Back

Âm nhạc học nhận thức (Cognitive musicology)

Tác Giả: THE SUN SYMPHONY

Xem thêm các bài viết khác.

Âm nhạc học nhận thức (Cognitive musicology)

Âm nhạc học nhận thức là một nhánh của khoa học nhận thức, quan tâm đến việc mô hình hóa kiến thức âm nhạc bằng máy tính với mục tiêu tìm hiểu cả về âm nhạc lẫn nhận thức.[1]

Âm nhạc học nhận thức có thể được phân biệt với các nhánh khác của tâm lý học âm nhạc thông qua sự nhấn mạnh về phương pháp luận, sử dụng mô hình máy tính để nghiên cứu sự biểu diễn kiến thức liên quan đến âm nhạc, với nguồn gốc từ trí tuệ nhân tạo (AI) và khoa học nhận thức. Việc sử dụng các mô hình máy tính cung cấp một môi trường tương tác và chính xác để xây dựng và kiểm nghiệm các lý thuyết.[2]

Lĩnh vực liên ngành này nghiên cứu các chủ đề như sự tương đồng giữa ngôn ngữ và âm nhạc trong não bộ. Các mô hình tính toán lấy cảm hứng sinh học thường được đưa vào nghiên cứu, chẳng hạn như mạng nơ-ron (neural networks) và các chương trình tiến hóa.[3] Lĩnh vực này tìm cách mô hình hóa cách thức kiến thức âm nhạc được biểu diễn, lưu trữ, tri nhận, trình diễn và tạo ra.[4] Bằng cách sử dụng một môi trường máy tính có cấu trúc tốt, các cấu trúc hệ thống của những hiện tượng nhận thức này có thể được điều tra cụ thể.[5]

Ngay cả khi thưởng thức những giai điệu đơn giản nhất, vẫn có nhiều quá trình não bộ đồng bộ hóa để thấu hiểu những gì đang diễn ra. Sau khi kích thích đi vào và trải qua các quá trình của tai, nó đi vào vỏ não thính giác, một phần của thùy thái dương, nơi bắt đầu xử lý âm thanh bằng cách đánh giá cao độ và âm lượng. Từ đây, chức năng não khác biệt giữa việc phân tích các khía cạnh khác nhau của âm nhạc. Ví dụ, tiết tấu (rhythm) thường được xử lý và điều chỉnh bởi vỏ não trán trái, vỏ não đỉnh trái và tiểu não phải. Tính điệu thức (tonality) – việc xây dựng cấu trúc âm nhạc xung quanh một hợp âm trung tâm – được đánh giá bởi vỏ não trước trán và tiểu não (Abram, 2015).

Âm nhạc có khả năng truy cập nhiều chức năng não khác nhau, đóng vai trò quan trọng trong các chức năng não cao cấp khác như kiểm soát vận động, trí nhớ, ngôn ngữ, khả năng đọc và cảm xúc. Nghiên cứu đã chỉ ra rằng âm nhạc có thể được sử dụng như một phương pháp thay thế để tiếp cận các chức năng này khi chúng không thể truy cập được thông qua kích thích phi âm nhạc do rối loạn. Âm nhạc học khám phá việc sử dụng âm nhạc và cách nó có thể cung cấp các lộ trình truyền tải thông tin thay thế trong não đối với các bệnh như Parkinson và chứng khó đọc.

Các nhà nghiên cứu tiêu biểu

Nhà thông thái Christopher Longuet-Higgins, người đặt ra thuật ngữ “khoa học nhận thức”, là một trong những người tiên phong của âm nhạc học nhận thức. Ông nổi tiếng với việc triển khai tính toán thuật toán tìm giọng (key-finding) ban đầu.[6] Việc xác định giọng là một yếu tố thiết yếu của âm nhạc điệu thức, và vấn đề tìm giọng đã thu hút sự chú ý đáng kể trong tâm lý học âm nhạc trong vài thập kỷ qua. Carol Krumhansl và Mark Schmuckler đã đề xuất một thuật toán tìm giọng dựa trên thực nghiệm mang tên họ.[7] Cách tiếp cận của họ dựa trên các hồ sơ giọng (key-profiles) được xác định tỉ mỉ bằng kỹ thuật được gọi là kỹ thuật âm thăm dò (probe-tone technique).[8] Thuật toán này đã thành công trong việc mô hình hóa sự tri nhận về giọng nhạc trong các đoạn trích ngắn, cũng như theo dõi cảm nhận thay đổi của người nghe về sự chuyển giọng trong suốt một tác phẩm âm nhạc.[9] David Temperley, người có các công trình ban đầu trong lĩnh vực âm nhạc học nhận thức áp dụng quy hoạch động (dynamic programming) vào các khía cạnh của nhận thức âm nhạc, đã đề xuất một số cải tiến cho Thuật toán tìm giọng Krumhansl-Schmuckler.[10]

