro que hay una corriente de nuevas expresiones artsticas
que escapan a la idea clsica de la esttica, la cual parte del estudio de la
percepcin en general. Sin embargo, en esta tesis he depositado proyectos
que considero realmente innovadores en el sentido en que buscan equiparar
la complejidad de la tcnica discursiva o cientfica con la insercin del
elemento sonoro.
En 1930 Joseph Schillinger ya hablaba de la cientifizacin de la
msica a travs de sistemas matemticos que son una especie de msica
92

hecha por computadora pero evidentemente antes de la computadora. De

este modo, nos encontramos con que actualmente se puede hacer msica o

92

Herrmann, T. et al. The Sonification Handbook, Berlin, Cost, 2011, p. 145.

75

en un sentido ms amplio cualquier tipo de expresin artstica a travs de

mltiples tipos de datos que puedan ser cuantificados por la computadora.

La msica por computadora actualmente es compuesta a partir de
ecuaciones fractlicas, autmatas celulares, redes neuronales,
sistemas expertos y otros sistemas basados en reglas, algoritmos, y
simulaciones. La msica tambin es compuesta a travs de
secuencias de ADN, ndices financieros, trfico de internet, Imgenes
Flickr, conexiones de Facebook, Twitter, mensajes Vickers y cualquier
93

otra cosa en forma digital.

Si nos remitiramos a la Crtica del juicio de Kant que investiga el

origen del sentimiento puro, su manifestacin y las reflexiones sobre los

problemas filosficos en el arte, estaramos descartando la nocin del valor
esttico como belleza, que es conferido habitualmente a lo que
relacionamos con el objeto artstico. Por otro lado, qu hay ms all de la
belleza en el arte, qu hay cuando el arte sirve como un instrumento
transformador social, o cuando es empleada como vehculo crtico del
sistema social y sus rdenes factuales establecidos.
Es notorio que actualmente hay una fuerte fascinacin por justificar
una obra de arte bajo el discurso tecncrata y cientificista, el cual tiende a
ser cada vez ms relevante que el resultado mismo de la obra. Siendo que
hay diversos enfoques para entender y crear una obra de arte generativo,
muchos artistas tienden a basar su quehacer artstico en la generacin o
apropiacin de un discurso (conceptual o con base cientfica) que sea lo
suficientemente convincente y acabado para as aminorar la idea tradicional
de tener que asignar un valor esttico, crtico o en su caso poltico al

93

Idem.

76

resultado final de la obra. Esto posibilita a su vez una redefinicin de ese

valor esttico, que es transferido al proceso mismo de creacin como el
mismo Ferneyhough asegura, donde el foco de atencin se centra
especficamente en la significacin de la obra.
Desde mltiples vas estas prcticas buscan crear otro tipo de
experiencias, llmese percepciones sensoriales subjetivas en donde la
exploracin y los resultados mismos que una obra produce no son pensados
en trminos objetivos y finitos, sino ms bien desde las propiedades
perceptuales emergentes que la obra puede producir en la audiencia.
A travs de esta investigacin me he encontrado con una constante
y es que realmente son pocos los proyectos que tienen una propuesta
sonora y musical innovadora e interesante basada en los principios de la
ciencia de la complejidad y el uso de los sistemas complejos. Desde m punto
de vista el inters sonoro o musical de este tipo de prcticas partira, por
ejemplo, de las exploraciones y las cualidades contrastantes tmbricas,
rtmicas, texturales, de amplitud, de registro, de articulacin, etc. que
propicien el surgimiento de otras formas y estructuras musicales, respecto
de las formas ya desarrolladas.
Actualmente hay muchos o quiz demasiados proyectos con
discursos cientficos y tericos realmente buenos e impecables en el uso del
lenguaje pero que sonora o musicalmente no aportan mucho ms de lo que
ya se ha hecho en el pasado, perdiendo su sentido de innovacin o
renovacin conceptual en el camino. Al respecto el compositor/artista Peter
Ablinger comenta: si pudiera ser posible conducir a la msica hacia su propia
tumba [] yo lo hara: enterrar y quemar. Porque, despus de todo, estoy
seguro de esto: lo que surja de las cenizas no podra ser peor de lo que ya

77

tenemos. Probablemente no podra ser mejor pero tendra menos desecho,

94

sera purificado en relacin a lo que es y lo que ha sido.

Considero que se requiere de un proceso colaborativo ms
equilibrado y transdisciplinario entre msica y otras disciplinas, en vez de
camuflajerase con dicha cientifizacin, donde el arte pareciera estar a
expensas de los discursos o enfoques seudo-cientficos sin necesariamente
estar a medias de serlo. Dos ejemplos de arte sonoro transdisciplinario muy
interesantes y en este caso mexicanos son el proyecto de Plantas nmadas y
Parsitos urbanos de Gilberto Esparza o Pulsum-plantae de Leslie Garca,
que Rossana Lara (musicloga) analiza con profundidad en su tesis
95

doctoral.
Por otro lado, la generacin de sentidos perceptuales subjetivos
en muchos casos ya no importa salvo proponer investigaciones con base
cientfica que muestren las capacidades tcnicas desarrolladas hasta ahora,
aplicables a las artes. Otros muchos proyectos fundamentan su discurso a
travs de la complejidad descriptiva del enmaraado de interconexiones que
pueden generarse en un sistema determinado, de nuevo sin proponer algo
innovador o de inters perceptual ms all de las descripciones tcnicas. Por
ejemplo, el proyecto Drum circle: intelligent agents in MAX/MSP explora el
uso de agentes en red para la construccin de patrones rtmicos inteligentes,
a travs de la improvisacin emulada por un ensamble de agentes
percusionistas. El proyecto parece bastante complejo y prometedor
(tcnicamente lo es) pero carece de exploraciones sonoras o estructurales
que podran esperarse. El proyecto no va ms all de las tpicas y
tradicionales exploraciones tmbricas de los sintetizadores MIDI, carentes de
94

Reinholdtsen, T. Los sonidos no me interesan (versin reducida). Traduccin: Segio Bov.

Original: Paregon, Oslo: abril 2005.
95
Lara, R. Poner la escucha en (corto) circuito. Arte electrnico en Mxico: dos dcadas. (tesis
doctoral). Universidad Nacional Autnoma de Mxico 2016.

