La primera tarea de SEALI, es analizar un corpus musical de improvisaciones libres que servirá como fuente de conocimiento a nivel tímbrico y de estructuras formales recurrentes en este contexto. Inicialmente, comencé con grabaciones de diversos improvisadores de Europa, Estados Unidos y México desde los años 60 hasta la actualidad, sumando 350 archivos de audio, 29 GB de datos y 45 horas de reproducción. Cabe destacar, que este corpus sigue en evolución a lo largo de la investigación debido a la retroalimentación con otros músicos y las adecuaciones constantes al sistema.

Una vez consolidado este corpus, el proceso subsecuente implica un análisis en dos fases: primero, la segmentación del corpus, y segundo, la construcción de una base de datos mediante la extracción de características de audio digital presentes en cada segmento. Como exploraremos más adelante, estas características se denominan descripciones o descriptores de audio (Vinet, 2002). Este proceso garantiza que los segmentos individuales mantengan coherencia entre sí y sean objetos significativos más allá de su contexto. La segmentación se basa en el análisis de gestos sonoros, elementos auditivamente reconocibles y significativos por sí mismos. Estos gestos pueden estar caracterizados por propiedades, como el timbre, la altura, el ritmo, el contenido, la densidad, la energía y la complejidad espectral. El desafío de esta tarea radica en que estos gestos pueden variar en altura, intensidad, duración, contenido espectral e intención al ser ejecutados, lo que crea un fenómeno multidimensional en constante evolución en función del contexto y la interpretación. Por lo tanto, es esencial entrenar al algoritmo de escucha y aprendizaje automático con una base de datos que contenga una amplia variedad de muestras sonoras representativas de la práctica.

El concepto de objeto sonoro, influenciado por la obra de Schaeffer (1996) desempeña un papel esencial en la segmentación del audio en SEALI. Schaeffer introdujo el término ‘música concreta’ para comprender la música como cualquier fenómeno sonoro perceptible y reproducible, independientemente de su origen o significado. El concepto de objeto sonoro se define como una manifestación sonora percibida como una entidad coherente, independientemente de su origen o significado. Los objetos sonoros se relacionan con el gesto, pensado como unidad sonora, que puede evocar emociones y significados sin depender de un contexto musical previo o futuro. Así, el gesto comunica una idea y contiene atributos comunicativos, su apertura a la reelaboración y recontextualización le otorgan un carácter polisémico y una curva energética.

Cabe mencionar que, a lo largo de la investigación, se examinaron distintas aproximaciones a la segmentación de audio dentro de la improvisación libre, lo que condujo a realizar ajustes y modificaciones en la metodología. Por limitaciones de espacio, en este artículo solo abordaré una de las aproximaciones más significativas.

A través de experimentaciones con diferentes descriptores y una validación auditiva, se determinó que los cambios tímbricos eran el criterio más adecuado para la segmentación en el contexto de la improvisación libre. Esta segmentación de audio se basó en el uso del algoritmo SBic (Segmentation on Bayesian Information Criterion) (Peeters & Rodet, 2004), que se enfoca en diferenciar segmentos en una cadena de audio utilizando un umbral principalmente espectral. Este algoritmo emplea un criterio de segmentación bayesiano en función de una matriz de descriptores de audio. En este caso, la matriz de descriptores MFCCs (Mel-frequency cepstral coefficients), propuesta por Davis y Mermelstein (1980), fue útil para establecer el criterio de segmentación, enfocado en cambios tímbricos sustanciales en el audio. El proceso de segmentación consta de tres fases: segmentación en bruto, segmentación fina y validación de los segmentos. Como resultado, se obtuvieron segmentos de audio que variaban en duración, desde centésimas de segundo hasta treinta segundos. Este criterio permitió establecer un puente con el concepto de objeto sonoro, ya que cada segmento contenía las características necesarias para identificarlo como una unidad coherente, lo que llevó a la creación de un corpus de improvisaciones de gestos sonoros.

