A tutorial on information-theoretic approaches to music

Abstract: This tutorial will survey some of the important concepts, hypotheses, and findings in information-theoretic approaches to music. I begin with the concept of information: the negative log of probability. Information increases when events are low in probability and high in density. Information is strongly associated with complexity: things that are high in information (low in probability), such as chromatic notes and large intervals, tend to seem more complex. The theory of Uniform Information Density states that composers and performers strive to maintain a fairly uniform rate of information flow across time; a number of musical phenomena support this hypothesis. N-gram models and Bayesian models are two widely-used probabilistic approaches to modeling music cognition; I will briefly explain these two approaches. Also important is the concept of entropy, a measure of the certainty of a prediction; recent experimental studies have examined the role of entropy in musical experience. Finally, I will review information-theoretic hypotheses about musical enjoyment and preference: various authors have hypothesized that enjoyment is maximized by high, moderate, or low information flow.

Sound Colours Sight: Music Drives Cross-Modal Emotional Transfer

Abstract: Watching a powerful scene with music that fits or clashes can transform how we feel. Music and visual art often work together in film, games, and advertising to shape our emotional experience. Our study examines how emotion moves between these two senses.

We used a behavioural prime-target task with eye-tracking: participants first heard a short piece of music or saw an image (the prime), then viewed an artwork or heard short piece of music (the target) and reported its emotional tone about the target. We also explored individual differences across the neurodiversity spectrum.

Three findings stood out. First, negative music primes (e.g., darker, rougher timbres) transferred emotion to visual art more reliably than positive music or visual primes of either valence. Second, positive music did not outperform visual primes - their transfer rates were comparable. Third, visual prime transfer, especially for positive primes, declined with higher autistic traits, suggesting individual differences in cross-sensory emotion mapping. Finally, features of the negative music - particularly timbre and spectral centroid (a proxy for perceived “brightness”) - systematically modulated the perceived emotion of the subsequent artwork.

Sound can steer how we read the emotion of images, with negative music exerting the strongest pull. These results highlight robust, feature-level links between hearing and seeing, and they have practical implications for soundtrack design, accessible media, and emotionally supportive environments in education and healthcare.

AI 음악은 아름다운가? - 음악창작 분야에 나타난 AI의 활동 양상과 미학

Abstract: 21세기 음악 창작 영역에서는 AI 작곡 모델의 활동이 활발하다. 에미(Emmy)와 에밀리 하웰(Emily Howell), 플로우 머신(Flow Machines), 딥바흐(DeepBach), 이아무스(Iamus), 아이바(AIVA), 마젠타(Magenta), 이봄(Evom) 등 다양한 AI가 작곡을 하고, 음반을 발매하며, 공연장에서 연주회를 열기도 하였다. AI는 여기서 그치지 않고, 과거 작곡가가 남긴 미완의 작품을 완성함으로써 인간의 유한성을 넘어서는 시도를 하였고, 역사적으로 전승이 끊어진 음악을 현대적으로 재현함으로써 시공간을 초월하고 있다.

본 발표에서는 이처럼 창작 분야에서 인간 작곡가에게 도전장을 내민 AI 작곡 모델의 활동 양상을 살펴보고, 그 미학적 의미를 논의하고자 한다. 에미와 에밀리 하웰, 이봄을 주요 논의 대상으로 삼았으며, 2020/21년 독일에서 시도된 ‘‘베토벤 X – The AI Project’와 2024년 국립국악원의 ‘AI 프로젝트’(취화평』, 취풍령 복원)를 검토할 것이다.음악 활동의 출발점이라 할 수 있는 ‘작곡’을 과연 인간이 아닌 컴퓨터가 어느 정도 수행할 수 있을까? 이들의 음악은 미적 가치를 지니는가? 창작 주체의 변화를 통해 제기되는 이러한 질문들을 본 발표에서는 포스트휴머니즘 미학의 시각에서 탐구할 것이다.

디지털 전환 시대의 고악보 연구: 인공지능을 통한 교육적 확장 가능성 

Abstract: 고악보는 현재를 살아가는 우리가 선현들이 남겨주었던 음악유산을 조금 더 가깝게 마주할 수 있는 역사적 매개이다. 『세종실록』 악보부터 20세기 전반까지, 현재까지 발견된 고악보는 90여종 이상이 있는데, 그 속에는 오늘날까지 계승되어 연행되고 있는 레퍼토리도 있지만, 다양한 이유에 의하여 전해지지 않은 수많은 레퍼토리 또한 수록되어 있다. 이러한 고악보는 단순한 기록물이 아니라, 한 시대의 음악적 사고, 교육 체계, 연주 문화를 반영하는 귀중한 자료로서 교육적 활용 가치가 크다. 본 발표는 디지털 전환 시대를 맞아 고악보 연구가 가지는 새로운 의미를 탐색하고, 인공지능 기술을 통해 그 교육적 가능성을 확장하는 방안을 모색하고자 한다. 먼저, 고악보의 종류와 수록 레퍼토리를 파악하면서 음악사적 측면에서 고악보 연구의 중요성을 조망해보고, 기존의 고악보 연구 방식을 살펴보면서 인공지능을 도입한 연구가 향후 고악보 연구에 어떠한 유의미점을 줄 수 있는지 논의해보고자 한다. 나아가 인공지능을 활용한 고악보 연구가 음악교육 현장에서 어떻게 확장되고 적용될 수 있는지를 살펴봄으로써, 음악 유산의 현대적 재해석과 교육적 활용 가능성을 제시하고자 한다. 

대한민국 음악교육에서의 인공지능 연구 현황과 발전 방향                                                                                                                                         (AI Research in Music Education: Current Status and Future Directions in South Korea)

Abstract: 본 발표는 우리나라 음악교육 분야에서의 인공지능(AI) 발전 과정을 탐구하고 향후 발전 방향을 제시하는 것을 목적으로 한다. 이를 위해 KCI 등재 학술지를 발간하는 네 개의 음악교육 관련 학회의 2018년부터 2025년까지의 학술대회 발표 자료와 등재 논문을 분석하였다. 분석은 한국교육과정평가원의 「인공지능에 대한 교육」과 「인공지능 활용 교육」 구분을 기준으로 하였으며, 연구의 전개 과정을 형성기(2018–2019), 성장기(2020–2022), 확장기(2023–2025)로 구분하여 살펴보았다. 연구 결과, 대부분의 연구는 AI를 활용한 교육, 특히 생성형 AI 기반 작곡 도구 중심으로 이루어졌으며, 음악교육에서는 상업용 도구를 교육 목적에 맞게 변형하여 사용하는 경향이 두드러졌다. 이는 다른 교과에서 적응형 학습(adaptive learning)과 개인화 평가(personalized assessment)를 지원하는 인공지능 도구가 활발히 개발된 것과 대조적이며, 음악교육에서는 교육용 AI 도구의 부족이 원인으로 보인다. 이러한 한계를 극복하기 위해 블록코딩을 통한 컴퓨팅 사고 및 음악적 창의력 향상, AI 작곡 도구를 통한 음악 요소 학습, 그리고 음악교육용 AI 시스템 개발 방향에 대한 방안을 제시하고자 한다.