Todos sabemos que la música tiene un gran poder de influencia. Una película sin banda sonora no provoca la misma experiencia emocional. Un entrenamiento sin música alta podría ser un aburrimiento. Pero ¿hay alguna manera de predecir estas reacciones? Y si es así, ¿sería posible hacer ingeniería inversa y ponerla en práctica?
En un reciente estudio, investigadores de la Universidad del Sur de California (USC, por sus siglas en inglés, EE. UU.) han determinado de qué forma aspectos como el tempo, el ritmo y la armonía provocan diferentes tipos de actividad cerebral, reacciones fisiológicas (calor, sudor y cambios en la respuesta eléctrica), así como emociones (felicidad o tristeza) y cómo el aprendizaje automático podría utilizar esas relaciones para predecir cómo las personas podrían responder a una nueva pieza musical.
Los resultados, presentados en una conferencia la semana pasada dedicada a las intersecciones de la informática y el arte, muestran cómo algún día podríamos ser capaces de diseñar mediante ingeniería experiencias musicales específicas orientadas a distintos fines, desde la terapia a las películas.
La investigación es parte del objetivo más general del laboratorio de comprender cómo diferentes medios, ya sea la música, las películas y los anuncios de televisión afectan a los cuerpos y los cerebros de las personas. “Cuando comprendamos cómo los medios pueden afectar a nuestras emociones, entonces podremos intentar usarlos productivamente para apoyar o mejorar las experiencias humanas”, asegura el profesor de la USC e investigador principal en el laboratorio, Shrikanth Narayanan.
Primero, los investigadores buscaron en plataformas de streaming de música como Spotify aquellas canciones que muy pocas reproducciones y estaban etiquetadas con categorías como “feliz” o “triste” (querían evitar canciones famosas para minimizar cualquier variable de confusión). Gracias a una serie de testadores humanos, las 60 piezas de cada emoción se redujeron a una lista final de tres: dos que indudablemente provocaban tristeza (Fyrsta de Ólafur Arnalds y Discovery of the Camp de Michael Kamen) y una que provocaba felicidad de manera fiable (Race Against the Sunset de Lullatone). Cien participantes que no habían escuchado esas canciones previamente fueron divididos en dos grupos, escucharon las tres piezas mientras se les tomaban imágenes cerebrales con fMRI (imagen por resonancia magnética funcional por sus siglas en inglés) o llevaban sensores de pulso, calor y electricidad en su piel y tenían que calificar la intensidad de sus emociones en una escala de 0 a 10.
Posteriormente, los investigadores alimentaron con esos datos y 74 características de cada canción (como su tempo, ritmo, armonía, dinámica y timbre) varios algoritmos de aprendizaje automático y examinaron qué características eran los mayores predictores de respuestas. Descubrieron, por ejemplo, que el tono optimista de una canción (el nivel de sus frecuencias medias y altas) y la intensidad de su ritmo eran los mejores indicadores de cómo una canción afectaría el ritmo cardíaco y la actividad cerebral de un oyente.
La investigación aún está en etapas muy tempranas y pasará un tiempo antes de que los modelos de aprendizaje automático más potentes puedan predecir con precisión nuestras reacciones mentales y físicas ante una canción. Pero los investigadores están entusiasmados con la finalidad con la que se podrían aplicar estos modelos: componer música para grupos específicos, crear bandas sonoras de películas sumamente evocadoras o ayudar a los pacientes con problemas de salud mental para estimular partes específicas de su cerebro. El laboratorio ya está trabajando con clínicas de tratamiento de adicciones para ver cómo otros formatos podrían ayudar a los pacientes y también quieren empezar a incorporar terapias basadas en la música.
Además, sencillamente la investigación se podría usar para generar listas de reproducción. “No querrá escuchar una canción que acelere su ritmo cardíaco justo antes de acostarse, pero tal vez sí lo quiera hacer si va a realizar un largo viaje y no han tomado mucho café”, concluye Greer.
Fuente: technologyreview.es