Zunehmend hat sich gezeigt, dass Musik sowohl Vorteile für die körperliche als auch für die geistige Gesundheit hat, einschließlich Verbesserungen der kardiovaskulären Gesundheit, eines Zusammenhangs mit der Verringerung von Demenzfällen bei älteren Menschen und Verbesserungen der Marker für das allgemeine psychische Wohlbefinden wie Stressreduzierung. Hier beschreiben wir kurze Fallstudien, die sich mit dem allgemeinen psychischen Wohlbefinden (Angst, Stressabbau) durch KI-gesteuerte Musikgenerierung befassen. Das aktive Zuhören und Musizieren (insbesondere für gefährdete Altersgruppen) kann besonders vorteilhaft sein, und die Praxis der Musiktherapie hat sich in einer Reihe von Anwendungsfällen in einem breiten Altersbereich als hilfreich erwiesen. Der Zugang zum Musizieren kann jedoch im Hinblick auf den Zugang zu Fachwissen, Materialien und Kosten unerschwinglich sein. Darüber hinaus kann die Verwendung vorhandener Musik für funktionelle Ergebnisse (wie die oben vorgeschlagene gezielte Verbesserung der Marker für körperliche und geistige Gesundheit) durch Wiederholungsprobleme und anschließende Übervertrautheit mit vorhandenem Material behindert werden. In diesem Artikel beschreiben wir Ansätze des maschinellen Lernens, die funktionale Musik erzeugen, die durch biophysiologische Messung in zwei Fallstudien ermittelt wurde, wobei die emotionalen Zielzustände an entgegengesetzten Enden eines kartesischen affektiven Raums liegen (ein dimensionaler Emotionsraum mit Punkten, die von Deskriptoren von Entspannung bis Angst reichen). . Die galvanische Hautreaktion wird als Marker für die psychologische Erregung und als Schätzung des emotionalen Zustands verwendet, um als Steuersignal beim Training des Algorithmus für maschinelles Lernen verwendet zu werden. Dieser Algorithmus erstellt eine nichtlineare Zeitreihe von Musikmerkmalen für die Klangsynthese „on-the-fly“ unter Verwendung eines perzeptuell informierten Ähnlichkeitsmodells für Musikmerkmale. Wir finden eine Wechselwirkung zwischen Vertrautheit und wahrgenommener emotionaler Reaktion. Wir berichten auch über die anschließende psychometrische Bewertung des generierten Materials und überlegen, wie diese - und ähnliche Techniken - für eine Reihe von Aufgaben zur Erzeugung funktionaler Musik nützlich sein könnten, beispielsweise bei der nichtlinearen Tonverfolgung, wie sie in interaktiven Medien oder Videos zu finden ist Spiele.
https://www.frontiersin.org/articles/10.3389/frai.2020.497864/full