78

todo tipo de flexibilidad, expresividad y naturalismo. Es interesante

mencionar que los sonidos de los sintetizadores genricos MIDI han formado
parte de la esencia, y por as decirlo de la esttica que muchos proyectos
de la misma ndole han optado por emplear, justificando que lo nico que
les interesa es ver cmo se comporta y funciona el sistema. Un buen
ejemplo de estas aproximaciones sonoras a la composicin musical a travs
de los sintetizadores MIDI sera el sistema interactivo de improvisacin
Voyager que George Lewis cre en 1993. Lewis genera un balance increble
con estos mecanismos sonoros sintticos ya que los amalgama con los
sonidos reales del trombn, saxofn y trompeta. Otro ejemplo lo podemos
encontrar en el programa Sound Machines de la plataforma NetLogo, en
donde mltiples agentes interactan entre s, con un ambiente limitado por
cuatro paredes y con las reglas de la gravedad, para generar patrones
caticos o incluso improvisaciones interactivas en las cuales las reglas de
operacin de los agentes pueden ser modificadas en tiempo real.
Pero qu es lo que realmente hace a una obra sensible a una
realidad sobremediatizada, el discurso que la acompaa y justifica, o el
resultado que por s mismo la obra genera al espectador? Me parece que
pensar en que una obra puede ser simplemente explicada a travs de
discursos cientificistas para ser vlida (en los mbitos y las instituciones
artsticas) abandona una bsqueda sincera por emplear las capacidades
tcnicas actuales en funcin del arte. Ciertamente pareciera que el arte es el
que est al servicio del desarrollo tecnolgico, quedando en un segundo
plano, como un excedente implcito. Si bien es cierto que este tipo de
enfoques pueden explorar y proponer diferentes cualidades en cuanto al
discurso conceptual de una obra, a dnde podra conducir lo anterior al
arte y qu es lo que realmente se est considerando y entendido
actualmente como arte?
79

Siguiendo por esta lnea considero que hay una fascinacin por
hacer explcito el dato o el algoritmo que es usado en una obra para de
alguna forma enmascarar la falta de creatividad, sensibilidad esttica y
creativa que podra tener una obra. Pareciera como si el resultado fuera una
especie de residuo que produce el mismo discurso terico y cientificista que
acompaa a la obra. Incluso aunque estas prcticas tienden a evitar el
ncleo perceptual de la esttica, es evidente que an percibimos el arte a
travs de nuestros sentidos y que muchas de las metforas del arte no
pueden ser expresadas por medio de las palabras o los discursos tericos
interminables que surgen de las prcticas artsticas. Por estas razones
considero fundamental retomar nuevamente las exploraciones perceptuales
y sensitivas en el arte ya sean visuales o sonoras, como las cualidades de
contraste, complejidad, organizacin, similitud, memoria, etc. que
considero se encuentran negados y/o descuidados en muchos de los
discursos artsticos y estticos actuales. Tambin considero de suma
importancia que las artes y las ciencias tejan puentes que permitan
comprender y analizar las formas en las que accedemos de manera objetiva
a la realidad y cmo la percibimos subjetivamente, para ser capaces de
aprender cmo es que stas formas de acceder a la realidad contribuyen a la
construccin de la percepcin esttica y a una redefinicin de las artes.









80

Captulo 4
Mquinas Sonoras: Anlisis de propuesta creativa

4.1 Antecedentes del proyecto
En los mbitos artsticos actuales se ha alcanzado un nivel de
evolucin tanto tcnica, prctica y conceptual que los enfoques de
apreciacin y las herramientas tradicionales de anlisis son insuficientes
para obtener resultados analticos que permitan seguir desarrollando las
prcticas artsticas actuales. Asimismo, el enfoque de las ciencias de la
complejidad ha ayudado a revolucionar paradigmas de muchas reas del
conocimiento como la fsica, la qumica, las ciencias naturales, las ciencias
sociales, la economa, por mencionar algunas, y considero que para el campo
artstico podra significar una renovacin paradigmtica tambin.
En los ltimos aos los artistas y creadores de mltiples disciplinas
han optado por trabajar y teorizar ms de cerca con sistemas complejos,
redes, algoritmos, sistemas de retroalimentacin y procesos iterativos,
inteligencia artificial, simuladores de organismos musicales vivientes,
autmatas perceptibles, mquinas sonoras, robots musicales, etc. Todas
estas expresiones estn dispersas y cada una trabajando -sin nombrarlo as-
con las ciencias de la complejidad aplicadas al arte. A travs de la utilizacin
de herramientas analticas y de la sistematizacin de los procesos creativos,
que permitan encontrar propiedades que el creador de la obra en cuestin

81

incluso podra no haber encontrado sera posible pensar en una nueva

forma de entendimiento y conceptualizacin de una obra de arte y el
conocimiento adquirido permitira incluso extenderla de diversas formas y
llevarla a otros niveles de complejidad?
Una de las motivaciones por trabajar con el enfoque de las ciencias
de la complejidad surge a partir de conocer de cerca algunos trabajos que
los compaeros del seminario de ciencias de la complejidad han compartido.
El seminario lo imparte el Dr. Felipe Lara Rosano, estoy asistiendo como
parte de las actividades que me corresponden dentro del servicio social de la
licenciatura. Los trabajos aqu expuestos estn relacionados con el mbito
socio-econmico y poltico de Mxico, se ha indagado profundamente en las
mltiples formas en que los anlisis de sistemas sociales pueden arrojar
posibles soluciones a muchas de las problemticas actuales de nuestro pas.
A partir del seminario de las ciencias de la complejidad es que comienza a
surgir en m el inters por explorar las caractersticas que tienen los sistemas
complejos adaptativos y las aplicaciones de modelado basado en agentes
que pueden ser utilizadas para analizar y sistematizar la informacin
contenida de un sistema y sus diferentes estados por los que transita.
Gracias al consejo del Dr. Lara Rosano comenc a trabajar con la
programacin de modelos sistmicos basados en agentes en la plataforma
NetLogo, la cual me permiti aprender a programar sistemas complejos
adaptativos para posteriormente sonificarlos (encaminar datos a sonido) con
SuperCollider. Los experimentos que realic consistieron bsicamente en
trasladar los datos de un modelo que simula la interaccin entre tres clases
de agentes distintos; los humanos plagados de su inevitable muerte ya sea
por causa natural o externa, el alimento que necesitan y los entes que se
llevan la vida de los humanos para as poder sobrevivir. Las variables de
entrada que se pueden controlar en el modelo son la poblacin de humanos,
82

su tasa de reproduccin, la cantidad de alimento de los humanos, su

velocidad de produccin, y la cantidad de alimento que necesitan para
mantenerse con vida, por otro lado, las variables de la segunda clase de
agentes (los entes) son, la cantidad de entes, su tasa de reproduccin y la
cantidad de alimento humano que necesitan para sobrevivir. A partir de
estas variables y la interaccin en tiempo real del modelo es posible
observar como las diferentes configuraciones en las variables de entrada son
capaces de generar procesos emergentes inesperados, tales como la
extincin de todos los agentes involucrados, la extincin de los entes, la
sobrepoblacin humana y la coexistencia de los tres agentes interactuando
en un ecosistema fluctuante, desequilibrado, oscilante pero equilibrado a la
vez. Este equilibrio fue la configuracin ms difcil de generar debido a la alta
sensibilidad de las variables de entrada, ya que mnimos cambios pueden
resultar en el caos total, llevando a la extincin al sistema en su totalidad, ya
que las conexiones e interdependencia son vitales para garantizar la
existencia de todos los agentes involucrados en el sistema. Posteriormente
los datos generados a partir de la interaccin de los tres grupos de agentes
96

del sistema fueron encaminados va OSC a distintos sintetizadores en

SuperCollider pudiendo modificar distintos parmetros sonoros, como la
amplitud, frecuencia, timbre y fase. El resultado acstico no fue muy
interesante ya que realic una sonificacin de la interpretacin literal del
momento en el que el sistema llegaba a situaciones de equilibrio oscilante
con apenas ligeras fluctuaciones. Sonoramente fue una serie de glissandos
ascendentes y descendentes con variaciones en la fase y la amplitud. Esta
fue mi primera aproximacin a la sonificacin de datos, a la cual no le
encontr mucho ms sentido que el mero gusto por hacerlo y explorar las
96

