Comecei minha pesquisa em IA, em particular em aprendizado de máquina, como desenvolvedora de algoritmos para a descrição automática de sinais de áudio de música em termos de melodia, tonalidade, similaridade, estilo ou emoção, que são explorados em diferentes aplicações de plataformas musicais à educação. Comecei a pesquisar como projetar abordagens novas de aprendizado de máquina lidando com diferentes tarefas computacionais no campo da música, e sobre a importância do pipeline de dados incluindo a criação e anotação de conjuntos de dados. O que me interessava na época no aprendizado de máquina eram suas capacidades de modelagem e a transição de um desenvolvimento baseado em conhecimento para um baseado em dados - por exemplo, em vez de projetar descritores com base em nosso conhecimento de acústica e música, estávamos agora usando nosso know-how para projetar conjuntos de dados, arquiteturas e procedimentos de treinamento e avaliação.

Da minha experiência como pesquisadora de aprendizado de máquina, e vendo meus algoritmos "em ação" em diferentes domínios, de plataformas musicais a concertos de música sinfônica, percebi o enorme impacto que esses algoritmos têm nas pessoas (por exemplo, ouvintes, músicos) e direcionei minha pesquisa para a avaliação de IA em vez do desenvolvimento, em particular estudando o impacto da IA no comportamento humano e como avaliar sistemas em termos de aspectos como justiça, supervisão humana ou transparência. Esse é o tópico de pesquisa atual da minha equipe no Centro Comum de Investigação.

Com que trabalho você mais se orgulha (no campo da IA)?

No lado acadêmico e técnico, me orgulho de minhas contribuições para arquiteturas de aprendizado de máquina específicas para música no Grupo de Tecnologia Musical em Barcelona, que avançaram o estado da arte no campo, como reflete em meus registros de citação. Por exemplo, durante meu doutorado, propus um algoritmo baseado em dados para extrair tonalidade de sinais de áudio (por exemplo, se uma peça musical está em Dó maior ou Ré menor) que se tornou uma referência chave no campo, e mais tarde co-projetei métodos de aprendizado de máquina para a descrição automática de sinais de música em termos de melodia (por exemplo, usado para buscar músicas cantarolando), tempo ou para a modelagem de emoções na música. A maioria desses algoritmos está integrada ao Essentia, uma biblioteca de código aberto para análise, descrição e síntese de áudio e música e tem sido explorada em muitos sistemas de recomendação.