Пропонована стаття висвітлює дослідження трирічної наукової програми, що спрямована на створення цифрового дослідницького середовища (Digital Research Environment) за підтримки штучного інтелекту, щоб сприяти аналізові та систематизації народних мелодій на підставі спадкоємного досвіду угорської етномузикології та останніх результатів теорії інформації й управління базами даних. Репрезентовано основні тези та перші результати програми, впровадженою наприкінці 2021 року. Цифрове дослідницьке середовище використовує бази даних оцифрованих мелодій як ресурс, штучний інтелект як інструмент, а музикознавство як концептуальну основу.
Дослідження також ґрунтується на наявних міжнародних розробках, у яких цифрове музикознавство трактують як частину цифрової гуманітарної науки. Водночас у цій галузі існує дихотомія: хоча у проєктах і статтях описано багато результатів теоретичних досліджень, однак їх рідко інтегрують у модулі пошуку та аналізу великих баз даних.
Детально базові результати дослідження опубліковано в монографії під назвою „Теорія інформації та дослідження угорської народної музики" [Bolya 2019]. У книзі проаналізовано найважливіші етапи класифікації угорської народної музики за допомогою теорії інформації, зібрано та згруповано аспекти мелодичного аналізу, перевірено їх відповідність єдиній системі, отже, таким чином розроблено критерії та остаточно сформульовано послідовності сортування мелодій.
У галузі наукового моделювання систематизації мелодій узято до уваги досвід кількох видатних дослідників і здебільшого використано емпіричні методи створення музичних типів. Барток, Кодаї, Ярдані, Добшай і Берецький побудували свої системи інтуїтивно, вивчаючи тисячі мелодій, і відтак створили всесвітньо відому угорську народномузичну аналітичну систематику.
Сьогодні комбінована потужність комп'ютеризованої обробки даних і технології, що постійно розвиваються, можуть допомогти вдосконалити методологію. Це дає змогу розширити сферу сортування мелодій, виконувати аналіз наборів і статистичний аналіз винятково на підставі описових даних, незалежно від наукових концепцій.
Попередні експерименти з комп'ютеризованого аналізу музики в Угорщині неадекватно оцінювали роль штучного інтелекту. У нашому випадкові цифрове середовище з підтримкою штучного інтелекту, яке є предметом дослідження, не працює самостійно, оскільки науково-абстрактне мислення дослідника, уподобання та розпізнавання характерних мелодичних елементів поки що не можуть бути замінені комп'ютерною обробкою даних.
Найважливішим предметом дискусії в попередніх дослідженнях була специфікація набору даних для аналізу. Очевидно, що порівнювати можна лише однаково оброблені музичні елементи, тому серед найважливіших завдань ‒ визначити стандартний формат та інформаційну щільність вхідних даних. Як перший крок ‒ потрібно вирішити цифрове перетворення нотного рукопису. Міжнародні дослідження здебільшого дали результати в розпізнаванні нотних знаків, деякі з яких можна використати у проєкті, однак ще необхідно чимало нових розробок.
Прикладами вирішальних для аналізу елементів є розпізнавання артикуляції мелодії, ідентифікація рядків, декодування абревіатур і визначення сфери аналізу. Після вивчення тисяч транскрипцій рукописів було виявлено наступні типові фактори, що ускладнюють декодування: 1) різні види спрощення, які набули поширення через необхідність економії паперу та прискорення роботи; 2) кілька даних мелодії в одному зображенні; 3) визначення сфери, що містить корисну інформацію.
Остаточна мета дослідження полягає в тому, щоби точно визначити роль дослідника в обробці музичних даних. Отже, ставлення дослідників, які відмовляються від підтримки програмного забезпечення, може змінитися на користь фактичного використання пропонованої цифрової системи. Уперше в історії досліджень угорської народної музики можна створити детальне та задокументоване цифрове дослідницьке середовище з інтеграцією корисних відповідних програмних засобів. Визначаються проблеми введення даних і стандартний формат музичних даних, придатних для масового запровадження та аналізу. Заміна раніше широко використовуваних опціональних даних розширеними даними дасть змогу отримати ширший діапазон параметризації та параметрів пошуку, а їх вільне поєднання оптимізує вивчення нових наукових моделей. За допомогою середовища цифрових досліджень можна більш точно визначити діапазон застосування попередньої наукової музичної класифікації, а обробку, як і класифікацію, мелодій можна значно прискорити.
Ключові слова: цифрове дослідницьке середовище (ЦДС) з підтримкою штучного інтелекту, оптичне розпізнавання музики (ОРМ), музичні рукописи, угорські народні пісні, наукова музична класифікація, етномузикологія, цифрові архіви, база даних фольклору.