Open Sound Control: protocolo de comunicacin entre computadoras y otros dispositivos

electrnicos va red

83

diferentes asignaciones de los parmetros sonoros que la combinatoria me

que pudiera permitir.
Despus de este experimento comenc a idear un sistema que me
permitiera crear una instalacin interactiva emergente basada en agentes
caracterizada por la conectividad, interaccin, retroalimentacin e
interdependencia entre los agentes y el espacio acstico de un cuarto. La
idea fue generar un sistema sonoro atractivo e impredecible que contuviera
las caractersticas de los sistemas complejos adaptativos y que fuera capaz
de interactuar y reaccionar ante la diversidad sonora presente en el cuarto,
as como el sonido exterior y la interaccin en vivo con el usuario.
Las siguientes secciones de este captulo, estarn dedicadas a
definir el sistema sonoro interactivo y a explorar algunos conceptos de las
ciencias de la complejidad como la iteracin, la retroalimentacin, la
emergencia, la adaptacin, el intercambio de energa y la autorganizacin y
como stos fueron aplicados a la construccin de entidades sonoras
autnomas (mquinas sonoras) capaces de interrelacionarse, modificarse a
s mismas y entre ellas, para finalmente modificar el entorno acstico de un
cuarto que al mismo tiempo las modifica. Por otro lado, y con el objetivo de
ampliar las caractersticas y funcionalidades tcnicas, estticas y
perceptuales, los conceptos de resiliencia, aprendizaje, homeostasis y
autorregulacin, quedarn pendientes para un futuro trabajo sobre la
aplicacin de las caractersticas cibernticas y de control que pueden ser
implementadas a los mecanismos perceptuales de las mquinas sonoras.





84

4.2 Sistema sonoro interactivo emergente basado en agentes

Las mquinas sonoras son un sistema dinmico complejo con un gran
nmero de componentes relativamente simples que se interrelacionan y
modifican unos a otros segn sus reglas de operacin.
El sistema dinmico est compuesto por cinco elementos que todo
el tiempo interactan entre s, las mquinas sonoras, el micrfono que
retroalimenta y modifica el comportamiento de las mquinas a travs de la
captacin misma del resultado acstico que ellas producen, la interaccin
del pblico con la instalacin, las reflexiones acsticas del espacio y pblico
que perciben el fenmeno y el ruido exterior causado por el entorno sonoro
o suprasistema.
Las interrelaciones entre los componentes de las mquinas sonoras son
capaces de generar propiedades emergentes que si bien, cada mquina
podra generar individualmente momentos sonoros interesantes, ningn
agente podra generar por s mismo la complejidad sonora que resulta de las
interrelaciones internas y la interaccin externa que establecen con el
ambiente sonoro del cuarto de retroalimentacin y el usuario. A partir de las
interrelaciones de los componentes surge un momento sonoro altamente
complejo, donde la resultante acstica del sistema puede ser modificada por
lo que las mquinas escuchan -codifican- de s mismas y de otras en su
entorno virtual (estmulos virtuales) y de los fenmenos sonoros que
ocurren en el entorno exterior a ellas (estmulos fsicos decodificados), sean
estos generados a partir de la interaccin con el ruido de la sala, una libre
improvisacin o la interaccin del pblico presente.
Un rasgo interesante de los sistemas complejos es que el
comportamiento de un solo agente del sistema puede afectar notablemente
el comportamiento del todo que las contiene. De manera anloga las
85

mquinas sonoras tambin se desenvuelven como los agentes de un sistema

complejo, y los resultados sonoros producidos por una mquina afectan de
forma sustancial el resultado sonoro emergente.
Por otra parte, el suprasistema es la totalidad ms amplia en donde
se ubica el sistema, en este caso es el entorno acstico o entorno contextual,
su funcin es la de interactuar de manera indirecta con el sistema (mquinas
sonoras) y modificar el resultado sonoro inicial a travs del proceso de
realimentacin. El entorno acstico estara constituido de todos y cada uno
de los sonidos que circundan el sistema, para despus convertirse de sonido
analgico a datos. As el grado de impacto de las interacciones entre el
suprasistema y el sistema depende del entorno acstico y de las decisiones
elegidas a nivel interno como externo. De esta forma los cambios producidos
en el entorno acstico podrn intervenir y modificar el resultado sonoro del
sistema llevndolo a diferentes estados de comportamiento e interaccin. La
funcin que desempean los agentes del sistema en el suprasistema es
modificar el entorno sonoro al mismo tiempo que ste las modifica. De esta
forma el sistema puede generar estados totalmente antagnicos en relacin
con los objetivos del suprasistema y por otro lado, estados en donde los
97

objetivos se apoyen mutuamente.

Otro elemento a considerar es el entorno transaccional o cuarto de

realimentacin, es el espacio en donde surgen modificaciones directas entre
el sistema (mquinas sonoras) y el cuarto de realimentacin. Aqu podemos
encontrar dos tipos de entorno, el pasivo que es aquel que puede ser
intervenido directamente por los estmulos que recibe del sistema y el activo
aquel que puede intervenir y modificar directamente al sistema. Dos
97

CEPAL Charlas Sobre Sistemas Complejos Sociales (CCSSCS): serie de 9 videos en lnea
sobre la ciencia de los sistemas complejos sociales;
http://www.martinhilbert.net/CCSSCS.html

86

micrfonos se encargan de establecer la comunicacin entre l, las

mquinas sonoras y el entorno transaccional. Aqu tambin se producen
intercambios de informacin de tipo fsico que son codificados en datos que
las mquinas pueden interpretar para modificar sus estados internos.
Cada mquina sonora posee caractersticas nicas y particulares
que las hacen diferentes de las dems, as como su propia historia (la
informacin sonora almacenada en el tiempo) y sus procesos complejos. A
estas caractersticas las podemos nombrar subsistemas estructurales ya que
configuran y dan sentido a cada una de las mquinas, adems de estar
compuestos de un sistema de programacin orientado a objetos bastante
complejo como es el lenguaje de SuperCollider.
A continuacin, se describen las propiedades individuales
cualitativas que se refieren al sistema, as como a las interrelaciones que
establece con el entorno:
Instrumentos perceptuales del entorno sonoro (micrfono)

Detector de amplitud
Detector de ataque
Detector de frecuencia

Mecanismos homeostticos de respuesta (Procesador de informacin)

Filtros resonantes (RLPF, Resonant Low pass filter)

Generadores de ruido blanco
Variables y parmetros de sustitucin
Movimiento espacial
Limitador
Retardo (delay)

87

Mecanismos de comunicacin con el entorno

Bocinas
Otras propiedades generales:

Funciones en tiempo real (posibilitan la interaccin inmediata de las

mquinas con el entorno).

