Uma rede neural pulsante inspirada em neurociência e psicologia para aprendizagem e composição musical condicionadas a modo e tonalidade no sistema ocidental

Por que ensinar computadores a ouvir tonalidades importa

A maioria das pessoas percebe quando uma canção “chega em casa” na sua nota final, ou quando um acorde errado faz tudo soar deslocado. Essa sensação intuitiva repousa sobre regras ocultas de tonalidade e modo — o esqueleto tonal por trás da música ocidental. A inteligência artificial moderna pode produzir melodias sem fim, mas muitas vezes ignora essas regras ou as codifica de maneiras grosseiras. Este artigo apresenta um novo modelo inspirado no cérebro que aprende tonalidades e modos musicais de forma mais parecida com um ouvinte humano e, em seguida, usa esse conhecimento para compor harmonia a quatro vozes. O objetivo é tornar as máquinas que fazem música não apenas mais musicais, mas também mais compreensíveis.

Da escuta cotidiana a mapas internos do som

Quando você escuta música, seu cérebro gradualmente constrói um mapa interno de quais notas parecem estáveis, quais soam tensas e como os padrões costumam se desenrolar. Psicólogos capturaram isso com o modelo de Krumhansl–Schmuckler, que mede o quanto cada uma das 12 classes de altura pertence a uma tonalidade dada. A neurociência vincula esse tipo de conhecimento esquemático a áreas cerebrais que organizam a experiência ao longo do tempo, como o córtex pré‑frontal medial e estruturas de memória como o hipocampo. Os autores argumentam que a maioria dos sistemas musicais de deep learning ignora essas percepções psicológicas e biológicas: frequentemente forçam todas as peças a uma tonalidade de referência ou tratam a tonalidade como um rótulo simples, e seu funcionamento interno é difícil de interpretar. O novo trabalho propõe, em vez disso, construir uma rede cujas conexões internas possam ser diretamente comparadas com a percepção tonal humana.

Uma rede parecida com o cérebro que percebe escalas e sequências

Os pesquisadores projetam uma rede neural pulsante, um tipo de modelo que se comunica usando breves pulsos elétricos, ecoando os neurônios reais. Eles a dividem em dois subsistemas principais. Um subsistema “tonal” representa modos (maior e menor) e as 24 tonalidades usadas na música tonal ocidental, organizadas em uma hierarquia que lembra como o cérebro armazena esquemas abstratos. Um subsistema de “memória sequencial” contém as notas reais de uma peça a quatro vozes — seus timbres e durações — distribuídas em fluxos separados correspondentes a soprano, contralto, tenor e baixo. Dentro desses fluxos, altura e duração são codificadas por matrizes de pequenas colunas de neurônios, vagamente inspiradas na organização do córtex auditivo e em células sensíveis ao tempo encontradas em pesquisas sobre temporização.

Deixando as conexões crescerem com a experiência

Em vez de conectar tudo antecipadamente, o modelo permite que novas sinapses se formem entre o subsistema tonal e o de memória sequencial quando neurônios disparam repetidamente juntos enquanto uma peça é reproduzida. Isso imita como circuitos neurais emergem e mudam durante o aprendizado. Uma vez que uma conexão existe, sua força é ajustada por uma regra chamada plasticidade dependente do tempo de disparo (spike‑timing‑dependent plasticity): se um neurônio fonte tende a disparar pouco antes de um neurônio alvo, o vínculo se fortalece; se a ordem for invertida, ele enfraquece. Ao longo de muitas peças, incluindo exercícios didáticos cuidadosamente elaborados para destacar ideias harmônicas específicas e uma grande coleção de corais de J.S. Bach, a fiação interna da rede gradualmente passa a refletir quais notas funcionam como centrais, de apoio ou raras em cada modo e tonalidade.

Dentro do sentido de tonalidade da máquina

Para testar se o modelo realmente desenvolveu expectativas tonais semelhantes às humanas, os autores mediram duas características de suas conexões aprendidas: quantas sinapses cada classe de altura acumulou e quão fortes essas sinapses ficaram em média. Em seguida, compararam esses padrões com os perfis de tonalidade bem conhecidos da psicologia. Tanto em modos maior quanto menor e em muitas tonalidades individuais, a correspondência foi surpreendentemente alta. Notas que os humanos ouvem como o tom “de casa” ou os principais tons de apoio também surgiram como as mais fortemente conectadas na rede. Diferenças sutis refletiram o material de treinamento — por exemplo, exercícios didáticos que enfatizam certos acordes levaram a rede a pesar essas notas mais fortemente. Isso sugere que o modelo captura tanto leis tonais gerais quanto hábitos específicos do corpus, muito parecido com a enculturação humana.

Compondo nova música em uma tonalidade escolhida

Quando solicitado a compor, o sistema recebe um modo e uma tonalidade alvo, além de um curto acorde inicial. A atividade nos neurônios específicos da tonalidade então viésa o subsistema de memória sequencial por meio das conexões aprendidas. Neurônios de notas concorrentes disparam, e uma regra simples de “o vencedor leva tudo” escolhe a próxima nota em cada voz. Passo a passo, o modelo gera novas harmonias a quatro vozes que permanecem dentro da tonalidade pretendida, ao mesmo tempo em que exploram formas melódicas variadas. Em comparação com uma variedade de modelos populares de deep learning — incluindo redes recorrentes, transformers e modelos de difusão — o modelo pulsante produz peças cujas faixas de altura, uso de graus da escala e outras estatísticas estruturais se assemelham mais de perto aos conjuntos de referência. Em particular, mantém uma proporção muito alta de notas dentro da tonalidade sem se tornar monótono.

O que isso significa para futuras máquinas musicais

Para o leitor geral, o resultado principal é que uma rede inspirada biologicamente pode aprender algo próximo ao nosso senso intuitivo de tonalidade e escala — e podemos ver esse conhecimento diretamente em sua fiação. O modelo ainda não lida com toda a riqueza da música real, como mudanças harmônicas, variedade rítmica ou expressão temporal, mas oferece uma ponte concreta entre teoria musical, psicologia e computação neural. Ao mostrar que um sistema motivado biologicamente pode gerar harmonias convincentes e conscientes da tonalidade e revelar como chegou lá, este trabalho aponta para futuras inteligências artificiais para música que sejam ao mesmo tempo mais letradas musicalmente e mais transparentes sobre como pensam o som.

Citação: Liang, Q., Zeng, Y. & Tang, M. A spiking neural network inspired by neuroscience and psychology for Western mode- and key-conditioned music learning and composition. Sci Rep 16, 12956 (2026). https://doi.org/10.1038/s41598-026-43529-1

Palavras-chave: redes neurais pulsantes, geração de música, tonalidade e modo musical, cognição musical computacional, IA inspirada no cérebro