En spikande neuronnät inspirerat av neurovetenskap och psykologi för västlig moll-/dur‑ och tonarts‑konditionerad musiklära och komposition

Varför det spelar roll att lära datorer att uppfatta tonarter

De flesta kan känna när en låt har "kommit hem" till sin slutton, eller när ett felaktigt ackord får allt att låta fel. Den känslan vilar på dolda regler om tonart och mode—det tonala skelettet under västerländsk musik. Modern artificiell intelligens kan producera ändlösa melodier, men blundar ofta för dessa regler eller inför dem på klumpiga sätt. Den här artikeln presenterar en ny hjärninspirerad modell som lär sig tonarter och mode mer som en mänsklig lyssnare, och sedan använder den kunskapen för att komponera fyrstämmig harmoni. Målet är att göra musikskapande maskiner både mer musikaliska och mer begripliga.

Från vardagligt lyssnande till interna ljudkartor

När du lyssnar på musik bygger hjärnan gradvis en intern karta över vilka toner som känns stabila, vilka som låter spända, och hur mönster vanligtvis utvecklas. Psykologer har fångat detta i Krumhansl–Schmuckler‑modellen, som mäter hur starkt var och en av de 12 pitchklasserna hör hemma i en given tonart. Neurovetenskap kopplar denna typ av schematisk kunskap till hjärnregioner som organiserar erfarenhet över tid, som mediala prefrontala cortex och minnesstrukturer som hippocampus. Författarna menar att många djupinlärningssystem för musik hoppar över dessa psykologiska och biologiska insikter: de tvingar ofta alla stycken in i en referenstonart eller behandlar tonart som en enkel etikett, och deras interna funktioner är svåra att tolka. Det nya arbetet syftar istället till att bygga ett nätverk vars inre kopplingar kan jämföras direkt med mänsklig tonal percept.

Ett hjärnlikt nätverk som hör både skalor och sekvenser

Forskarna designar ett spikande neuronnätverk, en modelltyp som kommunicerar med korta elektriska pulser och speglar verkliga neuroner. De delar upp det i två huvudsubsystem. Ett "tonalt" subsystem representerar mode (dur och moll) och de 24 tonarter som används i västerländsk tonal musik, ordnade i en hierarki som påminner om hur hjärnan lagrar abstrakta scheman. Ett "sekventiellt minne"‑subsystem håller de faktiska tonerna i ett fyrstämmigt stycke—deras tonhöjder och varaktigheter—fördelade över separata strömmar motsvarande sopran, alt, tenor och bas. Inom dessa strömmar kodas tonhöjd och duration av arrayer av små kolumner av neuroner, löst inspirerade av organisationen i auditiv cortex och tidskänsliga celler som förekommer i tidmätningstudier.

Låta kopplingar växa med erfarenhet

I stället för att koppla allt i förväg låter modellen nya synapser bildas mellan det tonala subsystemet och det sekventiella minnet när neuroner upprepade gånger avfyrar tillsammans medan ett stycke spelas in. Detta efterliknar hur neurala kretsar uppstår och förändras under lärande. När en koppling väl finns justeras dess styrka av en regel kallad spike‑timing‑dependent plasticity: om en källneuron tenderar att avfyra strax före en målneuron så förstärks länken; om ordningen är omvänd försvagas den. Över många stycken, inklusive övningsexempel som noggrant utformats för att framhäva särskilda harmoniska idéer och en stor samling J.S. Bach‑koraler, kommer nätverkets interna ledningsstruktur gradvis att spegla vilka toner som fungerar som centrala, stödjande eller sällsynta i varje mode och tonart.

Inuti maskinens känsla för tonart

För att testa om modellen verkligen utvecklat människoliknande tonala förväntningar mätte författarna två egenskaper hos dess inlärda kopplingar: hur många synapser varje pitchklass ackumulerat och hur starka dessa synapser blivit i genomsnitt. De jämförde sedan dessa mönster med de välkända psykologiska tonartsprofilerna. Både över dur och moll och många individuella tonarter var överensstämmelsen slående hög. Toner som människor uppfattar som "hemtonen" eller de huvudsakliga stödtonerna uppträdde också som de mest kraftigt kopplade i nätverket. Subtila skillnader speglade träningsmaterialet—till exempel ledde övningsstycken som betonade vissa ackord till att nätverket vikter de tonerna starkare. Detta tyder på att modellen fångar både allmänna tonala lagar och korpus‑specifika vanor, på liknande sätt som mänsklig inkulturering.

Komponera ny musik i en vald tonart

När den får i uppdrag att komponera tilldelas systemet ett målläge och tonart samt ett kort startackord. Aktivitet i de tonartsspecifika neuronerna biaserar därefter det sekventiella minnet genom de inlärda kopplingarna. Konkurrerande tonneuroner avfyrar, och en enkel "vinnaren tar allt"‑regel väljer nästa ton i varje stämma. Steg för steg genererar modellen nya fyrstämmiga harmonier som håller sig inom avsedd tonart samtidigt som de utforskar varierade melodiska former. Jämfört med en rad populära djupinlärningsmodeller—inklusive rekurrenta nätverk, transformermodeller och diffusionsmodeller—producerar det spikande nätverket stycken vars tonomfång, användning av skaltoner och andra strukturella statistik liknar referensdataseten i högre grad. Särskilt bibehåller det en mycket hög andel toner inom tonarten utan att bli monotont.

Vad detta betyder för framtida musikmaskiner

För en allmän läsare är huvudresultatet att ett hjärninspirerat nätverk kan lära sig något nära vår intuitiva känsla för tonart och skala—och att vi kan se den kunskapen direkt i dess kopplingar. Modellen hanterar ännu inte all rikedom i verklig musik, såsom föränderlig harmoni, rytmisk variation eller uttrycksfull timing. Den erbjuder ändå en konkret bro mellan musikteori, psykologi och neuralkomputation. Genom att visa att ett biologiskt motiverat system kan generera övertygande, tonartsmedvetna harmonier och avslöja hur det kom fram till dem pekar detta arbete mot framtida AI för musikskapande som både är mer musikaliskt bildad och mer transparent i hur den tänker om ljud.

Citering: 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

Nyckelord: spikande neuronnätverk, musikgenerering, musiktonart och mode, beräkningsbaserad musikperception, hjärninspirerad AI