Mandan datos a si mismas y a otras mquinas (procesos iterativos)

Reciben e interpretan datos de otras mquinas y del entorno, esta

interpretacin adems puede modificar su conducta.

El comportamiento de una sola maquina puede afectar el

comportamiento de todo el sistema.

Sus variables iniciales son altamente sensibles a los cambios.

Generan propiedades emergentes y homeostticas segn el tipo de

interaccin que establecen con el entorno acstico.

Los mecanismos homeostticos de respuesta parten de un proceso de

codificacin interpretada de datos. Tomando los estmulos sonoros del
entorno, la programacin de las mquinas interpreta los datos de entrada
(variables de entrada) para despus regresar al entorno acstico (variables
de salida) por medio de mecanismos actuadores resultando un fenmeno
sonoro emergente.

88

Diagrama sistmico

4.3 Caractersticas estructurales

Iteracin

Una de las propiedades que considero ms importantes en la
programacin de las mquinas sonoras es el proceso de Iteracin, ya que
ste juega un papel fundamental en la configuracin del sistema dinmico.
La iteracin es el acto de repetir un proceso para utilizarlo como punto de
partida para otro proceso de forma indefinida. De manera que las variables
de parmetros de una mquina como reconocimiento de amplitud, de
ataques (onsets) y de frecuencia, son encaminados hacia otra mquina que

89

al mismo tiempo influye en las variables de la anterior, de otras y de s

misma. Los resultados sonoros generados a partir de las interrelaciones
virtuales de las mquinas sonoras que de por s en su configuracin tienen
procesos iterativos, son recogidos por dos micrfonos que captan el
ambiente sonoro, posteriormente los mecanismos de percepcin de las
mquinas analizan el sonido entrante a travs de la transformada rpida de
Fourier (FFT). Los datos procesados se convierten en las variables de entrada
del sistema que modifican adicionalmente a la interrelacin virtual que ya
hay entre ellas de forma indefinida el comportamiento de las mquinas a
travs del proceso de retroalimentacin acstica.

Retroalimentacin
La retroalimentacin si bien similar al proceso de iteracin, la
entiendo ms dentro de este sistema, como el mecanismo a travs del cual
entra el fenmeno acstico percibido por las mquinas, este a su vez es
dirigido a los instrumentos perceptuales (detector de ataques, de frecuencia
y amplitud), que envan la informacin detectada a los mecanismos
homeostticos de respuesta quienes se encargan de redirigir los datos
procesados a la salida. El resultado emergente es finalmente percibido por el
pblico y regresado al sistema por medio de los micrfonos. La
retroalimentacin es un fenmeno interesante en la instalacin ya que no es
el tipo de retroalimentacin generada por ejemplo con un micrfono frente
a una bocina, sino algo an ms complejo ya que el micrfono no es
amplificado. Lo que capta el micrfono es el resultado generado por la
interrelacin de las mquinas y la interaccin con el resultado acstico
generado que regresa a las mquinas en forma de datos a travs del
micrfono. La retroalimentacin produce cualidades emergentes en el
90

sistema, es lo que se escucha, convirtindose en el principal fenmeno que

delimita y determina el momento sonoro constante.
Emergencia
La emergencia es una propiedad de los sistemas complejos
adaptativos en la cual surge la aparicin de estructuras complejas que se
presentan en el tiempo a travs de la actividad sincronizada de sus
componentes. Dichos componentes del sistema no necesariamente son
inteligentes, sino ms bien son entidades interconectadas, simples y
pequeas que por s mismas no podran presentar la aparicin de dichas
propiedades. El concepto de emergencia se relaciona con los conceptos de
autoorganizacin y superveniencia, y se define en oposicin a los enfoques
del reduccionismo clsico que considera la resolucin de problemas de
forma aislada al contexto del mismo. En cambio, el enfoque de la
emergencia considera que el todo, es ms que la suma de sus partes y a
travs de este enfoque es como la ciencia est abordando actualmente los
98

problemas de sistemas complejos psico-sociales.

Por otro lado, los procesos emergentes como ya se ha hablado,
parten de la interrelacin entre las mquinas y su interaccin con el entorno,
estos procesos provocan el surgimiento del resultado audible, que si bien, es
difcil de controlar debido a su carcter no lineal, es posible de alguna
manera anticipar trayectorias estables y predecibles. Dichas trayectorias
pueden provocar el surgimiento de bucles de retroalimentacin donde el
resultado audible puede ser por momentos montono. Como sugiere Karl
Marx, diferencias meramente cuantitativas ms all de un cierto punto,
98

la

CEPAL Charlas Sobre Sistemas Complejos Sociales (CCSSCS): serie de 9 videos en lnea sobre
ciencia de los sistemas complejos sociales; http://www.martinhilbert.net/CCSSCS.html

91

resultan en cambios cualitativos. A travs de una intervencin cuantitativa

es posible desembocar en la generacin de procesos sonoros de mayor
inters, donde algo con cualidades completamente diferentes surge a partir
de una ligera variacin en los parmetros (subir el volumen, proporcionar
mayor ganancia a los micrfonos, desactivar o activar las mquinas). Ms
adelante hablar con mayor cuidado sobre el proceso de intervencin del
compositor/improvisador/ingeniero de audio dentro del sistema, que ha
sido fundamental para generar procesos sonoros basados en un enfoque
improvisatorio.

Adaptacin
La adaptacin es la propiedad del sistema y de los agentes de un
sistema para aprender del entorno y ajustarse mejor a l. Mediante
mecanismos perceptuales captan la informacin del entorno, despus
procesan la informacin captada, y a travs de mecanismos actuadores son
capaces de cambiar su comportamiento para adecuarse mejor a la realidad
en la que estn inmersos.
En este caso las mquinas sonoras por medio de los instrumentos
perceptuales del entorno sonoro y los mecanismos homeostticos de
respuesta adaptan y modifican sus variables de acuerdo con las reglas de
programacin pudiendo transitar por los valores asignados en cada una de
ellas. A travs de los mecanismos de comunicacin con el entorno es que lo
modifican y al mismo tiempo son modificados por ste.