Otto Laske là một người ủng hộ mạnh mẽ cho âm nhạc học nhận thức.[11] Một tuyển tập các bài báo mà ông đồng biên tập đã giúp nâng cao vị thế của âm nhạc học nhận thức và củng cố mối liên kết của nó với AI và âm nhạc.[12] Lời tựa của cuốn sách này in lại một cuộc phỏng vấn cởi mở với Marvin Minsky, một trong những cha đẻ của AI, trong đó ông thảo luận về một số bài viết ban đầu của mình về âm nhạc và tâm trí.[13] Nhà nghiên cứu AI chuyển sang làm nhà khoa học nhận thức Douglas Hofstadter cũng đã đóng góp một số ý tưởng liên quan đến âm nhạc từ góc độ AI.[14] Nhạc sĩ Steve Larson, người từng làm việc trong phòng thí nghiệm của Hofstadter, đã xây dựng một lý thuyết về “các lực âm nhạc” (musical forces) dựa trên sự tương đồng với các lực vật lý.[15] Hofstadter[16] cũng đã đưa ra ý kiến về các thử nghiệm của David Cope về trí thông minh âm nhạc,[17] dưới dạng một chương trình máy tính gọi là EMI, chuyên sản xuất âm nhạc theo phong cách của Bach, Chopin hoặc Cope.

Các chương trình của Cope được viết bằng Lisp, ngôn ngữ phổ biến cho nghiên cứu trong âm nhạc học nhận thức. Desain và Honing đã khai thác Lisp trong nỗ lực tận dụng tiềm năng của phương pháp luận thế giới vi mô (microworld) trong nghiên cứu âm nhạc học nhận thức.[18] Cũng làm việc với Lisp, Heinrich Taube đã khám phá sáng tác bằng máy tính từ nhiều góc độ khác nhau.[19] Tất nhiên, có những nhà nghiên cứu chọn sử dụng các ngôn ngữ khác ngoài Lisp cho nghiên cứu của họ về mô hình hóa các quá trình âm nhạc. Ví dụ, Robert Rowe khám phá “khả năng âm nhạc của máy móc” (machine musicianship) thông qua lập trình C++.[20] Một phương pháp tính toán khá khác biệt để nghiên cứu các hiện tượng âm nhạc là phương pháp bộ công cụ (toolkit approach) do David Huron ủng hộ.[21] Ở mức độ trừu tượng cao hơn, Geraint Wiggins đã nghiên cứu các đặc tính chung của các biểu diễn kiến thức âm nhạc như tính tổng quát về cấu trúc và tính đầy đủ trong biểu đạt.[22]

Mặc dù phần lớn nghiên cứu âm nhạc học nhận thức có tính năng tính toán biểu tượng, nhưng những đóng góp đáng chú ý đã được thực hiện từ các mô hình tính toán lấy cảm hứng sinh học. Ví dụ, Jamshed Bharucha và Peter Todd đã mô hình hóa tri nhận âm nhạc trong âm nhạc điệu thức bằng mạng nơ-ron.[23] Al Biles đã áp dụng các giải thuật di truyền vào việc sáng tác các đoạn solo jazz.[24] Nhiều nhà nghiên cứu đã khám phá sáng tác thuật toán dựa trên một loạt các hình thức toán học.[25][26]