El siguiente paso fue construir una base de datos derivada del corpus de segmentos de audio, donde cada elemento se describe numéricamente. Para llevar a cabo esta tarea, se empleó la librería Essentia, que ofrece una amplia gama de descriptores de audio y herramientas, que permitieron explorar diversas combinaciones. En este contexto, la elección de descriptores de audio relevantes se vuelve esencial para garantizar resultados coherentes y no generar contradicciones ni ruido en el proceso de clasificación (Johnston, 1988; Painter, 1997). La experiencia detallada reveló que la variedad y combinación de descriptores, como MFCCs, Onset Detection, Loudness, Spectral Centroid, Spectral Flatness, Spectral Contrast, Dynamic Complexity, Spectral Complexity, Mel Bands y Chromagram (Lerch, 2022), inicialmente generaron clasificaciones fluctuantes y en ocasiones poco claras. Este análisis, marcado por resultados aparentemente aleatorios, destacó la importancia de una cuidadosa selección de descriptores de audio. Tras exhaustivas pruebas, fue posible identificar cuatro descriptores —flatness, loudness, spectral centroid y MFCCs— como los más relevantes para la clasificación de la improvisación libre. Este proceso apunta a la necesidad de seleccionar solamente los datos más relevantes para optimizar la eficacia de los modelos de aprendizaje automático.

Posteriormente, un algoritmo de aprendizaje automático fue empleado para analizar la base de datos generada. Este algoritmo tiene la capacidad de discernir entre las particularidades tímbricas individuales cada segmento de la base de datos a través de la modificación de sesgos y pesos durante el entrenamiento. Para realizar este proceso, la base de datos se divide en dos partes: una se destina al entrenamiento, y la otra a probar el modelo computacional resultante. Durante el aprendizaje, el modelo proporciona un índice de certeza para clasificar o predecir diversos datos en relación con los datos del conjunto de entrenamiento.

SEALI toma dos enfoques: el aprendizaje supervisado y el aprendizaje sin supervisión (Kotsiantis et al., 2007). La distinción clave entre estos enfoques radica en que el primero requiere una base de datos anotada, mientras que el segundo usa datos no clasificados (Kotsiantis, 2007). En el campo del aprendizaje automático, la clasificación se considera un caso de aprendizaje supervisado en el que se dispone de un conjunto de datos previamente etiquetados, ya sea por humanos o por un modelo de agrupación de datos (Hastie et al., 2009). El aprendizaje no supervisado, por otro lado, se conoce como clustering (Xu & Wunsch, 2008) y consiste en agrupar datos en categorías que comparten ciertas características basadas en una medida de similitud. Este tipo de modelo se crea utilizando datos de entrenamiento y su fin es identificar la categoría a la que pertenece un elemento con características específicas. Cuando se presenta un nuevo ejemplo sin etiquetar a un modelo de clasificación, este determina la etiqueta en función de su posición relativa con respecto a los límites definidos por el modelo.

El propósito de la clasificación es asignar subcategorías a un conjunto de categorías previamente definidas. Estas categorías deben estar etiquetadas previamente, ya sea mediante una clasificación binaria—one-hot-encode—o una clasificación de múltiples clases. Generalmente, estos datos se analizan individualmente al extraer propiedades numéricas llamadas características o descriptores de audio (Zhang & Kuo, 2013). Los modelos de clasificación se construyen utilizando diversos enfoques, como umbrales simples, técnicas de regresión o redes neuronales (Alpaydin, 2004). El propósito del clasificador es generar una salida que corresponda a las categorías conocidas en los datos de entrenamiento. De esta manera, el modelo puede identificar elementos que no ha visto previamente, pero que comparten similitudes con los datos de entrenamiento. Otra aproximación implica entrenar al modelo para predecir valores futuros en función de secuencias de datos de entrada y datos históricos, a menudo utilizando redes neuronales recurrentes (Briot et al., 2019).

La principal función del aprendizaje automático y de los modelos es la de procesar y analizar datos sin la necesidad de definir reglas explícitas para cada problema. A diferencia de los sistemas expertos que requieren reglas definidas, los modelos de redes neuronales pueden abstraer y sintetizar información para identificar patrones y predecir nueva información. Esto es útil en una amplia variedad de problemas, incluyendo aquellos relacionados con aspectos sensibles de naturaleza humana, así como la creatividad y el arte. Los modelos se construyen a través del entrenamiento, que implica la actualización de pesos y sesgos, la optimización y la regularización de los datos. Estas funciones permiten a los modelos definir límites en el espacio de datos para categorizar nuevas observaciones.