Autoorganizacin
La autoorganizacin es la caracterstica de los sistemas complejos
adaptativos para generar resultados coherentes colectivos, que surge de las
92

interacciones locales entre los componentes del sistema. Generalmente a

travs de la autoorganizacin en los modelos basados en agentes se llega a
una forma de orden especfico, generado no por un solo agente ya que
stos no estn programados para generar un orden determinado sino que
la estructura surge de forma espontnea y completamente descentralizada
sobre todos los agentes del sistema.
En el caso de las mquinas sonoras la autoorganizacin no es tan
simple de catalogar, ya que sta est vinculada con el campo de la
percepcin y esta es completamente subjetiva. Si bien al ejecutar las
mquinas sonoras he podido definir de forma amplia ciertos estados de
equilibrio que producen resultados coherentes colectivos, tal vez para
alguien que escucha por primera vez el sistema interactivo no sea as. Yo,
que tengo casi un ao probando y experimentando con el sistema, s podra
decir que hay un cierto tipo de autoorganizacin y que traspasa los lmites
individuales de interaccin de las mquinas. Al activarse las ocho mquinas
simultneamente comienzan a generar procesos que poco a poco se hacen
reconocibles a la escucha, esto se debe a los mecanismos de retardo (delay)
integrados de forma distinta a cada una de ellas. Estos mecanismos de
retardo generan procesos cclicos que son escuchados nuevamente por el
sistema a intervalos de tiempo regulares que van desde 21 segundos y hasta
233 segundos.

4.4 Anlisis de las variables del sistema

Variables de estado
Son las variables predeterminadas del sistema que describen su
estado interno en un momento determinado, en stas se presenta la historia
general del sistema. Una particularidad de las variables de estado en las
93

mquinas sonoras es que son muy sensibles a los cambios, ya que cambiar
un solo valor puede llevarlas a estados al borde del caos (al generar niveles
de saturacin extremas por encima del rango mximo de altura soportado
por supercollider, arriba de 26 decibeles) o por el contrario generar
mecanismos homeostticos, y mantener un equilibrio interno en el sistema.

Procesos iterativos de control (Ndef, |h|, (y=x))

Mecanismos de control de amplitud

Mecanismos de control de frecuencia

Mecanismos de control de ataque

Fuente sonora (Ruido Blanco)

Mecanismos de decaimiento controlados por procesos iterativos

Variables de entrada

Son aquellas que representan las cualidades variables de informacin que
recibe el sistema del entorno y que pueden modificarlo de manera
imprevista. Estas tambin pueden ser manipuladas directamente, para
afectar el funcionamiento del sistema con el objetivo de generar a un estado
determinado, lo que implica una forma de teleologa.

Interaccin sonora del pblico (Nivel de amplitud, frecuencias

sonoras, ataques)

Intervencin del improvisador

Intervencin del compositor/improvisador/ingeniero de audio

Ruido ambiental

Retroalimentacin

94

Variables de salida
Son el resultado que es proyectado al entorno como efecto de las
interacciones entre las variables de estado y las variables de entrada. Tienen
la caracterstica de ser observables en la realidad y servir para la evaluacin
funcional del sistema.

Resultado sonoro emergente

Intervencin del espacio acstico

95

4.5 Momentos sonoros diferenciables en las mquinas sonoras

Como se mencion anteriormente las mquinas pueden generar
momentos sonoros homogneos y diferenciables, los cuales enlisto a
continuacin adems de que estarn en el siguiente enlace:
https://archive.org/details/Sound_Machines

Ejemplo 1. Pedal constante registro medio
Ejemplo 2. Ataques estables ms pedales
Ejemplo 3. Partculas sonoras estables
Ejemplo 4. Pedal constante ms partculas sonoras
Ejemplo 5. Ataques estables ms pedal registro grave
Ejemplo 6. Bucles de retroalimencin
Ejemplo 7. Partculas sonoras caticas

96


Sonograma de las mquinas sonoras

97

4.6 El papel del compositor/improvisador(es)/ingeniero de audio

dentro del sistema interactivo
Es importante mencionar que en el estado actual de la
programacin del sistema interactivo, los estados diferenciables de las
mquinas sonoras no surgen de manera fortuita, sino que requieren un
cierto tiempo de interaccin retroalimentativa con el ambiente y en algunos
casos la intervencin del compositor/improvisador/ingeniero de audio para
controlar el sistema. Hasta este punto no se haba hablado a detalle del
papel de este agente externo al sistema ya que originalmente se buscaba
generar un comportamiento autnomo que no requiriera otra intervencin
de control ms que la del pblico y en todo caso la interaccin de un
improvisador vocal o instrumental.
En el transcurso de la programacin y al hacer las pruebas result
sumamente importante que un compositor/improvisador/ingeniero de
audio controle, modifique y pueda crear un resultado de mayor inters
sonoro en el sistema. Estas modificaciones meramente cuantitativas pueden
ser realmente mnimas pudiendo hacer variaciones en la ganancia de los
micrfonos, la salida de audio y al activar o desactivar alguna mquina en el
transcurso de la ejecucin del sistema.
Los cambios que le corresponde realizar al compositor/
improvisador/ingeniero de audio deben estar ligados a una escucha atenta y
activa del momento sonoro. Al mismo tiempo ste agente puede tomar la
actitud del improvisador propositor o facilitador. El improvisador propositor
en este caso, es el que propone cambios sustanciales en el sistema, algo que
puede repercutir de forma discursiva al momento sonoro, llevndolo a un
lugar completamente diferente; ya sea cantando, aplaudiendo, produciendo
ruidos, tocando algn instrumento, etc. El improvisador facilitador es aquel
98

que se enfoca en la escucha activa de los estados de retroalimentacin de

las mquinas. Por ejemplo, puede variar lentamente los parmetros
mencionados anteriormente, con el fin de provocar cambios graduales en el
proceso de emergencia sonora del sistema.

4.7 Diagnstico del sistema

En el estado actual de la investigacin el problema principal radica en
obtener distintos tipos de estados sonoros a partir de las interrelaciones
generadas con el suprasistema (entorno contextual), de manera que las
mquinas sean capaces de orientarse a atractores que las conduzcan en
distintos momentos a diferentes estados previamente programados.
Trabajar en esto permitira desarrollar un sistema interactivo emergente con
mayor control y direccionalidad enfocado a generar mltiples estructuras
sonoras a partir del reconocimiento de stas.
Como hemos visto, a travs de cambios mnimos en la ganancia de
los micrfonos y la salida de audio ligados a una escucha atenta es posible
crear momentos sonoros interesantes y completamente diferentes a lo que
se vena dando antes, y slo con mucha prctica crear un cierto tipo de
estructura formal. Siguiendo lo anterior, sera posible implantar dichas
funcionalidades de forma autnoma al sistema de las mquinas sonoras y
que sean capaces de crear una estructura interesante y diferente en cada
ocasin que son ejecutadas? La respuesta a esta pregunta es s, realmente
se podra realizar solo si se implantan al sistema mecanismos de
reconocimiento de momentos sonoros, y mecanismos que permitan
modificar sus estados internos, lo que nos remite directamente algo mucho
ms avanzado que son las mquinas que escuchan o machine listening. Estas