Trong tâm lý học nhận thức, một trong những nhà nghiên cứu nổi bật nhất là Diana Deutsch, người đã tham gia vào nhiều công trình khác nhau, từ các nghiên cứu về cao độ tuyệt đối và ảo giác âm nhạc đến việc xây dựng các biểu diễn kiến thức âm nhạc và mối quan hệ giữa âm nhạc và ngôn ngữ.[27][28][29] Quan trọng không kém là Aniruddh D. Patel, người có công trình kết hợp các phương pháp truyền thống của tâm lý học nhận thức với khoa học thần kinh. Patel cũng là tác giả của một khảo sát toàn diện về nghiên cứu khoa học nhận thức về âm nhạc.[30]

Cách tiếp cận đối với tri nhận và nhận thức âm nhạc dựa trên việc tìm kiếm cấu trúc trong dữ liệu mà không biết trước cấu trúc đó — tương tự như việc tách các đối tượng trong tranh trừu tượng mà không gán nhãn ý nghĩa cho chúng — được tiên phong bởi Andranik Tangian. Ý tưởng là tìm ra các biểu diễn dữ liệu ít phức tạp nhất theo nghĩa của Kolmogorov (tức là yêu cầu ít bộ nhớ lưu trữ nhất), điều này có thể được coi là tiết kiệm năng lượng cho não bộ. Minh họa cho việc tri nhận là biểu diễn dữ liệu thay vì nhận dạng “vật lý” là hiệu ứng của các giọng đa âm (polyphonic voices) phát ra từ một loa — một vật thể vật lý duy nhất, và hiệu ứng của một âm đơn phát ra từ nhiều vật thể vật lý — các ống đàn organ được điều chỉnh thành một hợp âm và kích hoạt bởi một phím duy nhất. Cách tiếp cận biểu diễn dữ liệu này cho phép nhận dạng các quan hệ quãng trong hợp âm và theo dõi các giọng đa âm mà không cần tham chiếu đến cao độ (từ đó giải thích sự chiếm ưu thế của thính giác quãng so với thính giác tuyệt đối) và phá vỡ vòng luẩn quẩn tiết tấu-tốc độ trong khi nhận dạng tiết tấu dưới tốc độ thay đổi.[31][32][33][34]

Có lẽ đóng góp quan trọng nhất trong việc xem xét âm nhạc từ góc độ ngôn ngữ học là Lý thuyết Tạo sinh về Âm nhạc Điệu thức (Generative Theory of Tonal Music – GTTM) do Fred Lerdahl và Ray Jackendoff đề xuất.[35] Mặc dù GTTM được trình bày ở cấp độ trừu tượng thuật toán thay vì cấp độ thực thi, các ý tưởng của họ đã tìm thấy những biểu hiện tính toán trong một số dự án,[36][37] đặc biệt là để cấu trúc hóa trình diễn âm nhạc và điều chỉnh thời gian trình diễn có ý nghĩa.[38]

Đối với khu vực nói tiếng Đức, quan niệm của Laske về âm nhạc học nhận thức đã được Uwe Seifert phát triển trong cuốn sách Systematische Musiktheorie und Kognitionswissenschaft. Zur Grundlegung der kognitiven Musikwissenschaft (“Lý thuyết âm nhạc hệ thống và khoa học nhận thức. Nền tảng của âm nhạc học nhận thức”)[39] và các ấn phẩm sau đó.

Âm nhạc và kỹ năng tiếp thu ngôn ngữ

Cả âm nhạc và lời nói đều dựa vào xử lý âm thanh và yêu cầu giải thích một số đặc điểm âm thanh như âm sắc, cao độ, thời lượng và sự tương tác của chúng (Elzbieta, 2015). Một nghiên cứu fMRI (cộng hưởng từ chức năng) cho thấy vùng Broca và Wernicke, hai khu vực được biết đến là hoạt động trong quá trình xử lý lời nói và ngôn ngữ, cũng được kích hoạt khi đối tượng nghe các hợp âm bất ngờ (Elzbieta, 2015). Mối quan hệ này giữa ngôn ngữ và âm nhạc có thể giải thích tại sao việc tiếp xúc với âm nhạc lại tạo ra sự tăng tốc trong sự phát triển các hành vi liên quan đến việc tiếp thu ngôn ngữ.