Fiebrink (2011), añade que, los algoritmos de aprendizaje supervisado de uso general destinados a tareas de clasificación y regresión tienen la capacidad de aprender la relación entre las entradas y las salidas. A este respecto, un enfoque interesante es donde los usuarios pueden evaluar los modelos entrenados al ejecutarlos en tiempo real, observando cómo se comporta el sistema, por ejemplo, a través de la generación de sonidos sintetizados a medida que se introducen nuevas entradas. Además, los usuarios tienen la opción de ajustar y modificar de manera iterativa los ejemplos de entrenamiento y reentrenar los algoritmos utilizando los datos modificados. A aproximación podría llamarse aprendizaje automático interactivo y brinda a los usuarios la capacidad de corregir fácilmente múltiples errores del sistema mediante modificaciones al vuelo sobre los datos de entrenamiento. Por ejemplo, si el modelo entrenado produce un sonido incorrecto en respuesta a un gesto específico, el usuario puede registrar ejemplos adicionales de ese gesto junto con el sonido deseado y luego entrenar nuevamente el modelo. Esta flexibilidad también permite a los usuarios adaptar y modificar comportamientos del sistema a través del tiempo, como agregar de manera iterativa nuevas categorías de gestos hasta que la precisión aumente o no se requieran más categorías adicionales. El aprendizaje automático interactivo posibilita que las personas creen modelos precisos incluso con muy pocos ejemplos, logrando esto al insertar iterativamente nuevos ejemplos de entrenamiento en áreas del espacio de entrada que son críticas para mejorar el rendimiento del modelo (Fiebrink, 2011).

En un contexto de trabajo con compositores enfocados en el diseño de instrumentos controlados por gestos mediante el uso del aprendizaje automático interactivo Fiebrink (2010), observa una estrategia útil para explorar nuevos sonidos y relaciones entre gestos y sonidos. En este enfoque, los compositores primero establecen los “límites sonoros y gestuales del espacio compositivo”, definiendo valores para los parámetros de síntesis y las posiciones gestuales del controlador. Luego, crean un conjunto inicial de datos de entrenamiento utilizando gestos y sonidos en estos límites establecidos. Después de entrenar las redes neuronales con estos datos, los modelos resultantes permiten a los compositores navegar por el espacio de gestos, descubriendo nuevos sonidos tanto dentro como fuera de los límites establecidos por los ejemplos iniciales.

De manera análoga a lo que se describe en Fiebrink et al. (2012), en el contexto de SEALI, después de que el algoritmo Mean Shift Clustering analizó la base de datos y los agrupó en distintas carpetas según la clase asignada, los segmentos se sometieron nuevamente al análisis de los mismos descriptores de audio. Al finalizar este proceso, se logró construir una base de datos anotada definida por el algoritmo de agrupamiento MSC. Esta fase del proceso puede ser revisada posteriormente por un humano para verificar y corregir cualquier discrepancia. En este sentido, he decidido mantener en cierta medida la propuesta de clasificación del sistema, incorporando la colaboración humano-máquina, en la cual la máquina aporta su algoritmo derivado del proceso de toma de decisión—humana—orientada a la identificación de materiales sonoros.

Una de las razones que me llevó a elegir el algoritmo de Mean Shift Clustering (Comaniciu & Meer, 2002) fue la intención de evitar sesgos predefinidos para permitir que el proceso se basara en un sentido emergente, influenciado por la interacción algorítmica. Esto implicó que la aproximación se basara en una caracterización preconcebida o sesgada por teorías específicas relacionadas con alguna clasificación sonora o musical, sino generar un proceso que pudiera, en cierta medida, prescindir del juicio humano para distinguir entre las diferentes categorías sonoras dentro del corpus.

La idea detrás de esta aproximación es utilizar medidas de similitud o diferencias sonoras para definir grupos basados en características tímbricas. En este sentido, se empleó el algoritmo de MSC para agrupar segmentos sonoros en diferentes clases. Lo interesante de este algoritmo es que no requiere una indicación explícita sobre el número de clases a crear, a diferencia del algoritmo K-Means, ya que se basa en encontrar concentraciones de elementos en el espacio de datos y actualizar iterativamente los puntos centrales en función de un umbral de decisión. Después, se filtran los puntos para eliminar duplicados cercanos y se forma un conjunto final de puntos centrales rodeados por elementos cercanos a cada conjunto.

El objetivo de incluir este enfoque es permitir que los algoritmos descubran patrones numéricos en los datos del audio para así evitar el sesgo que un humano podría introducir en este proceso y dejar al algoritmo tomar esa decisión. Si bien, esto refleja una diferencia fundamental entre la percepción humana y de máquinas debido a que en algunos casos la clasificación no se adecuaba a las decisiones que un humano pudiera haber tomado, destaca la necesidad de comprender cómo funcionan los algoritmos de clasificación sin supervisión y cuáles son sus limitaciones en contextos complejos como los presentes en la improvisación libre. A continuación, presento los resultados de clasificación producidos por el algoritmo MSC utilizando esta base de datos según los criterios mencionados.