99

parten de los principios de aprendizaje y autorregulacin para alcanzar

objetivos previamente programados. La idea sera ahora ampliar las
funcionalidades tcnicas, estticas y perceptuales, de las propiedades
cibernticas y de control aplicadas a los mecanismos perceptuales de las
mquinas sonoras.
Al respecto de las mquinas que escuchan, el ingeniero Paris
Smaragdis del MIT se refiere a ellas como software que aprovecha las
cualidades del sonido para ubicar personas dentro de un cuarto, monitorear
maquinaria para evitar posibles fallas, o activar cmaras para grabar un
99

determinado momento en el que ocurre algo importante. Las mquinas

que escuchan no solo son capaces de discernir entre fenmenos acsticos
sino tambin son capaces de comprender informacin ms abstracta; por
ejemplo, anlisis de datos enfocados en aplicaciones mdicas, seguridad,
vigilancia, censado, etc., hasta mecanismos cualitativos de detencin como
los fenmenos psicoacsticos de percepcin sonora humana desarrollados
en la tesis doctoral Music-Listening Systems de Eric Sheirer.

100

Otros trabajos

importantes que se han hecho sobre el tema seran las investigaciones

realizadas por Nick Collins, Automatic Composition of Electroacoustic Art
Music Utilizing Machine Listening, Live Coding and Machine Listening,
Musical Robots and Listening machines y su tesis doctoral concluida en 2006
titulada Towards Autonomous Agents for Live Computer Music: Realtime
Machine Listening and Interactive Music Systems. Otra tesis relevante para
esta investigacin es Real-time Human Interaction with Supervised Learning
Algorithms for Music Composition and Performance de Rebecca Anne
Fiebrink.
99

Extraido de https://www.technologyreview.com/s/406664/computer -scientist-parissmaragdis-on-machine-listening/ el 18 de abril de 2016.

100
Scheirer, E. Music-Listening Systems, (tesis doctoral) Massachusetts Institute of
Technology, 2000.

100

Las mquinas que escuchan se constituyen de software y hardware

y en teora podran simular el complejo sistema auditivo humano, con el
objetivo de extraer informacin significativa de las seales de audio
analizadas. Julius Smith profesor de msica e ingeniero elctrico de Stanford
comenta que analizar audio certeramente involucra varios campos de
conocimiento: ingeniera elctrica (anlisis de espectro, filtracin y
transformacin de audio); psicoacstica (percepcin sonora); ciencias
cognitivas (inteligencia artificial y neurociencia); acstica (fsica y produccin
10

sonora); y msica (armona, ritmo, y timbre).

La inteligencia artificial desde tiempo atrs ha desarrollado sistemas
de percepcin de las mquinas en paralelo a los estudios de la cognicin
humana. Dichos sistemas han permitido a algunos creadores como David
Cope, Lejaren Hiller, Clarence Barlow, etc. musicales generar proyectos
capaces de reconocer a travs de diferentes tipos de anlisis estructuras
musicales que generen nuevas composiciones y herramientas de anlisis
musical.
Aunque las mquinas que escuchan han sido empleadas en campos
muy distintos al arte como la medicina y los sistemas de vigilancia y
deteccin con el fin de revelar informacin clave acerca del comportamiento
de una persona a travs de los micrfonos que tienen los telfonos
celulares, estos enfoques podran ser de gran utilidad para el presente
proyecto ya que introducen importantes herramientas para la deteccin de
momentos de accin sonora relevantes.
La pregunta general que servira para mejorar la dinmica del
sistema sera la siguiente: Cmo crear un sistema de mquinas sonoras
capaz de reconocer a travs de un modelo auditivo computacional de
anlisis de escenarios, momentos importantes como monotona, semejanza,
homogeneidad, equilibrio, variedad, densidad, registro y timbre, generados
101

a partir de la emergencia provocada por la interrelacin entre dichas

mquinas y su interaccin con el entorno fsico/acstico? Especficamente
cmo disear un sistema basado en procesos de toma de decisin, que le
permitan a ste desenvolverse de manera autnoma y generar un desarrollo
formal a partir de la exploracin de posibles espacios de estado previamente
programados?
Por otro lado sera posible a partir de impulsos iniciales concretos
sean estos patrones rtmicos, estructuras armnicas complejas, fragmentos
musicales, etc. determinar de manera probabilstica la capacidad del
sistema para generar resultados sonoros emergentes medianamente
previsibles?

102

Conclusiones




Si bien inicialmente la motivacin del proyecto de las mquinas
sonoras fue explorar qu tipo de msica podra surgir al concebir un sistema
sonoro con cualidades emergentes, ahora me gustara explorar la posibilidad
de estructurar dichas cualidades emergentes para dirigirlas hacia un lugar
determinado. Esto me sugiere profundizar ms en la aplicacin de la
estocstica en la obra de Xenakis, donde el desarrollo temporal de un
sistema musical estocstico es concebido en trminos de probabilidad. De
manera similar al planteamiento de Xenakis, las mquinas que escuchan
(explicadas en el apartado anterior) parten del principio de la teora de la
informacin, al estar basadas en el anlisis y procesamiento de la
informacin a travs de canales de comunicacin, y al garantizar la
inteligibilidad de los mensajes transmitidos entre la mquina y el
compositor. Asimismo, el uso de un subsistema probabilstico dentro del
sistema interactivo emergente puede ser clave para determinar la dinmica
de las estructuras sonoras emergentes que se estn buscando.
Por otro lado, despus de hablar de tantos sistemas autnomos en
mayor o menor medida, surge la necesidad de preguntarse dnde queda la
performatividad y la expresividad artstica humana en un sistema como el de
las mquinas sonoras, entendido como un sistema automatizado con reglas
de operacin predefinidas y programadas por el artista que funcionan
103

independientemente de su creador? El nfasis de la obra sucede a partir del

sistema interno de programacin del sistema donde la resultante sonora al
ser reproducida por las bocinas, reemplaza completamente el papel del
intrprete y de su expresividad, sus movimientos, su gestualidad, su pasin.
Lo queda para el pblico es solo esa cualidad abstracta del sonido que
desenvuelve su trayectoria a travs del espacio-tiempo. El papel que juega el
pblico en la obra se concibe como un elemento dentro de este sistema
dinmico emergente. La nocin de tener que ser parte de la obra cobra
sentido en contraposicin a la idea de tener que ser un espectador de aquel
intrprete/compositor que ha pasado una cantidad interminable de horas
para desarrollar sus capacidades expresivas dentro de un contexto musical
determinado. Lo que sucede dentro del sistema es un ir y venir, un
intercambio de informacin constante que, mediada por instrumentos
tecnolgicos, deja entredichas las cualidades aurales por su fuente de
produccin transmutable. Aqu el foco de atencin se centra en la creacin
de un momento sonoro constante provocado por la colectividad, a travs de
las interrelaciones entendidas como el nivel, grado o la fuerza de las
conexiones que existen entre todos los agentes.
Por otra parte, la nica y principal fuente sonora en el sistema es el
ruido blanco, que contiene de una forma factual todos y cada uno de los
sonidos que puede percibir el humano y ms an, de una forma metafrica,
toda la msica que se ha creado y que falta por crear hasta el fin de nuestros
tiempos. Pero qu es lo que pasa dentro de un sistema con la capacidad de
escuchar su entorno, reaccionar a l y que adems, de manera conceptual,
sera capaz de crear toda la msica que hay por existir, realmente sera
posible? se le puede llamar a esto una forma de inteligencia? O ms bien
sera la misma inteligencia humana depositada en mecanismos ms