Phương pháp giáo dục âm nhạc Suzuki rất nổi tiếng, nhấn mạnh việc học âm nhạc bằng tai hơn là đọc ký âm và tốt nhất nên bắt đầu các bài học chính thức trong khoảng từ 3 đến 5 tuổi. Một lý do cơ bản ủng hộ nền giáo dục này chỉ ra sự song song giữa việc tiếp thu ngôn ngữ tự nhiên và việc đào tạo âm nhạc hoàn toàn dựa trên thính giác so với đào tạo âm nhạc dựa trên các tín hiệu thị giác. Có bằng chứng cho thấy trẻ em tham gia các lớp học nhạc đã đạt được các kỹ năng giúp chúng trong việc tiếp thu và học ngôn ngữ (Oechslin, 2015), một khả năng phụ thuộc nhiều vào đường dẫn truyền lưng (dorsal pathway). Các nghiên cứu khác cho thấy sự nâng cao tổng thể về trí thông minh ngôn ngữ ở trẻ em tham gia các lớp học nhạc. Vì cả hai hoạt động đều khai thác một số chức năng não tích hợp và có chung các đường dẫn truyền não bộ, nên dễ hiểu tại sao thế mạnh trong việc tiếp thu âm nhạc cũng có thể tương quan với thế mạnh trong việc tiếp thu ngôn ngữ.

Âm nhạc và sự phát triển trước khi sinh

Việc tiếp xúc nhiều với một giai điệu trước khi sinh đã được chứng minh là tạo ra các biểu diễn thần kinh kéo dài trong vài tháng. Trong một nghiên cứu do Partanen thực hiện năm 2013, các bà mẹ trong nhóm học tập đã nghe giai điệu ‘Twinkle twinkle little star’ 5 lần mỗi tuần trong ba tháng cuối thai kỳ. Sau khi sinh và một lần nữa vào lúc 4 tháng tuổi, họ cho trẻ sơ sinh trong nhóm đối chứng và nhóm học tập nghe một giai điệu sửa đổi trong đó một số nốt đã bị thay đổi. Cả lúc mới sinh và lúc 4 tháng tuổi, trẻ sơ sinh trong nhóm học tập có điện thế gợi (event-related potentials) mạnh hơn đối với các nốt không thay đổi so với nhóm đối chứng. Vì việc nghe nhạc khi còn nhỏ đã có thể vạch ra các biểu diễn thần kinh lâu dài, việc tiếp xúc với âm nhạc có thể giúp tăng cường tính dẻo của não bộ trong các khu vực liên quan đến xử lý ngôn ngữ và lời nói.[40][41]

Hiệu quả của liệu pháp âm nhạc đối với các rối loạn nhận thức

Nếu các đường dẫn truyền thần kinh có thể được kích thích bằng sự giải trí, khả năng tiếp cận chúng sẽ dễ dàng hơn. Điều này minh họa tại sao âm nhạc lại mạnh mẽ đến vậy và có thể được sử dụng trong vô số liệu pháp khác nhau. Âm nhạc thú vị đối với một người sẽ gợi ra phản ứng hứng thú mà tất cả chúng ta đều biết. Nghe nhạc không được coi là một công việc nhàm chán vì nó thú vị, tuy nhiên não bộ của chúng ta vẫn đang học hỏi và sử dụng các chức năng não giống như khi nói hoặc tiếp thu ngôn ngữ. Âm nhạc có khả năng trở thành một hình thức trị liệu rất hiệu quả chủ yếu vì nó kích thích, giải trí và có vẻ bổ ích. Sử dụng fMRI, Menon và Levitin lần đầu tiên phát hiện ra rằng việc nghe nhạc điều chỉnh mạnh mẽ hoạt động trong một mạng lưới các cấu trúc trung não viền (mesolimbic structures) liên quan đến xử lý phần thưởng. Điều này bao gồm nhân accumbens và vùng tegmental bụng (VTA), cũng như vùng dưới đồi và thùy đảo, tất cả đều được cho là tham gia vào việc điều chỉnh các phản ứng tự trị và sinh lý đối với các kích thích phần thưởng và cảm xúc (Gold, 2013).