Figura 1

Cuando se trata de analizar la forma musical, es decir el desarrollo que una obra sonora o musical tiene a lo largo del tiempo, el análisis de las secuencias de las bases de datos es útil para comprender la estructura y predecir posibles estados futuros a partir de una secuencia inicial. Para lograrlo, los datos se dividen en series de “n” pasos de tiempo (timesteps) y se someten al análisis de una red neuronal recurrente (LSTM, long short term memory) (Hochreiter, 1997). Este proceso capacita a SEALI a discernir entre las particularidades tímbricas, pero no solo eso, también a organizar las estructuras numéricas presentes en el corpus a lo largo del tiempo. Como resultado, se genera un modelo computacional que puede ejecutarse en tiempo real para realizar nuevas clasificaciones o predicciones inicialmente sobre células sonoras y posteriormente sobre la forma musical.

El abordaje de las redes LSTM en SEALI es esencial para explorar las estructuras sintagmáticas en la improvisación musical, lo que proporcionaría una comprensión más profunda sobre distintos parámetros del desarrollo temporal del sonido, como la amplitud, el cambio espectral y el timbre. Esta perspectiva se enfoca en evaluar la capacidad de estos modelos para prever la dirección de la improvisación y su aplicación en tiempo real para interactuar en la ejecución musical. Este enfoque no solo busca reconstruir improvisaciones pasadas, sino también anticipar elementos inéditos de manera coherente, ampliando así las posibilidades creativas de SEALI en la improvisación musical.

Para validar su uso, realicé un ejercicio preliminar utilizando las Variaciones Golberg de J. S. Bach. El objetivo de este ejercicio fue evaluar de manera general las capacidades y limitaciones de esta herramienta, con el fin de identificar algunas de las variables de entrada y estado necesarias para generar reconstrucciones armónicamente coherentes dentro del lenguaje musical de Bach. Este análisis inicial resultó útil para demostrar que las redes LSTM pueden ofrecer una aproximación a la estructura musical, ya que, a partir de una secuencia inicial, pueden reconstruir los elementos subsecuentes utilizando la base de datos de entrenamiento. Además, pude identificar secciones musicales del tipo AABB presentes en las variaciones Goldberg, lo que contribuyó a mi comprensión sobre el funcionamiento de estas redes y su comportamiento en contextos musicales tonales. Para concluir este experimento, comparto algunos ejemplos generados con versiones del modelo en diferentes estados de entrenamiento, desde un 65 hasta un 95 por ciento de certeza, disponible en https://archive.org/details/goldberg-65/.

Posteriormente, el primer experimento en torno a la improvisación libre y las redes LSTM, partió del álbum “More74” del improvisador Derek Bailey, que consiste en 13 improvisaciones libres realizadas con guitarra eléctrica. Para analizar estas improvisaciones, segmenté los audios según cambios tímbricos utilizando los algoritmos SBIC y MFCCs de la librería Essentia, resultando en un total de 17802 segmentos de audio con duraciones de 100 milisegundos a 1600 milisegundos (o 1.6 segundos). A continuación, extraje las características de audio de estos segmentos utilizando el descriptor Flatness para medir el nivel de ruido o sutileza tímbrica de cada uno y guardé estas características en un archivo csv. Posteriormente, transformé este archivo csv a formato json, redondeando todos los datos a un entero y dos decimales, lo que resultó en un máximo de 101 posibles elementos dentro de toda la base de datos. Los datos fueron dispuestos en secuencias con pasos de tiempo fijos estructurando así los 17802 elementos secuenciados en 100 pasos de tiempo, lo que resultó en 17802 listas de 100 elementos para análisis secuencial. Tras entrenar la red LSTM con estos datos durante 1723 iteraciones, la función de pérdida descendió hasta alcanzar un mínimo de 0.0100. Luego, realicé pruebas para verificar si el modelo podía reconstruir secuencias idénticas a las originales. Pasando la secuencia original del elemento 0 al 99, el modelo devolvió el elemento 100 como siguiente valor. Iterando este proceso 100 veces, donde las nuevas predicciones se convirtieron en nuevas entradas para las secuencias, se observó que el modelo reconstruyó perfectamente las secuencias derivadas de las originales.