104

complejos extendiendo las herramientas, posibilidades y capacidades

humanas para aproximarnos y transformar la realidad?
Otro punto interesante aqu sera analizar cmo es que estas otras
formas de aproximarnos a la realidad nos estn cambiando como seres
humanos, y qu tan conscientes somos actualmente de todos estos cambios,
qu nos quitan, qu nos agregan, en qu nos transforma vivir una vida llena
de la inmediatez de los procesos. Sera muy exhaustivo hablar de estos
temas y quiz implicaran otra tesis alcanzar a comprender cmo es que la
mediatizacin tecnolgica en nuestra realidad va ganando un terreno
significativo que se extrapola en cada nivel del quehacer cotidiano social.
Regresando al tema principal qu se busca al generar un sistema
complejo emergente cuyas resultantes sonoras no son fcilmente
controlables y que se caracterizan por su impredecibilidad? Esta es la parte
medular que justifica por qu me interes a nivel esttico trabajar con un
sistema de tales caractersticas. La idea principal es generar algo que pueda
sorprenderme nuevamente cada vez que es ejecutado o interpretado,
retomando a Chris Salter, algo que mantenga su inmediatez y su viveza, que
a pesar de que sea de alguna forma determinado, permita acceder a niveles
de desconcierto, incertidumbre y a veces hasta miedo. A m particularmente
me interesa navegar por terrenos desconocidos, en cuya realidad me sea
posible reconocer objetos que tal vez ya conoca, pero que en otro contexto,
pueden representar algo completamente diferente a la experiencia que ya
tena de ellos. Por ejemplo, los pedales que se llegan a generar en las
mquinas sonoras podramos decir que son de lo ms usado en expresiones
actuales del arte sonoro, la diferencia aqu es cmo evolucionan e
interaccionan con otras estructuras ms complejas sin siquiera haberlo
planeado. A partir de esta nocin son creadas las estructuras en este tipo de
sistema que a su vez crean la macroestructura de la totalidad del momento
105

sonoro. Esta idea de macroestructura es la que me atrae y motiva a seguir

modelando futuros sistemas, para generar un intersticio de estructuras que
se encuentren entre lo predecible y lo impredecible, entre lo trascendente y
lo efmero, entre lo concreto y lo etreo, entre lo racional y lo abstracto.
Considero que es necesaria una renovacin en muchos mbitos sociales,
cientficos y artsticos que nos permita aproximarnos a fenmenos
cotidianos y conocidos de otras formas; si bien no creo en lo nuevo s estoy
convencido de que las cosas tienen que renovarse, reinventarse, recrearse
para poder seguir existiendo.
Finalmente, lo que me permiti generar la tipologa de las mquinas
sonoras planteada en el captulo 2, fue una suerte de ejercicio sistemtico
de organizacin por categoras de los sistemas sonoros y musicales que han
sido empleados en las ltimas dcadas por compositores/artistas/
programadores, que me llev a comprender el contexto donde se sita el
proyecto planteado en trminos histricos, estilsticos, estticos y tcnicos.
An existen algunos huecos y faltan muchos detalles por cubrir tanto
conceptual como tcnicamente en el desarrollo de mi proyecto sobre
mquinas sonoras, los cuales sern desarrollados en un proyecto futuro.
Adicionalmente espero que esta tipologa, as como el recorrido histrico y
de proyectos sean lo suficientemente claros y amplios y puedan servir como
base a otros para el desarrollo de proyectos similares en el futuro.

106

Bibliografa


Anderson, Christine. Dynamical Networks of Sonic Interactions. An Interview
with Agostino Di Scipio. Computer Music Journal, 29:3, pp. 1128, Fall 2005
Massachusetts Institute of Technology.

Anne, Fiebrink Rebecca. Real-time Human Interaction with Supervised
Learning Algorithms for
Music Composition and Performance (tesis doctoral). Princeton University
2011.

Birkin, Guy. Aesthetic Complexity: Practice and Perception in Art & Design
(tesis doctoral). Nottingham Trent University, (2010).

Boer, de Bart. A Realistic Model Of Emergent Phonology. Brusel: Vrije
Universiteit Brussel, extraido de http://uvafon.hum.uva.nl/bart/papers/
deBoerAImemo98-04.pdf Consulta: 7 de marzo 2016.

Cage, John, Silence, Middletoen Wesleyan University Press, 1973.

CEPAL Charlas Sobre Sistemas Complejos Sociales (CCSSCS): serie de 9 videos
en lnea sobre la ciencia de los sistemas complejos sociales;
http://www.martinhilbert.net/CCSSCS.html

Chadabe, Joel. Interactive Composing: An Overview. Computer Music
Journal, 8:1, pp. 823, Spring 1984.

Christensen, Erik. The Musical Timespace, a Theory of Music Listening.
Aalborg: Aalborg University Press, 1996.

Chomsky, N. 1956. Three models for the description of language.
Masachusetts, MIT, 1956, pp. 113-124.

Collins, Nick. Towards Autonomous Agents for Live Computer Music:
Realtime Machine Listening and Interactive Music Systems, (tesis doctoral).
University of Cambridge, 2006.

Collins, Nick. Automatic Composition Of Electroacoustic Art Music Utilizing
Machine Listening. Computer Music Journal, 36:3, pp. 823, Fall 2012.

107

Collins, Nick. Live Coding and Machine Listening. Durham University,

Department of Music.

Di Scipio, Agostino. Audible Ecosystemics n.2 (feedback study) solo live-
electronics (score) Edwards, M., Algorithmic Composition: Computational
Thinking in Music, Communications of the ACM, Vol. 54 No. 7, pp. 58-67

Di Scipio, Agostino. Audible Ecosystemics n.2 (feedback study) solo live-
electronics (score).

Di Scipio, Agostino. Sound Is The Interface: from interactive to ecosystemic
signal processing. Organised Sound, 2003 8(3).