Nhận thức về cao độ có tương quan dương với nhận thức âm vị và khả năng đọc ở trẻ em (Flaugnacco, 2014). Tương tự như vậy, khả năng gõ theo nhịp điệu tương quan với hiệu suất trong các bài kiểm tra đọc và chú ý (Flaugnacco, 2014). Đây chỉ là một phần nhỏ trong các nghiên cứu đã liên kết kỹ năng đọc với nhận thức nhịp điệu, điều được thể hiện trong một phân tích tổng hợp của 25 nghiên cứu cắt ngang cho thấy mối liên hệ đáng kể giữa đào tạo âm nhạc và kỹ năng đọc (Butzlaff, 2000). Vì mối tương quan quá rộng lớn nên tự nhiên các nhà nghiên cứu đã cố gắng xem liệu âm nhạc có thể đóng vai trò như một con đường thay thế để tăng cường khả năng đọc ở những người mắc các rối loạn phát triển như chứng khó đọc (dyslexia) hay không.

Chứng khó đọc là một rối loạn đặc trưng bởi khó khăn lâu dài trong việc tiếp thu khả năng đọc, cụ thể là giải mã văn bản. Kết quả đọc thường chậm và không chính xác, mặc dù trí thông minh và sự hướng dẫn đầy đủ. Những khó khăn này bắt nguồn từ sự thiếu hụt cốt lõi về ngữ âm ảnh hưởng đến khả năng đọc hiểu, trí nhớ và dự đoán (Flaugnacco, 2014). Người ta thấy rằng đào tạo âm nhạc đã sửa đổi khả năng đọc và ngữ âm ngay cả khi các kỹ năng này bị suy giảm nghiêm trọng. Bằng cách cải thiện khả năng xử lý thời gian và nhịp điệu thông qua đào tạo, nhận thức ngữ âm và kỹ năng đọc ở trẻ em mắc chứng khó đọc đã được cải thiện. Giả thuyết OPERA do Patel đề xuất (2011), nói rằng vì âm nhạc đặt ra nhu cầu cao hơn đối với quy trình xử lý so với lời nói, nó mang lại tính dẻo thích ứng của não bộ trong cùng một mạng lưới thần kinh liên quan đến xử lý ngôn ngữ.

Bệnh Parkinson là một rối loạn thần kinh phức tạp ảnh hưởng tiêu cực đến cả chức năng vận động và phi vận động, gây ra bởi sự thoái hóa của các nơ-ron tiết dopamine (DA) trong chất đen (substantia nigra) (Ashoori, 2015). Điều này dẫn đến sự thiếu hụt DA trong hạch nền (basal ganglia). Sự thiếu hụt dopamine ở những vùng não này đã được chứng minh là gây ra các triệu chứng như run khi nghỉ ngơi, cứng cơ, mất vận động và mất ổn định tư thế. Chúng cũng liên quan đến sự suy giảm thời gian nội tại (internal timing) của một cá nhân (Ashoori, 2015). Tiết tấu là một tín hiệu cảm giác mạnh mẽ đã được chứng minh là giúp điều chỉnh thời gian vận động và phối hợp khi hệ thống thời gian nội tại trong não bị thiếu hụt.

Một số nghiên cứu đã chỉ ra rằng tập luyện dáng đi theo tín hiệu âm nhạc giúp cải thiện đáng kể nhiều khiếm khuyết của bệnh Parkinson, bao gồm dáng đi, thời gian vận động và thời gian tri nhận. Nghiên cứu của Ashoori bao gồm 15 bệnh nhân Parkinson vô căn không bị sa sút trí tuệ, những người chưa từng được đào tạo âm nhạc và duy trì liệu pháp dopamine trong suốt các thử nghiệm. Có ba buổi tập luyện kéo dài 30 phút mỗi tuần trong 1 tháng, trong đó những người tham gia đi bộ theo nhịp điệu của nhạc dân gian Đức mà không có hướng dẫn rõ ràng phải đồng bộ bước chân với nhịp. So với hiệu suất dáng đi trước khi tập luyện, bệnh nhân Parkinson cho thấy sự cải thiện đáng kể về tốc độ dáng đi và độ dài bước chân trong các buổi tập. Sự cải thiện dáng đi được duy trì trong 1 tháng sau khi tập luyện, cho thấy hiệu quả trị liệu lâu dài. Mặc dù điều này không được ra hiệu lệnh, nó cho thấy dáng đi của những bệnh nhân Parkinson này đã tự động đồng bộ hóa với nhịp điệu của âm nhạc. Hiệu quả trị liệu lâu dài cũng cho thấy điều này có thể đã ảnh hưởng đến thời gian nội tại của cá nhân theo cách mà các phương tiện khác không thể tiếp cận được.

