APPROCHES GÉNÉTIQUES DE l`INTERACTIVITÉ SONORE

APPROCHES GÉNÉTIQUES
DE
l’INTERACTIVITÉ SONORE
Jean-Ambroise Vesac
Projet CNIDARIA
ÉTUDIANT, M.A. (MULTIMÉDIA INTERACTIF)
DÉPARTEMENT DES COMMUNICATIONS
UQÀM
[email protected]
Jean-Ambroise Vesac
•  Expérimentation électro-acoustique
SPINALIEN
SLOD
BONYTRIGGER
1987-1991
1994-1996
1999-
•  Transdisciplinaire
HASTI’CO
CONTACT-CONTEXT
BY
LE GANT
1993
1995
1998
1999
•  Robot-sculpture interactive
(HARD FREE JAZZ)
(AMBIANTE)
(ÉLECTRO)
(THÉÂTRE PERFORMANCE MULTIMÉDIA)
(INSTALLATION MULTIMÉDIA)
(PERFORMANCE INTERACTIVE)
(INSTALLATION SONORE INTERACTIVE)
APPROCHES DE COMPOSITION
•  Automatisme - l’auteur
Confondre la volonté de l’auteur
•  Population de robots - l’interprète
Système complexe et émergence de formes sonores
•  Régulation - l’auditeur
Stabilité-instabilité (pseudo-stable)
Algorithmes génétiques
•  Métaphore de l’évolution biologique naturelle
Les meilleurs spécimens se reproduisent
www.geatbx.com
Algorithmes génétiques
Sélection : Stochastic universal sampling
•  Source
Baker, J. E.: Reducing Bias and Inefficiency in the Selection Algorithm. In Proceedings of the Second
International Conference on Genetic Algorithms and their Application, Hillsdale, New Jersey, USA: Lawrence
Erlbaum Associates, pp.14-21, 1987.
•  Description
Les individus sont répartis comme les segments d’une ligne où la longueur du segment correspond à son rapport
au point de référence (FITNESS). On place à distance égale autant de points que d’individus désirés (SELECTION).
La distance entre deux points est de 1 divisé par le nombre d’individus désirés (1/Npoint). On place le premier
point au hasard entre zéro et 1/Npoint.
Ici, 6 individus désirés : 1/6 = 0.167 ; nombre pris au hasard entre [0, 0.167] : 0.1
Algorithmes génétiques
Installation
•  Le séquenceur
Le projet est construit autour de la métaphore d’un séquenceur 16 pas utilisé pour
distribuer les événements dans le temps. Nous avons donc besoin de 16 individus
pour remplir les 16 pas. Un individu peut être sélectionné plusieurs fois.
•  Les individus
Nous avons 64 individus regroupés en 4 groupes de 16 [0, 15]. Ils sont classés sur une
échelle «d’intensité» croissantes équivalant à l’échelle de référence.
•  La sélection se produit à chaque fin de cycle du séquenceur avec les valeurs
accumulées pendant le cycle entier.
Algorithmes génétiques
Le point de référence (FITNESS) interactif
•  Description
Le point de référence est la mesure de l’action de l’environnement sur le système. Il
est le résultat de la reconnaissance de formes sonores et de mouvements amples.
•  Méthode
Le point de référence varie sur une échelle de 0 à 15, où 0 signifie qu’il n’y a
aucune stimulation et 15 que la stimulation est maximale.
On ajoute 1 à chaque reconnaissance.
On retranche 1 périodiquement. À chaque fin de cycle de séquenceur.
•  Technique
La reconnaissance vocale : Sensoryinc.com Voice Extreme™ Toolkit
Mouvement : Memsic 2125 Dual-axis Accelerometer
Algorithmes génétiques
Sélection - mémoire
Algorithmes génétiques
Sélection - distribution (score)
•  Répartition des individus par rapport au point de référence
Algorithmes génétiques
Sélection - échelle
•  Répartition des individus par rapport au point de référence
écart = 1/7, random [0, 15], (total de 256 combinaisons possibles)
Approches génétique de l’interactivité sonore
Conclusion
•  Il y a une bonne correspondance entre le modèle et les intentions
compositionnelles.
–  Interactivité
<=> autonomie
–  Diversité
<=> motif
–  Limite imperceptible du système
(autopoiesis)
(pattern)
(ontologie)
(forme)
(fond)
Remerciements
•  Ce projet a été rendu possible grâce au soutien
du CIAM et du VIDÉOGRAPHE. Merci au LCA pour
l’hébergement web.