Doornbusch, P. Answers to Questions of Paul Doornbusch About Mapping
en http://eamusic.dartmouth.edu/~larry/misc_writings/talks/about.
mapping.html

Edwards, M., Algorithmic Composition: Computational Thinking in Music,
Communications of the ACM, Vol. 54 No. 7.

Eaton, L. Manford, Bio-Music, Something Else Press, 1973.

Ellis, Daniel P. Prediction-Driven Computational Auditory Scene Analysis (tesis
doctoral). Massachusetts Institute of Technology, 1996.

Facundo, Mirtha, Juego musical de dados de Mozart, Extraido de
http://www.j-music.es/FileUpload/articulos/gen014-ARTICULO
Juego_Musical_de_dados_de_ Amadeus_Mozart_j-m.pdf

Galanter, Phillip, What is Generative Art? Complexity Theory as a Context for
Art Theory, Generative Art Proceedings, Miln 2003.

Griffiths, Paul, "Serialism." Grove Music Online. Oxford Music Online. Oxford
University Press,
http://www.oxfordmusiconline.com/subscriber/article/grove /music/25459
Consulta: 13 de Febrero, 2015,

Husbands, P. et al. An Introcution to evolutionary computing musicians, en
Reck Miranda E. et al. Evolutionary computer music, NY: Springer, 2007.

108

Harley, James. Xenakis, His Life In Music. New York and London: Routledge,
2004.

Herrmann, Thomas. et al. The Sonification Handbook, Berlin, Cost, 2011.

Hoydahl, Johannes. Evolutionary Music Composition: A Quantitative
Approach. Trondheim: Norwegian university of science and technology,
2011.

Husbands, Phill. et al. An Introcution To Evolutionary Computing Musicians,
en E. Reck Miranda y J. Al Biles (Eds.) Evolutionary Computer Music. NY:
Springer, 2007.

Jensen, Hydahl J. Evolutionary Music Composition (tesis de maestra).
Norwegian University of Science and Technology, 2011.

Kauffman, A. Stuart. The Sciences of Complexity and "Origins of Order", en
Proceedings of the Biennial Meeting of the Philosophy of Science Association,
Volume Two: Symposia and Invited Papers (1990), pp. 299-322, The
University of Chicago PressPhilosophy of Science.

Kirnberger, Johann Philipp, Wrfel-Menuet (score), extrado de
http://conquest.imslp.info/files/imglnks/usimg/e/e2/IMSLP121713-
WIMA.2ba3-menuet.pdf

Kramer, Gregory, ed. (1994). Auditory Display: Sonification, Audification, and
Auditory Interfaces. Santa Fe Institute Studies in the Sciences of Complexity.
Proceedings Volume XVIII. Reading, Maddison-Wesley.

Lajaren. A. Hiller, Jr., Computer Music, Scientific American Journal, 201 Issue
6, Dic 1959.

Langston, Peter, Six Techniques for Algorithmic Music Composition, tomado
de http://peterlangston.com/Papers/amc.pdf

Lara, Rossana. Poner la escucha en (corto) circuito. Arte electrnico y
experimentacin sonora en Mxico: dos dcadas. (tesis doctoral).
Universidad Nacional Autnoma de Mxico 2016.

Ligeti, Gyrgy. ber Form in der Neuen Musik, Darmstdter Beitrge zur
neuen Musik 10 (1966), pp. 2335.

109

Luhmann, Niklas. Art As A Social System. California: Stanford University

Press, 2000.

Manzo, V. J. Max/Msp/Jitter For Music A Practical Guide To Developing
Interactive Music Systems For Education And More. New York: Oxford
University Press, 2011.

Mauldin, Michael (1994), "ChatterBots, TinyMuds, and the Turing Test:
Entering the Loebner Prize Competition", Proceedings of the Eleventh
National Conference on Artificial Intelligence, AAAI Press, retrieved 2008-03-
05 (abstract).

Marchini, M., Purwins, H. Unsupervised Generation of Percussion Sound
Sequences from a Sound Example, 2010, Universitat Pompeu Fabra.
McDermott, James. et al. Evolutionary Computation Applied To Sound
Synthesis, en J. Romero, y P. Machado (Eds.) The Art of Artificial Evolution: A
Handbook on Evolutionary Art and Music, pp. 81101. Berlin: Springer, 2007.

McDermott J., Sherry Et al. Creative Transformations: How Generative and
Evolutionary Music can Inform Music HCI

Nierhaus, Gerard, Algorithmic Composition, Paradigms Of Automated Music
Generation. NewYork, Mrlenbach, Germany: SpringerWien, 2009.

Pritchett, James, The Music of John Cage. Cambridge University Press, 1993.

Prvost, Edwin. Free Improvisation in Music and Capitalism: Resisting
Authority and the Cults of Scientism and Celebrity, en A. Mattin Ilies (Ed.)
Noise and Capitalism. Donostia - San Sebastian: Kritica, 2008.

Solomos, M. y Meric, R. Audible Ecosistems and Emergent Sound Structeres
in Di Scipios Music Music Philosophy Helps Musical Analisys. Journal of
interdisciplinary music studies, 2009 8 (1&2) pp. 57-76.

Seth Lloyd. Measures of Complexity: a Nonexhaustive List. IEEE Control
Systems. Aug; 2001.

Supper, Martin. A Few Remarks on Algorithmic Composition. Computer
Music Journal 25, 1, 48-53, 2001.

110

Scheirer, Eric D. Music-Listening Systems, (tesis doctoral). Massachusetts

Institute of Technology, 2000.

Reinholdtsen, T. Los sonidos no me interesan (versin reducida). Traduccin:
Segio Bov. Original: Paregon, Oslo: abril 2005.

Ryan, D. and Lachenmann, H. Composer in interview: Helmut Lachenmann.
Tempo 210 (1999).

Sarafin, S. Sonic Interaction Desing, The Sonification Handbook, Berlin, Cost,
cap. 5.

Sergio, Morales, qu son las ciencias de la complejidad?, The University of
Warwick, Estrasburgo, Francia, 2012

Turing, A.M. Computing Machinery and Intelligence. Mind, LIX: 433-460,
1950.

Wooller, Rene, Brown et al. A Framework for Comparison of Process in
Algorithmic Music Systems. Generative Arts Practice, Sydney: Creativity and
Cognition Studios Press.

Xenakis, Iannis Formalized Music. NewYork: Pendragon Press, 1992.

Turning Perturbation Into Emergent Sound, and Sound into Perturbation,
extraido de http://www.interferencejournal.com/articles/noise/turning-
perturbation-into-emergent-sound Consulta: 7 de Marzo 2016.

Wever Warren. Sience and Complexity. American Scientist. 36:536-544, 1948.

Willson, Scott, Cottle D. et al. The Supercollider Book. London: The MIT Press,
2011.

Wooller, R, et al. A Framework for Comparison of Process in Algorithmic
Music Systems, Sydney, Generative Arts Practice, Creativity and Cognition
Studios Press, pp. 109-124.

111