Xem thêm

Tài Liệu Tham Khảo:

  1.  Laske, Otto (1999). Navigating New Musical Horizons (Contributions to the Study of Music and Dance). Westport: Greenwood Press. ISBN 978-0-313-30632-7.
  2.  Laske, O. (1999). AI and music: A cornerstone of cognitive musicology. In M. Balaban, K. Ebcioglu, & O. Laske (Eds.), Understanding music with AI: Perspectives on music cognition. Cambridge: The MIT Press.
  3.  Graci, C (2009). “A brief tour of the learning sciences featuring a cognitive tool for investigating melodic phenomena”. Journal of Educational Technology Systems. 38 (2): 181–211. doi:10.2190/et.38.2.i. S2CID 62657981.
  4.  Vuust P, Heggli OA, Friston KJ, Kringelbach ML (2022). “Music in the brain”. Nature Reviews Neuroscience. 2022 May;23(5):287-305.
  5.  Hamman, M., 1999. “Structure as Performance: Cognitive Musicology and the Objectification of Procedure,” in Otto Laske: Navigating New Musical Horizons, ed. J. Tabor. New York: Greenwood Press.
  6.  Longuet-Higgins, C. (1987) Mental Processes: Studies in cognitive science. Cambridge, MA, US: The MIT Press.
  7.  Krumhansl, Carol (1990). Cognitive Foundations of Musical Pitch. Oxford Oxfordshire: Oxford University Press. ISBN 978-0-19-505475-0.
  8.  Krumhansl, C.; Kessler, E. (1982). “Tracing the dynamic changes in perceived tonal organisation in a spatial representation of musical keys”. Psychological Review. 89 (4): 334–368. doi:10.1037/0033-295x.89.4.334. PMID 7134332.
  9.  Schmuckler, M. A.; Tomovski, R. (2005). “Perceptual tests of musical key-finding”. Journal of Experimental Psychology: Human Perception and Performance. 31 (5): 1124–1149. CiteSeerX 10.1.1.582.4317. doi:10.1037/0096-1523.31.5.1124. PMID 16262503.
  10.  Temperley, David (2001). The Cognition of Basic Musical Structures. Cambridge: MIT Press. ISBN 978-0-262-20134-6.
  11.  Laske, Otto (1999). Otto Laske. Westport: Greenwood Press. ISBN 978-0-313-30632-7.
  12.  Balaban, Mira (1992). Understanding Music with AI. Menlo Park: AAAI Press. ISBN 978-0-262-52170-3.
  13.  Minsky, M (1981). “Music, mind, and meaning”. Computer Music Journal. 5 (3): 28–44. doi:10.2307/3679983. JSTOR 3679983.
  14.  Hofstadter, Douglas (1999). Gödel, Escher, Bach. New York: Basic Books. ISBN 978-0-465-02656-2.
  15.  Larson, S (2004). “Musical Forces and Melodic Expectations: Comparing Computer Models with Experimental Results”. Music Perception. 21 (4): 457–498. doi:10.1525/mp.2004.21.4.457.
  16.  Cope, David (2004). Virtual Music. Cambridge: The MIT Press. ISBN 978-0-262-53261-7.
  17.  Cope, David (1996). Experiments in Musical Intelligence. Madison: A-R Editions. ISBN 978-0-89579-337-9.
  18.  Honing, H (1993). “A microworld approach to formalizing musical knowledge”. Computers and the Humanities. 27 (1): 41–47. doi:10.1007/bf01830716. hdl:2066/74729. S2CID 1375183.
  19.  Taube, Heinrich (2004). Notes from the Metalevel. New York: Routledge. ISBN 978-90-265-1975-8.
  20.  Rowe, Robert (2004). Machine Musicianship. City: MIT Pr. ISBN 978-0-262-68149-0.
  21.  Huron, D. (2002). Music Information Processing Using the Humdrum Toolkit: Concepts, Examples, and Lessons. “Computer Music Journal, 26” (2), 11–26.
  22.  Wiggins, G.; et al. (1993). “A Framework for the Evaluation of Music Representation Systems”. Computer Music Journal. 17 (3): 31–42. CiteSeerX 10.1.1.558.8136. doi:10.2307/3680941. JSTOR 3680941.
