24 DE JUNIO | 15.00 H – 18.00 H

TALLER: INTELIGENCIA ARTIFICIAL PARA LA CREATIVIDAD

Por CreativAI Lab UC (Chile)

El equipo de CreativAI Lab UC, instancia integrada por investigadores y estudiantes dedicados a indagar la encrucijada entre arte, ciencia e ingeniería, realizará este taller sobre Inteligencia Artificial y Modelos Generativos, presentando los alcances y experiencias de creaciones musicales como la generación en MIDI (Musical Instrument Digital Interface) usando StyleGAN2 y creación de audio musical con VAEs, para finalizar con la reflexión ¿es la Inteligencia Artificial creativa?.

Presentan

Rodrigo Cádiz, profesor titular, IMUC y Depto. de Ing. Eléctrica UC

Denis Parra, profesor asociado, Depto. de Ciencia de la Computación UC

Manuel Cartagena, estudiante de magister, Depto. de Ciencia de la Computación UC

Agustín Macaya, estudiante de magister, Depto. de Ing. Eléctrica UC

PROGRAMA

15.00 h – Introducción a la Inteligencia Artificial y Modelos Generativos.
Expone Denis Parra (40 minutos charla y 10 minutos para preguntas).

16.00 h – Generación MIDI usando StyleGAN2.
Presenta Manuel Cartagena (20 minutos charla y 10 minutos para preguntas).

16.30 h – Generación de audio musical con VAEs.
Presenta Agustín Macaya (20 minutos charla y 10 minutos para preguntas).

17.10 h –¿Es la Inteligencia Artificial Creativa?
Expone Rodrigo Cádiz ( 30 minutos charla y 20 minutos para discusión).

Lecturas y Enlaces Recomendados (Solo web)

– Briot, J. P., Hadjeres, G., & Pachet, F. D. (2017). Deep learning techniques for music generation–a survey. arXiv preprint arXiv:1709.01620.

– Yang, L. C., Chou, S. Y., & Yang, Y. H. (2017). MidiNet: A convolutional generative adversarial network for symbolic-domain music generation. arXiv preprint arXiv:1703.10847.

– Muller-Eberstein, M., & van Noord, N. (2019). Translating Visual Art into Music. In Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops
– Roberts, A., Engel, J., Raffel, C., Hawthorne, C., & Eck, D. (2018). A hierarchical latent vector model for learning long-term structure in music. In International Conference on Machine Learning (pp. 4364-4373). PMLR.

– Dong, H. W., Hsiao, W. Y., Yang, L. C., & Yang, Y. H. (2018). Musegan: Multi-track sequential generative adversarial networks for symbolic music generation and accompaniment. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 32, No. 1).

– Hadjeres, G., Pachet, F., & Nielsen, F. (2017, July). Deepbach: a steerable model for bach chorales generation. In International Conference on Machine Learning (pp. 1362-1371). PMLR.

– Turing, Alan, Maquinaria computacional e Inteligencia, 1950, http://xamanek.izt.uam.mx/map/cursos/Turing-Pensar.pdf

– Magenta: Make Music and Art using Machine Learning, 2021, https://magenta.tensorflow.org/

Inscríbete al Taller (Cupos limitados)

III Seminario de Desarrollo de Públicos
23 al 25 de junio 2021
https://programacionypublicos.cultura.gob.cl