Una vez completados estos experimentos, el siguiente paso fue dotar a SEALI de herramientas para realizar predicciones multivariables utilizando vectores compuestos por varias características de audio, esta técnica es conocida como secuencia a secuencia (seq to seq). Para ello es crucial integrar otras capas que permitieran trabajar con un formato multivariable en la red, como las capas Repeat Vector y Time distributed (Brownlee, 2017). La implementación de estas capas permitió que el modelo predijera estructuras multiparamétricas y pudiera sistematizar los momentos de una improvisación libre más allá de lo que se lograba al predecir un solo vector.

Las redes LSTM seq to seq fueron fundamentales para dotar a SEALI de los mecanismos necesarios para analizar y predecir estructuras sonoras en improvisaciones libres. Los resultados obtenidos muestran el potencial de esta aproximación para la creatividad computacional en el contexto de la improvisación libre. En el arte, esta algoritmicidad Peeters (2020) puede representar una oportunidad para la exploración y la creatividad, aunque también plantea desafíos y cuestionamientos en cuanto a la interacción humano-máquina.

El enfoque de las técnicas utilizadas en SEALI se centra en encontrar un equilibrio entre diversos componentes importantes en la improvisación musical, como la imprevisibilidad, el azar y la estructura formal. Se busca crear un sistema que integre estas perspectivas utilizando las posibilidades y limitaciones de la tecnología al momento de la creación de este proyecto y las capacidades de programación del autor que escribe este texto. Sin embargo, en el estado del arte actual, aún se reconocen ciertas limitaciones tecnológicas en la generación de audio de alta fidelidad en tiempo real a través de redes neuronales profundas. Por lo tanto, en la parte reactiva de SEALI, se emplea síntesis de sonido en tiempo real y transformaciones de muestras de audio.

Para desarrollar un modelo computacional robusto capaz de interpretar nueva información en tiempo real a través de una base de datos anotada, se utiliza el aprendizaje supervisado mediante una red neuronal profunda creada con TensorFlow. Esta red consta de varias capas y miles de parámetros, lo que le permite realizar predicciones en tiempo real de nuevos ejemplos de audio a través de TensorFlow Server.

Una vez que el modelo está entrenado, es capaz de realizar predicciones en tiempo real sobre nuevos ejemplos de audio. Estos nuevos ejemplos se capturan a través de un micrófono o una conexión interna utilizando JackClient. Cada segmento de audio capturado se somete a un análisis con una ventana temporal previamente definida, en este caso, una duración de dos segundos. Las características de cada segmento se extraen mediante SuperCollider y la librería SCMIR, luego se envían a Python a través de OSC, donde se convierten en formato JSON. Luego, esta información se envía a TensorFlow Server para su clasificación y se devuelve a Python en formato OSC. Una vez que los datos de clasificación se reciben en SuperCollider, se procesan a través de un módulo de generación sonora, que utiliza reglas basadas en límites de certeza de clasificación. Este módulo activa archivos de audio de la base de datos clasificada, sometiéndolos a transformaciones como estiramientos temporales, cambios de tono, síntesis granular y síntesis concatenativa. Además, activa sintetizadores cuyos parámetros se modifican según los datos de clasificación, lo que se considera como un proceso de sonificación de las clasificaciones del modelo. A continuación, presento un diagrama del funcionamiento antes descrito.

En esta segunda aproximación, se entregan nuevos ejemplos de audio al modelo, los cuales se dividen en segmentos de dos segundos u otra ventana temporal predefinida que se decida. Mediante Python y a través de la librería Essentia, se extraen las características de estos segmentos y los datos se envían a TensorFlow Server para obtener una nueva predicción. Una vez que la información sobre el segmento de audio se clasifica, se envía a Python en formato JSON y Python la convierte en formato OSC para que SuperCollider la reciba.

Figura 2

A partir de los datos de predicción generados por el modelo, existen varias formas de abordar la interactividad de SEALI. Una opción es sonificar cada una de las clases detectadas por el modelo. Esta estrategia podría denominarse ‘aproximación continua’, ya que se consideran todos los valores de la predicción, lo que resulta en una continuidad numérica en los niveles de detección para cada clase. Además, si el modelo fue entrenado con 10 clases, devolverá 10 valores diferentes que suman uno en total, donde el valor más alto se interpretará como la clase predominante en la predicción. A continuación, presento una improvisación generada de la interacción de SEALI con la misma salida de audio que devuelve supercollider, es decir, escuchando sus propios procesos de retroalimentación (disponible en https://archive.org/details/seali-sola-23-nov-2020).

