Die Forscher haben mehrere überwachtes Lernen-Modelle trainiert, um 20 ikonische Jazzmusiker zu identifizieren. Dafür wurde ein vorbereiteter Aufnahmesatz mit einer Gesamtdauer von 84 Stunden verwendet.
Die Autoren betrachten musikalische Merkmale als eine Art ‚Fingerabdrücke‘ des Stilprinzips des Urhebers. Solche Merkmale könnten laut Beschreibung der Arbeit für Urheberfeststellung, Lehre, Forschungen zum kulturellen Erbe und historische Analysen verwendet werden.
Die Veröffentlichung ist wichtig, weil sie maschinelles Lernen mit einer formalen Untersuchung des musikalischen Stils verbindet. Allerdings besteht das verfügbare Material nur aus einer Verlagsschreibung; es enthält keine Daten zur Genauigkeit der Modelle, zum Aufbau der Aufnahmen und zu Testergebnissen.
redaktioneller Kommentar
Warum es wichtig ist
Wahrscheinliche Folge ist die Entwicklung von Tools zur Analyse von Urheberschaft und musikalischem Erbe, falls sich die Modelle außerhalb des ursprünglichen Datensatzes stabil verhalten. Als nächstes beobachtbares Signal werden veröffentlichte Metriken, Datenbeschreibung und Ergebnisse von Tests mit neuen Aufnahmen. Eine wesentliche Unsicherheit besteht darin, dass diese Informationen im verfügbaren Material fehlen.