  23.  Bharucha, J. J., & Todd, P. M. (1989). Modeling the perception of tonal structure with neural nets. Computer Music Journal, 44−53
  24.  Biles, J. A. 1994. “GenJam: A Genetic Algorithm for Generating Jazz Solos.” Proceedings of the 1994 International Computer Music Conference. San Francisco: International Computer Music Association
  25.  Nierhaus, Gerhard (2008). Algorithmic Composition. Berlin: Springer. ISBN 978-3-211-75539-6.
  26.  Cope, David (2005). Computer Models of Musical Creativity. Cambridge: MIT Press. ISBN 978-0-262-03338-1.
  27.  Deutsch, Diana (1999). The Psychology of Music. Boston: Academic Press. ISBN 978-0-12-213565-1.
  28.  Deutsch, Diana, ed. (2013). The Psychology of Music, 3rd Edition. San Diego, California: Academic Press. ISBN 978-0-12-381460-9.
  29.  Deutsch, D. (2019). Musical Illusions and Phantom Words: How Music and Speech Unlock Mysteries of the Brain. Oxford University Press. ISBN 978-0-19-020683-3. LCCN 2018051786.
  30.  Patel, Aniruddh (1999). Music, Language, and the Brain. Oxford: Oxford University Press. ISBN 978-0-12-213565-1.
  31.  Tanguiane (Tangian), Andranick (1993). Artificial Perception and Music Recognition. Lecture Notes in Artificial Intelligence. Vol. 746. Berlin-Heidelberg: Springer. ISBN 978-3-540-57394-4.
  32.  Tanguiane (Tangian), Andranick (1994). “A principle of correlativity of perception and its application to music recognition”. Music Perception. 11 (4): 465–502. doi:10.2307/40285634. JSTOR 40285634.
  33.  Tanguiane (Tangian), Andranick (1995). “Towards axiomatization of music perception”. Journal of New Music Research. 24 (3): 247–281. doi:10.1080/09298219508570685.
  34.  Tangian, Andranik (2001). “How do we think: modeling interactions of memory and thinking”. Cognitive Processing. 2: 117–151.
  35.  Lerdahl, Fred; Ray Jackendoff (1996). A Generative Theory of Tonal Music. Cambridge: MIT Press. ISBN 978-0-262-62107-6.
  36.  Katz, Jonah; David Pesetsky (May 2009). “The Recursive Syntax and Prosody of Tonal Music” (PDF). Recursion: Structural Complexity in Language and Cognition. Conference at UMass Amherst.
  37.  Hamanaka, Masatoshi; Hirata, Keiji; Tojo, Satoshi (2006). “Implementing ‘A Generative Theory of Tonal Music'”. Journal of New Music Research. 35 (4): 249–277. doi:10.1080/09298210701563238. S2CID 62204274.
  38.  Tangian, Andranik (1999). “Towards a generative theory of interpretation for performance modeling”. Musicae Scientiae. 3 (2): 237–267. doi:10.1177/102986499900300205. S2CID 145716284.
  39.  Uwe Seifert: Systematische Musiktheorie und Kognitionswissenschaft. Zur Grundlegung der kognitiven Musikwissenschaft. Orpheus Verlag für systematische Musikwissenschaft, Bonn 1993
  40.  “Music Therapy for Health and Wellness”. Psychology Today. Retrieved 21 June 2013.
  41.  “How Music Helps with Mental Health – Mind Boosting Benefits of Music Therapy”. www.myaudiosound.co.uk. Retrieved 21 May 2019.

Bài viết được tổng hợp và biên soạn bởi công ty THE SUN SYMPHONY với mục đích chia sẻ kiến thức, gợi mở tư duy đúng và cung cấp thông tin tham khảo cho người đọc. Nội dung đã được chọn lọc và hệ thống hóa theo góc nhìn chuyên môn, phù hợp với định hướng phát triển từ nội lực mà công ty theo đuổi.

Share:

Facebook
Twitter
Pinterest
LinkedIn
Footer Demo – The Sun Symphony