La segunda opción sería una ‘aproximación discontinua con propiedades deterministas’, aquí, se podría asignar la activación de un proceso relacionado con la detección de la clase predominante, en un momento sonoro específico, mediante reglas booleanas. Es importante destacar que estas dos posibilidades, continua y discontinua, podrían combinarse para enriquecer las capacidades interactivas de SEALI. Esto significa que cuando se detecta una clase específica, se podría activar un sintetizador u otro proceso, y, además, sus parámetros podrían modularse continuamente según los valores de predicción del modelo.

La metodología interna de SEALI abarca una serie de algoritmos que funcionan en línea tratando de emular un comportamiento en tiempo real, incluyendo la activación de entrada de audio, segmentación de audio, extracción de características, transformación de datos y generación sonora para la interacción. A pesar de que requiere escuchar un número de muestras de audio antes de interactuar, su capacidad de reacción es casi inmediata, lo que sugiere una respuesta instintiva y reactiva. En este estado de desarrollo, SEALI no tiene agencia sobre la toma de decisiones en este nivel interactivo, más allá de su capacidad para clasificar y detectar materiales. Además, la predicción de SEALI puede verse influenciada por factores externos, como ruidos ambientales, sonidos de los músicos y sonidos generados por SEALI, lo que afecta el resultado de la predicción. Una forma de abordar esta situación sería entrenar al sistema con ejemplos que incluyan estas texturas sonoras mixtas, lo que podría proporcionarle una comprensión más sólida de su propio proceso de retroalimentación y permitirle tomar acciones basadas en estas detecciones.

El desarrollo algorítmico de SEALI en su versión destinada a la comprovisación (Dudas, 2010), titulada “Interdictos Prostéticos” (https://archive.org/details/aaron-escobar-interdictos-protesicos), implicó desde el inicio una interacción creativa entre humanos y algoritmos. Esta versión toma una base de datos de gestos sonoros grabados por músicos e improvisadores, utilizando como inspiración los procesos de escucha automática de SEALI. Desde esta perspectiva, se busca establecer un vínculo entre la expresión sonora del músico/improvisador y la detección de elementos sonoros, formando un continuo orgánico-digital. Partiendo del concepto de escala, exploramos diversas aproximaciones a las cualidades acústicas y prácticas de los músicos, tomando tres parámetros: digitación, envolventes acústicas y contenido espectral, que a su vez incluyen brillo, complejidad, densidad y centralidad espectral. Los materiales generados fueron analizados para crear una base de datos de descriptores de audio y luego se agruparon con MSC. Posteriormente, estos datos reagrupados fueron analizados por una red neuronal profunda que generó un modelo capaz de identificar los materiales propuestos por cada músico/improvisador. A través de estos procesos de reconocimiento, SEALI toma decisiones en tiempo real en términos tímbricos, energéticos e interactivos, proponiendo gestos sonoros similares o contrastantes a los que escucha, de acuerdo con el conocimiento que tiene sobre el contexto de una improvisación. A continuación, presento una versión ensamblada con los materiales grabados por los músicos y las intra-acciones de SEALI: https://bit.ly/3qagvMh. Además de la versión que se estrenó en el MUAC, UNAM: https://www.youtube.com/watch?v=U3PrrrzxB4c

Esta obra permite su interpretación en diferentes modalidades, con distintas instrumentaciones e intérpretes. En el performance de “Interdictos Prostéticos” realizado por Miguel Ángel Cuevas (https://youtu.be/OUjAYWYenco), se observan varios fenómenos de retroalimentación que desafían tanto al improvisador como a SEALI. En ese performance, se destaca la propuesta musical estructural que aporta SEALI, la cual se basa en las aproximaciones a la forma musical que proponen los improvisadores que formaron parte de los datos de entrenamiento del sistema. De esta manera, se conserva una esencia estructural que guía la improvisación, permitiendo que SEALI adapte su comportamiento a diversas situaciones sonoras. Este proceso puede considerarse como una abstracción del estilo musical, trascendiendo el tiempo y el espacio para integrarse en un flujo iterativo y continuo en múltiples contextos. Al conservar ciertos rasgos cadenciales reconocibles por un improvisador, la improvisación puede guiarse estructuralmente desde el conocimiento que caracteriza a ese estilo.