MusAIcology: AI Music and the Need for a New Kind of Music Studies
Notice bibliographique
Résumé
As music generated using artificial intelligence ({\em AI music})becomes more prevalent -- originating not only from individualsbut also services or businesses centered around scalable content generation --the need to study it and its impacts grow.How can this material and its sources be meaningfully studied and critically engaged with, however?The paper begins to answer this principal question by considering six aspects of AI music,discussing each with reference to a contemporary AI music service: {\em Boomy.com}.The six aspects are: the service or company;the founders and employees;the use of the service;the users; the algorithms;and finally the resulting music.While our investigations are preliminary,they open several interesting avenues of explorationfor many disciplines and their intersections,motivating a new kind of music studies.Given the speed at whichAI music and associated services are developing, we post this paper to {\em SocArXiv}and move on to establishing a community defining and exploring this new kind of music studiesvia organizing {\em The First International Conference in AI Music Studies:Prospects, Challenges and Methodologies of Studying AI Music in the Humanities}.\footnote{\url{https://boblsturm.github.io/aimusicstudies2024}}
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,027 |
| Communication savante | 0,016 | 0,028 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».