Brian K. Smith: Afeto, Cognição e Inteligência Artificial Musical

Anselmo Guerra

doi:10.33871/vortex.2026.14.12179

Autores

Anselmo Guerra Universidade Federal de Goiás (UFG) | Goiânia, Goiás, Brasil https://orcid.org/0000-0001-9865-1386

DOI:

https://doi.org/10.33871/vortex.2026.14.12179

Palavras-chave:

Brian K. Smith, Inteligência Artificial Musical;, Cognição Musical, Computação Afetiva, Musicologia Sistemática

Resumo

Este artigo examina a trajetória intelectual de Brian K. Smith no campo da Inteligência Artificial aplicada à música, tomando sua produção bibliográfica como eixo para analisar o desenvolvimento de modelos baseados em regras e o progressivo aprofundamento do Raciocínio Baseado em Casos (CBR). O estudo parte do trabalho “Affect and Musical Composition from Natural Environment Representations”, apresentado no SBIA 1991, e acompanha o desenvolvimento posterior dos sistemas MILES e SCORE! no MIT Media Lab. A análise considera como esses modelos articulam representação afetiva, memória, narrativa e mediação humano-computador, discutindo também suas limitações conceituais e históricas. Por fim, situa a contribuição de Smith em diálogo com debates contemporâneos sobre interpretabilidade, computação afetiva, arquiteturas híbridas e participação humana em sistemas generativos musicais.

Downloads

Não há dados estatísticos.

Biografia do Autor

Anselmo Guerra, Universidade Federal de Goiás (UFG) | Goiânia, Goiás, Brasil

Anselmo Guerra é Professor Titular da Universidade Federal de Goiás (UFG), atuando no ensino e na pesquisa em composição, tecnologia musical, inteligência artificial aplicada à música e áreas afins. É Editor-Chefe da revista Música Hodie, periódico do Programa de Pós-Graduação em Música da UFG.

Referências

ARCOS, Josep Lluís; LÓPEZ DE MÁNTARAS, Ramon; SERRA, Xavier. SaxEx: a case-based reasoning system for generating expressive musical performances. Journal of New Music Research, v. 27, n. 3, p. 194–210, 1998. DOI: 10.1080/09298219808570746.

BODEN, Margaret. The Creative Mind: Myths and Mechanisms. London: Routledge, 2004.

DALY, Ian et al. Affective Brain–Computer Music Interfacing: A Longitudinal Study on Modulating User Affect Concurrently with Music Generation. IEEE Transactions on Affective Computing, v. 7, n. 4, p. 320-333, 2016.

DUAN, Wei; YU, Yi; BRIOT, Jean-Pierre. Recent advances in music generation: methods, evaluation, and challenges. Artificial Intelligence Review, v. 59, art. 195, 2026. DOI: 10.1007/s10462-026-11582-x.

HEVNER, Kate. Experimental studies of the elements of expression in music. The American Journal of Psychology, v. 48, n. 2, p. 246–268, 1936. DOI: 10.2307/1415746.

HONG, Yu; HORNER, Andrew; SMITH, Julius. Emotional Equalizer: An Emotion-Based Real-Time Music Arrangement System. In: INTERNATIONAL COMPUTER MUSIC CONFERENCE (ICMC), 2019, New York. Proceedings [...]. New York: International Computer Music Association, 2019. p. 412-415.

HURON, David. Sweet Anticipation: Music and the Psychology of Expectation. Cambridge: MIT Press, 2006.

JUSLIN, Patrik N.; SLOBODA, John A. Handbook of Music and Emotion. Oxford: Oxford University Press, 2010.

MARCUS, Gary; DAVIS, Ernest. Rebooting AI. New York: Pantheon Books, 2019.

MEYER, Leonard B. Emotion and Meaning in Music. Chicago: Univ. of Chicago Press, 1956.

PADOVANI, José Henrique; OLIVEIRA, Vinícius César de. Seizing the means of machine listening/learning and agentic AI: creative practices with conTorchionist and vibe composing. Música Hodie, Goiânia, v. 26, 2026. DOI: 10.5216/mh.v26.85224. Disponível em: https://revistas.ufg.br/musica/article/view/85224. Acesso em: 31 ago. 2026.

PICARD, Rosalind W. Affective Computing. Cambridge: MIT Press, 1997.

RUDIN, Cynthia. Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, v. 1, p. 206–215, 2019.

SEARLE, John R. Minds, brains, and programs. Behavioral and Brain Sciences, v. 3, n. 3, p. 417-424, 1980.

SIMONDON, Gilbert. Du mode d’existence des objets techniques. Paris: Aubier, 1958.

SMITH, Brian K. Affect and Musical Composition from Natural Environment Representations. In: SIMPÓSIO BRASILEIRO DE INTELIGÊNCIA ARTIFICIAL (SBIA), 8., 1991, Brasília. Anais [...]. Brasília: Sociedade Brasileira de Computação (SBC), 1991.

SMITH, Brian K. You Can Learn a Lot From Film Scoring. In: INTERNATIONAL CONFERENCE ON COMPUTER MUSIC (ICMC), 1999, Beijing. Proceedings [...]. Beijing: International Computer Music Association, 1999. Disponível em: https://www.researchgate.net/publication/369538638_You_Can_Learn_a_Lot_From_Film_Scoring#fullTextFileContent. Acesso em: 16 mai. 2026.

SMITH, Brian K.; REISER, Brian J. MILES: A Case-Based Reasoning System for Music Composition. Working Notes of the AAAI Workshop on AI and Music. Madison: AAAI Press, 1998. Disponível em: https://aaai.org/proceeding/ws98-15/. Acesso em: 16 mai. 2026.

TSURUOKA, Toshihisa; MUNIZ, Ashley Erika. Soundwriter: Real-Time Music Generation for Oral Storytelling through Emotion Mapping. In: INTERNATIONAL COMPUTER MUSIC CONFERENCE (ICMC), 2019, New York. Proceedings [...]. New York: International Computer Music Association, 2019. p. 118-121.