[ Unfinite Seq_ ]
Audiovisual Works
Exhibition / Audiovisual Works
A sequence created with specific frequency values extracted from noise continuously influences the next sequence, creating a continuous chain of sequences. The sequence continuously generated through the LSTM algorithm of the neural network RNN is a process of exploring the musical possibilities generated by artificial intelligence from noise in the auditory sense, from intangible noise to the form we call music, In the process, the meaning of the expanded sound and the continuous creation process are explored.
The pseudo random sequence produces 64 valid note values. The ML Algorithm (Markov chain) connected here produces a new sequence of sequence values based on the 64 note values produced by the sequence. In addition, in RNN, a sequence corresponding to the note value and length is generated based on the note values produced by the random sequence.
In the stage corresponding to of the 64 note values generated by a random algorithm, 16 sequence values are generated and they are reproduced together. Each generated and reproduced note value controls the visual. In particular, the stage value corresponding to each of the 16 states controls the visual. After the sequence corresponding to 64 ~ 128 times is played, the note generator is re-triggered in the visual stage, and a new musical sequence is created and the above process is repeated.
노이즈는 여러의미에서 가장 많은 에너지와 특정 구조가 되기위한 잠재적 가능성을 가지고 있다. 인공지능의 적대적 생성 신경망(GAN)은 노이즈로 부터 반복된 학습의 과정을 통해 우리가 지각할 수 있는 형태의 결과물을 생성한다. 노이즈로부터 추출한 특정 주파수 값들로 생성된 시퀀스는, 계속해서 다음 시퀀스에 영향을 주며 지속적인 시퀀스 체인을 만든다. 뉴럴 네트워크 RNN의 LSTM 알고리즘을 통해 계속해서 생성되는 시퀀스는 청각적 의미의 노이즈로 부터 인공지능이 생성하는 음악적 가능성을 탐구하는 과정이자, 무형의 노이즈로 부터, 우리가 음악이라고 일컫는 형태에 이르기까지, 그 과정에서 확장되는 사운드의 의미와 연속된 생성과정을 탐색한다.
Pseudo random sequence는 64개의 유효한 노트값을 생산한다. 여기에 연결된 ML Algorithm (Markov chain)은 sequence가 생산한 64개의 노트값을 토대로, 새로운 순서의 시퀀스 값을 생산한다. 이와 더불어 RNN에서도 ML Algorithm과 마찬가지로, random sequence가 생산한 노트값들을 토대로, 노트값, 길이에 해당하는 시퀀스를 생성한다.
랜덤한 알고리즘으로 생성된 64개의 노트 값에서 각각에 해당하는 스테이지에서는 16개의 시퀀스 값을 생성하고 이들이 함게 재생된다. 각각의 생성되고 재생되는 노트 값들은 비주얼을 제어하게 되는데 특히 16개 각 상태에 해당하는 스테이지 값은 비주얼을 제어하게 된다. 64 ~ 128회에 해당하는 시퀀스가 재생된 이후 비주얼 스테이지에서 노트를 생성자를 re-trigger 하고 새로운 음악적 시퀀스가 생성, 과정을 반복한다.
2021
@Ansan Art Space Ansan, KR
Audiovisual Works
Exhibition / Audiovisual Works
A sequence created with specific frequency values extracted from noise continuously influences the next sequence, creating a continuous chain of sequences. The sequence continuously generated through the LSTM algorithm of the neural network RNN is a process of exploring the musical possibilities generated by artificial intelligence from noise in the auditory sense, from intangible noise to the form we call music, In the process, the meaning of the expanded sound and the continuous creation process are explored.
The pseudo random sequence produces 64 valid note values. The ML Algorithm (Markov chain) connected here produces a new sequence of sequence values based on the 64 note values produced by the sequence. In addition, in RNN, a sequence corresponding to the note value and length is generated based on the note values produced by the random sequence.
In the stage corresponding to of the 64 note values generated by a random algorithm, 16 sequence values are generated and they are reproduced together. Each generated and reproduced note value controls the visual. In particular, the stage value corresponding to each of the 16 states controls the visual. After the sequence corresponding to 64 ~ 128 times is played, the note generator is re-triggered in the visual stage, and a new musical sequence is created and the above process is repeated.
노이즈는 여러의미에서 가장 많은 에너지와 특정 구조가 되기위한 잠재적 가능성을 가지고 있다. 인공지능의 적대적 생성 신경망(GAN)은 노이즈로 부터 반복된 학습의 과정을 통해 우리가 지각할 수 있는 형태의 결과물을 생성한다. 노이즈로부터 추출한 특정 주파수 값들로 생성된 시퀀스는, 계속해서 다음 시퀀스에 영향을 주며 지속적인 시퀀스 체인을 만든다. 뉴럴 네트워크 RNN의 LSTM 알고리즘을 통해 계속해서 생성되는 시퀀스는 청각적 의미의 노이즈로 부터 인공지능이 생성하는 음악적 가능성을 탐구하는 과정이자, 무형의 노이즈로 부터, 우리가 음악이라고 일컫는 형태에 이르기까지, 그 과정에서 확장되는 사운드의 의미와 연속된 생성과정을 탐색한다.
Pseudo random sequence는 64개의 유효한 노트값을 생산한다. 여기에 연결된 ML Algorithm (Markov chain)은 sequence가 생산한 64개의 노트값을 토대로, 새로운 순서의 시퀀스 값을 생산한다. 이와 더불어 RNN에서도 ML Algorithm과 마찬가지로, random sequence가 생산한 노트값들을 토대로, 노트값, 길이에 해당하는 시퀀스를 생성한다.
랜덤한 알고리즘으로 생성된 64개의 노트 값에서 각각에 해당하는 스테이지에서는 16개의 시퀀스 값을 생성하고 이들이 함게 재생된다. 각각의 생성되고 재생되는 노트 값들은 비주얼을 제어하게 되는데 특히 16개 각 상태에 해당하는 스테이지 값은 비주얼을 제어하게 된다. 64 ~ 128회에 해당하는 시퀀스가 재생된 이후 비주얼 스테이지에서 노트를 생성자를 re-trigger 하고 새로운 음악적 시퀀스가 생성, 과정을 반복한다.
2021
@Ansan Art Space Ansan, KR
