دسته بندی و زمان بندی: ادراک متر (۱۴)

آنچنان که اطلاعات اجراهای سپرینگر (springar) نشان می دهد، چنین فرآیند های تکثیرپذیری ممکن است تا دو سطح زیرین نیز ادامه پیدا کند (تاثیر گذار بر سطح بیت و سطح زیرشاخه ها). مشخصه ی متمایز این دیدگاه این است که ما نباید تمام انحرافات از نسبت های ریاضی را به “بیانگری” ارتباط دهیم، اما آزادیم که هرگونه تقسیمات زیرشاخه ای را در مدل های الگوی متریک وارد کنیم. اما مسئله ی نحوه ی نمایش این الگو ها در نت نویسی استاندارد حل نشده باقی می ماند و همچنین کل مسئله ی توضیح چنین الگوهایی نیز همچنان بی پاسخ می ماند.

دیدگاه مدل زمان بندی، به مسئله ی دسته بندی های مدت زمانی از منظر دیگری می نگرد. تحت پارادایم “CFP” اطلاعات مربوط به سطح زیرشاخه در نمونه های جاز و سپرینگر (springar) به سختی قابل توضیح هستند. اگر انتظار می رود که طول مدت زمان از واحدهای سازنده ی هم طول ساخته شده باشد، این تئوری ها هیچ دسته بندی دقیقی روی سطوح زیرشاخه ها ارائه نمی دهند. با استفاده از مدل پالس کند، هر گونه تقسیم بیت امکان پذیر است و داده ها نیز در این مورد مشکلی ایجاد نمی کنند.

البته من نمی گویم که مسئله دسته بندی های مدت زمانی کمتر از سطح بیت، حائز اهمیت نیست. حتی اگر مقادیر واقعی واحد ها در این سطح بسیار متغیر باشند، ما مشکلی در ایجاد دسته بندی هایی با تقسیم بیت به دو قسمت چون «مساوی-مساوی»، «بلند-کوتاه» یا «کوتاه-بلند» نداریم. اگر واحد ها به عنوان پایه ای برای زمان بندی سطوح بالاتر نیز مورد استفاده قرار بگیرند، تفاوت های ممکن در مدت زمان می تواند بسیار بزرگتر باشند. به جای مطالبه ی دسته بندی های ممکن از واحد های موجود در سطوح پایین تر در یک مدل دسته ای، مدل پالس کند به میزانی بیشتر از CFP، ما را تشویق به انجام مطالعات تجربی از اجرا کنندگان، موسیقی دان های زنده و درک شنوندگان از موسیقی می کند تا دسته بندی ها را مشخص سازد.

این که تا چه حد چنین دسته بندی هایی می توانند از اندازه گیری صرف صدای موسیقیایی به نتیجه برسند، سوالی است که از نظر من نباید از آن غافل شد. مدل پالس کند توجه ها را به جنبه ی دیگری از مدل های لاندن، لردال و جکندوف معطوف می کند. این مدل ها تلاش دارند توضیح دهند که چگونه بر اساس قوانین کلی، اطلاعات متریک از سیگنال موسیقیایی قابل محاسبه است.

به عبارت دیگر، به جز اطلاع دادن از قوانین توصیف شده ی تئوری ها، اطلاع دهی کار این مدل ها نیست. مدل پالس کند (با وجود تقسیم اختیاری واحدها)، با استفاده از الگوریتم های محاسباتی که در آن ها فقط اطلاعات صدایی وجود دارد، قابل توضیح نیست. از طرف دیگر، می توان انتظار داشت که یادگیری و تجربه در استفاده از این مدل حائز اهمیت باشد، و دیدن روند تطابق با یک متر به عنوان یک عمل تشخیص الگو تا عمل محاسباتی یعنی، یادگیری تشخیص و تمیز الگوهای موسیقی به جای اعمال یک سری قانون، مسئله ای است که با آن رو به رو هستیم.